どのような企業がデータサイエンティストを募集しているか?

select

ここではデータサイエンティストを求めている企業を事業特性ごとに説明していきます。
業界で説明をしない理由はデータサイエンティストとして、どのような企業に入るべきか?という点では事業特性の観点から見ていく方がわかりやすいからです。
データサイエンティストとしてのキャリアを構築していく上で、自力を身に付けられる企業に入社することが重要になります。

どのような企業がデータサイエンティストを募集しているか?

ここでは大きく6つの企業区分に大別して説明していきます。
「①事業会社(DX推進)」、「➁事業会社(サービス改善)」、「➂事業会社(データ分析専門)」、「④コンサルティングファーム」、「⑤子会社・合弁会社」、「⑥派遣・業務委託系」の6つで説明していきたいと思います。

事業特性別データサイエンティストを必要としている企業
各企業が求めているデータサイエンティスト

①事業会社(DX推進)

企業例

NTTドコモ・サントリー・関西電力・大阪ガス など

事業特性

一定の収益基盤を有している企業であり、自社のDX推進を図ろうとしている企業になります。古くから存在しており、一定の収益基盤を有している企業が多いです。
特にDX推進にデータサイエンティストが必要な場合は大企業である場合が多いです。なぜなら、大企業では内部の売上構造・組織構造・内部システムが複雑化しているが故に様々な課題が生じています。

データサイエンティストを募集している理由

DX化を推進する上でデータサイエンティストが多く必要になるからです。
上述したように、大企業特有の課題をDXによって解決することで、業務の効率化や意思決定の迅速化など多くの恩恵を受けることができます。
しかし、大企業ではDX化を進めるにあたり、様々な障壁が存在します。システム・人材のスキル・組織風土などの障壁を一つずつ解決していく必要があります。
データサイエンティストはそのような環境の中で、各システムに散らかっているデータをかき集めたり、各データからなにが課題となるのか、どのような意思決定をすべきなのかというような、データが絡む領域で活躍します。
大企業のDX推進のためには、データサイエンティストが多く必要となる背景があります。

どのようなデータサイエンティストを求めているか?

ビジネス型のデータサイエンティストが必要とされています。DX推進するということが求められており、ビジネスに近い領域で活躍できるデータサイエンティストを求めています。
各社で異なる部分はあると思いますが、大企業であるが故に他社に任せる部分は任せることが主流のため自身で分析を行うのではなく、分析組織を管理して事業を推進することが求められる役割となります。

➁事業会社(サービス改善)

企業例

DeNA・サイバーエージェント・メルカリ・LINE など

事業特性

デジタル系サービスを運営している企業であることが多く、デジタルサービスが主軸の収益基盤になっている企業です。
デジタルサービスとは、主にECサイト・スマホゲーム・動画サービスなどが該当します。新進気鋭の企業が多く、ここ10~15年ほどで大きく成長を遂げた企業が主になります。
事業を拡大するために、自社サービスの利用者拡大が必要であり、サービスの機能追加やサービスのユーザビリティの向上などを繰り返す必要があり、日々データを見ながら改善を繰り返す必要があります。

データサイエンティストを募集している理由

自社サービスの改善のためにデータサイエンティストが必要になるからです。
特にデジタルサービスの場合は利用者のデータが非常に多く蓄積されます。サービス上でどのようなコンテンツが利用されているかなどをデータから見極めてサービス改善を行います。
また、扱うデータが膨大であるが故に人が判断しきれない場合があります。そのため、レコメンドシステムの実装などが必要になりデータを主軸にサービス改善を行う領域もあります。
サービス改善を行うために、重要な役割をデータサイエンティストが担います。

どのようなデータサイエンティストを求めているか?

主にサイエンス型のデータサイエンティストが求められます。デジタルサービスを運営している企業では莫大なデータ量が蓄積されます。
そのデータを基にUI/UXの改善を行っていきます。特にレコメンドシステムなどデジタルサービス上で如何に顧客に快適な体験を提供できるかはサイエンス型のスキルの見せどころです。

➂事業会社(データ分析専門)

企業例

DataBricks・Qlik・ブレインパッド・トレジャーデータ など

事業特性

データ分析に特化したサービスソリューションを保有している企業です。製品ライセンス費や製品実装時の人的サービスで収益を上げる事業特性です。
特に外資系の企業が多く、巨額の投資を経て海外で実績をあげた企業が日本でも同様のサービスを展開していることが多いです。
ソリューション利用のライセンス費で収益を上げることが主ですが、ソリューションを各社へ導入する際の人的費用や保守・運用費なども収益の基盤になります。

データサイエンティストを募集している理由

事業を拡大するために、データサイエンティストが必要になるからです。
ソリューションの新規機能を開発する人員やソリューションを各社に導入するための開発人材などが必要になります。また、保守・運用などの定常的な業務においても人員が必要になります。
そのため、多くのデータサイエンティストが必要です。このような企業では比較的エンジニア寄りのデータサイエンティストが多く活躍する領域になります。

どのようなデータサイエンティストを求めているか?

主にエンジニアリング型のデータサイエンティストが求められています。上記のようにソリューションを開発する業務がメインになるため、データエンジニアリング力が求められます。また、製品特有の知識などが必要になることもあります。ただし、やはりデータを扱う製品であるため、データ分析に対して一定の知識は必要となります。

④コンサルティングファーム

企業例

野村総合研究所(SIer)・アクセンチュア・デロイトトーマツ など

事業特性

第三者的な立場から事業会社の業務支援を行い、収益を上げる企業です。
特に大企業ではなにか新たなことに取り組む際に、各社はほとんど知見を持っていない状態からスタートします。そのため、有識者を招いて自社の取り組みを推進する体制を作ります。その有識者として活躍するのがコンサルタントです。
近年のメインテーマはやはりDXです。
DXを推進する上でシステム開発、データ分析、業務コンサルティングなど多くの切り口があり、各社によって得意領域が異なります。
ただし、DXを推進する上でデータサイエンティストの存在は必要不可欠です。

データサイエンティストを募集している理由

事業を拡大するためにデータサイエンティストが必要になるからです。
主にコンサルティングファームの事業は人工商売です。すなわち、1人当たりxx円という人材を各社に派遣することで成り立つ商売になります。そのため、単純に売上を拡大するには頭数が必要になります。
コンサルティングファームの事業領域はかなり広いため、各PJに応じて適材適所に人員を割り当てるため、広域なデータサイエンティストが活躍できます。

どのようなデータサイエンティストを求めているか?

バランスの問題はあれこそ、ほぼ全部の型のデータサイエンティストが求められています。コンサルティングファームは多種多様な案件があり、その案件に対応できるように人材を確保しようと動きます。そして理想的な状態は全方位的に顧客を支援することです。
そのため、ビジネスに踏み込む人材・サイエンスのプロフェッショナル・エンジニアリングのスペシャリストなどすべてを求めています。
ただし、一定の経験値を求められることが多く実務経験が必要な場合が多くあります。

⑤子会社・合弁会社

企業例(親会社)

電通クロスブレイン(電通グループ/ブレインパッド)
ARISE analytics(KDDI/アクセンチュア)
ダンハンビー・三井物産カスタマーサイエンス(三井物産/dunnhumby Limited)など

事業特性

大企業同士がタッグを組み、それぞれのシナジーを生み出すために立ち上げられた企業です。
主に”DXを推進したい事業会社”×”データサイエンスに知見がある会社”で合同会社を立ち上げるパターンになります。
“DXを推進したい事業会社”には「DX化に向けて必要となる人材がいない」という課題と「過去の文化からDXが浸透しないという課題」があります。
そのため、合同会社を作ることでこの課題を解決しようとします。
前者の課題は合弁会社の立ち上げにより、パートナー(データサイエンスに知見がある会社)から有識者を確保することで、後者の課題は本体とは切りはなした企業体を組成することで、過去の文化から脱却した組織風土を醸成することで課題解決を図っています。
一方で、”データサイエンスに知見がある会社”には「データ分析という特性上、継続的な案件が獲得できない課題」と「秘匿性の高いデータを扱えず事業に踏み込めない」という課題があります。
双方を解決するために合弁会社を立ち上げ、継続的に本体企業の課題解決を図る組織体を組成するという背景があります。
近年のDX推進ではこのような合弁会社が多く立ち上げられており、DX推進の一つのパターンとなっています。

データサイエンティストを募集している理由

理由は2つあります。売上拡大のためとグループ内のデータサイエンティスト人材を確保することです。
合弁会社は少数精鋭からスタートします。徐々に売上を拡大していくにつれて人員が必要になることは必然です。
また、基本的には合弁会社の親会社から人員を派遣して会社を作っていくことになります。しかし、継続的な事業運営に向けては正社員が必要となるため、データサイエンティストを積極的に採用することになります。
上記のような流れが進むと親会社としてはグループ内にデータサイエンティスト人材を多く確保することができるというメリットがあります。
そのため、合同会社の目線では売上の拡大になりますが、親会社目線だとグループ内に人材を確保することが狙いにあります。
大上段の目的はDX推進になるため、事業に近い立場でデータサイエンティストが活躍します。

どのようなデータサイエンティストを求めているか?

主にビジネス型・サイエンス型の人材を求めています。データサイエンティストを求めている理由はDXの推進およびデータサイエンティスト人材の確保です。そのため、一定の事業推進をしつつ、専門職の強い人材を育成することも併せて考えなければなりません。
そのため、ビジネス型とサイエンス型の双方が求められる人材を求めています。エンジニアリング型の人材も一部求められますが、システムは親会社のシステムで業務することが多いため、子会社自体にエンジニアリング型が多く必要となることは多くないです。

⑥派遣・業務委託系

企業例

Preferred Networks・ALBERT・エッジテクノロジー など

事業特性

データサイエンスに近い人材を各社に派遣して、収益を上げる企業です。各社に強みに特徴があります。
人員・スキルが不足している企業に対して、人材を派遣して人数×単価で売上を作っています。

データサイエンティストを募集している理由

こちらも同様に人数が直接的に売上に直結するため、売上拡大のためにデータサイエンティストが必要となります。

どのようなデータサイエンティストを求めているか?

主にサイエンス型およびエンジニアリング型が求められています。基本的には業務委託が中心になるため、強く事業領域に踏み込むことはありません。
そのため、実際の分析作業を実施することを強く求められます。サイエンス型・エンジニアリング型は各社の特色として得意・不得意があるため、企業色が出るポイントになります。

各社のメリットは?デメリットは?

各企業によって経験できる領域が異なります。そのため、将来的なキャリアを鑑みると初めに入社すべき企業は重要になります。
今回はメリット・デメリットを”経験”に焦点を当てて、解説していきます。待遇面や労働環境などには言及しておりません。

各企業のメリット・デメリット

①事業会社(DX推進)

メリット

DX推進を図っている企業ではビジネスに近い役割でデータサイエンスを経験できることが大きなメリットです。
大企業ともなれば、一つの意思決定で何億~何十億円の金額が動くことはざらに発生するため、データ分析により生み出せる事業インパクトが大きいことが魅力です。
また、分析に必要である採算や社内事情も含めて収集しやすい立場のため、ダイナミックな分析経験ができることが魅力であり、大きな経験値になります。

デメリット

デメリットになることは社内外で多くの調整業務が走ってしまうことです。大企業ともなれば、社内の承認や合意形成を行う業務が非常に多く、実態としてデータサイエンスをやっている感覚が薄れてしまう可能性があります。
実際の分析作業を外注して管理を中心に分析を進めていった結果、実際にプログラミングなどのスキルは身につかず、ややジェネラリスト寄りのキャリアになってしまうといったリスクが存在します。
また、分析結果に対して社内政治が影響するリスクも多くあります。分析組織が部署の一部であった場合、やはり売上を生み出す部署にはなりにくいです。そのような立場上、売上を作っている部署の力が強ければ分析結果が埋もれてしまう可能性があります。
会社の中でデータ分析組織の力がどの程度あるのかが大きなポイントになります。

➁事業会社(サービス改善)

メリット

データ分析が強い領域で業務ができることがメリットです。自社サービスを改善していくにおいて、実際の利用者のデータは有用になります。
その利用データは膨大であるが故にデータを活用するにはデータサイエンティストが必須になります。そのため、データ分析が頼りにされることが多く、データサイエンティストの役割が重要になります。
また、膨大なデータの最大活用の方法としてレコメンドシステムの構築があります。レコメンドシステムは各顧客に応じたパーソナライズを行うおすすめ機能であり、レコメンドシステムのアルゴリズムはデータサイエンティストしかできない領域になります。
そのため、サービス改善におけるデータサイエンティストの立ち位置が強く、データが強い領域で業務ができる点が魅力になります。

デメリット

デメリットとしては、ビジネス戦略などの大きな意思決定に携わりにくいことです。これは各社に組織構造に依存しますが、サービス運営の場合は大きく分けてa.戦略組織、b.企画・実行組織、c.開発組織などに分かれていることが多いと思います。その中でサービス改善の領域はb.cの領域が多く、サービスそのものをどのように位置づけるか?など上流部分には関わりづらい側面があります。
また、データサイエンティストへの期待値がサービス改善にあることからサイエンス力に偏った経験になってしまうリスクがあります。

➂事業会社(データ分析専門)

メリット

データ分析だけでなく、データエンジニアリングが強い領域で業務ができることがメリットになります。
自社ソリューションの開発・導入に携われるためエンジニアリングスキルが身に付きやすいです。エンジニアリングスキルを身に付けられる企業はあまり多くなく特に自社ソリューションなどを持っている企業では非常にエンジニア型のデータサイエンティストが優遇される傾向にあります。
エンジニアリング型でキャリアを形成していきたい方にとっては将来的に有用な経験を積むことができます。

デメリット

デメリットとしてはエンジニアリングに寄った経験になることです。
ソリューションなどの大きな意思決定は企業の戦略性に依存するため、ビジネスに近い立場での経験はやや積みにくい傾向があります。企業の組織構造にもよりますが、営業部隊と開発部隊が切り分けられている場合はより局所的な経験しか積めないため、ややつぶし効きにくくなるリスクがあります

④コンサルティングファーム

メリット

コンサルティングファームは多くの案件を抱えており、多様な案件に関わることができるのが最大のメリットです。
一企業だけでなく、他の企業ではどのようにデータサイエンスが活用されているのかを自身で経験できることが魅力になります。また、案件によっては業界を跨ぐことも容易で飲食業界からインフラの業界へ移るこもできます。
そのため、データサイエンティストとして幅広い経験ができるためデータサイエンティストとして幅のあるキャリア形成ができる点がメリットです。

デメリット

デメリットとしてはデータ・情報量が少ないことがあげられます。第三者的な立場から事業に関わるため、どうしても秘匿性の高いデータや事業情報などの情報が得にくい立場にあります。そのため、限られたデータ量の中で分析を行う必要があったり、大きな仮定を持った上で分析するなどやや事業から遠い立場になってしまう点がデメリットになります。
メリットの反面にはなりますが、データサイエンティストとしてやや浅いキャリアになってしまうリスクがあります。

⑤子会社・合弁会社

メリット

メリットは2点です。”客観的な立場から分析結果・示唆を提言できること”と”フォローアップ体制が手厚い場合が多い”点です。
前者に関しては、親会社の資本が入っている中で相応のデータ・情報を得て分析できる環境でありながら、本社と独立した第三者的な立場のため社内政治の影響が少ない中で分析ができる点がメリットです。①と④の中間的なポジショニングが取れている点がDX推進・データ分析に有利に働きます。
後者に関しては、社内に分析のスペシャリストと事業に詳しい人材が混在しているため、分析面・事業面双方において有識者が存在することがメリットです。データサイエンティストとして活躍するには分析スキルだけでなく、事業の知識が重要になるので、双方を早く学べる環境があることは魅力です。

デメリット

デメリットとしてはデータ分析の案件が限定的なことです。やはり携われる案件は親会社に依存してしまう側面が大きいため、分析の領域が狭まってしまうリスクはあります。
また、子会社・合同会社は親会社とやや離れた位置にいるため、事業の根幹の情報までたどり着きにくい側面があるため、事業の大きな意思決定に携わりにくい側面があります。

⑥派遣・業務委託系

メリット

データサイエンスの幅が広いことがメリットになります。多くの会社に人材を派遣しているため、多くの案件幅が存在します。そのため、様々な領域で分析経験を積むことが可能で、データサイエンティストとして幅の広いキャリアを築くことができます。
また、人材の各社に派遣する前に育成制度が整備されている場合が多く、フォローアップ体制が手厚いこともメリットとしてあげられます。

デメリット

デメリットとしては事業特性上、やや下流工程の業務が多い点です。委託先の業務を代行する企業体であるため、方針や方向性は委託元が決めていることが多くあります。そのため、ビジネス面に大きく踏み込む状況は少ないです。
そのため、経験できる業務の領域がやや狭くなるリスクがあります。

未経験者のおすすめは?

未経験からデータサイエンティストのキャリアを作っていくには”⑤子会社・合弁会社”がおすすめです。
理由としては下記の2点です。

  • 未経験でデータサイエンティスト職の採用をしていることが多い
  • 今後のキャリアの広がりがある

前者については”子会社・合弁会社”は未経験者の採用を強化する戦略を取らざるを得ないからです。
これは現在の市場環境がこのような状況を生んでいます。昨今のDX化の潮流を受け、データサイエンティストは不足傾向にあります。
そのため、各社でこぞってデータサイエンティストの採用を進めています。
その中で採用力が非常に強いのが”コンサルティングファーム”です。ネームバリュー・年収帯どちらを取ってもコンサルティングファームは高い採用力を発揮しており、経験者や有識者はコンサルティングファームに集まっていく構造になっています。
しかしながら、コンサルティングファームは案件ですぐに活躍できる即戦力を採用している傾向が強く、未経験で内定まで行きつくには難易度が高いです。
そのような概況の中で”子会社・合弁会社”はデータサイエンティストを採用を進めるために未経験でポテンシャル重視の採用戦略を取っています。
このような状況から”子会社・合弁会社”は比較的、未経験での採用を進めているためポテンシャルを示すことができれば採用はされやすいです。

後者については自身のキャリアを広げていくために”⑤子会社・合弁会社”の特性が優位に働くことが理由です。
「各社のメリットは?デメリットは?」でも述べたように”⑤子会社・合弁会社”は①と④の中間的なポジショニングが取れています。そのため、①、④のメリット・デメリットのバランスが取れています。
具体的には、「調整業務に追われることが少なく、データサイエンティストとして必要なスキルを着実に身に付けられること」や「顧客の重要な業務情報を得ながらデータ分析ができる」点などです。
また、未経験の人材を採用することが前提にあるため、入社してからのフォローアップ体制もある程度整備されています。
さらに、子会社・合弁会社では正社員が少ない会社もあり、上位のポジションがやや空き気味という側面もあります。これは成果次第では早期に重要なポジションを任されることを意味します。
このような背景から、未経験からデータサイエンティストとしてキャリアアップができる環境が構造的に出来上がっています。

最後に

本記事では各企業でどのようなデータサイエンティストが求められているのかを解説しました。
もちろん、データサイエンティストに求められる詳細な要件は各社に直接伺ってみることをお勧めします。新卒の方の就職活動や・第二新卒の方の転職活動に少しでもお役に立てれば幸いです。

コメント

タイトルとURLをコピーしました