【現役データサイエンティストが徹底解説】データサイエンティストの将来性

Uncategorized

データサイエンティストへの転職を検討しているが、AIに代替されるという意見もあり、将来性に不安を感じる方も多いのではないでしょうか?

実はデータサイエンティストはAIに代替されにくく、今後も需要が高まる将来性が明るい職業です。

私は現役のデータサイエンティストであり、長年データサイエンス業界に身をおいています。

自社では様々な業界の方と会話したり、データサイエンティストの採用活動も行っていますが、ここ数年でさらにデータサイエンティストの需要が高まっていることを感じています。

この記事では、市場の調査結果を基にした客観的なデータサイエンティストの将来性を解説します。

さらに、筆者自身の経験も含めて、主観的なデータサイエンティストの将来性・将来的なキャリアプランについても解説していきます。

この記事を読むと、データサイエンティストがいかに将来性がある職業か実感することができます。

また、データサイエンティストの将来的なキャリアプランについても理解を深めることができるため、転職時の志望動機の作成に役立つ内容となっています。

結論は下記になります。

  • データサイエンス業界は今後どうなる?
    拡大が予想されている市場!
  • データサイエンティストの需要は?
    データサイエンティスト不足が予測!需要は増加!
  • データサイエンティストの年収は?
    ITエンジニアと比べて、100~200万円高い!
  • データサイエンティストはAIに代替される?
    されない!柔軟性が求められるためAIでは代替できない!
  • データサイエンティストが活躍できる業界は?
    ほぼすべての業界!データがあればどこでも活躍できる!
  • データサイエンティストのキャリアプランは?
    幅広い!自身の強みを活かしてキャリア形成できる!

では、本題に移ります。

データサイエンス業界は今後の拡大市場

データサイエンス業界はここ数年であらわれた業界であり、まだ認知が低い業界ですが、データサイエンス業界は今後も拡大を続ける有望市場です。

近年の急速なデジタル化によって、各企業に集められた「データ」を有効活用することが重要と考えられています。

株式会社グローバルインフォメーションの市場調査レポートによると、データサイエンスプラットフォームの市場規模について下記のような予測をしています。

これによると、データサイエンスプラットフォームの市場規模は2021年の953億米ドルから年平均で27.7%で成長していくと予測されています。

2026年には3,229億米ドルに達し、2021年から約3.5倍もの市場規模になる予測です。

この予測はデータサイエンスプラットフォームに限定した数値となっています。
つまり、プラットフォーム上で行われるデータサイエンスビジネス全体ではこれ以上の市場規模が見込まれるということです。

データサイエンティストはさらに需要が高まる職業

データサイエンス業界が将来的に大きくなっていくことから、データサイエンティストは今後ますます必要とされる職業です。

これは、政府がデータサイエンティストを育成するための政策から読み取れます。

データサイエンティストを育成する政策

内閣府・経済産業省も今後の経済成長戦略として、データサイエンティストの重要性を主張しています。

内閣府は今後の日本の成長戦略として、AIを位置づけていて、定期的に「AI戦略」を公開しています。
ここでは、「実現すべき社会」に向けてAIの活用が必要と主張されています。

特に「戦略目標1:人材」では、「人口比において最もAI時代に対応した人材を育成・吸引する国」となることが掲げられており、AI人材(=データサイエンティスト)が今後必要になることを主張しています。

AI人材を育成する仕組みも政府が整備しています。

下記は経済産業省・厚生労働省が公開している「第四次産業革命スキル取得講座」の補助金制度です。

これは端的にいうと、「AI、IoT、クラウド、データサイエンス」などの先進スキルを取得する教育制度に対して、政府から最大70%の補助金が支給される制度です。

政府が教育費用を負担してまでも、データサイエンティストを増やしていきたいという思惑が見えています。

このように、データサイエンティストは政府が育成を推進しており、今後さらなる需要が期待される職業です。

【経験談】データサイエンティストの募集が急増

政府が教育制度を整備して以降、データサイエンスを学べるオンラインスクールの整備が進んでいます

データサイエンスがより身近になったことから、データサイエンス業界の盛り上がりをより感じています。

私は自社で採用活動も行っていますが、応募の数は増加傾向です。3年前と比較して、約3~4倍ほどの応募数となっています。

さらに、データサイエンスに知見がある応募者も増えてきており、データサイエンス業界の盛り上がりを感じています

データサイエンティストは年収が高い職業

データサイエンティストの年収は高いです

下記は各社が公開しているデータサイエンティストの年収平均です。

転職サイトdodaの調査によると日本の平均年収は403万円であることから、データサイエンティストの年収が高いことがわかります。

ITエンジニアと比較しても、100~200万円ほど上回っている傾向です。

公開会社ITエンジニアの平均年収データサイエンティストの平均年収
求人ボックス493万円 (参考URL)696万円 (参考URL)
コエテコ542万円 (参考URL)650万円 (参考URL)
レバテック598万円 (参考URL)791万円 (参考URL)
侍エンジニア448万円 (参考URL)695万円 (参考URL)
ITエンジニアとデータサイエンスの年収比較

年収が高い理由は下記の2つです。

  • データサイエンティストが市場全体で不足している
  • データサイエンティストに求められるスキルが幅広く、難易度が高い

データサイエンティストになるのが難しい一方で、データサイエンティストが不足しているため価値が高まっている背景があります。

データサイエンティストが市場全体で不足している

データサイエンティスト協会が2019年に行った調査結果によると、データサイエンティストが1人以上いる企業は29%に留まっています

データサイエンティストの採用に関するアンケート調査結果

さらに、下記は2019年に経済産業省が公開した調査結果です。

IT 人材需給に関する調査

この調査によると、AI人材(=データサイエンティスト)は2025年時点で約9万人、2030年には約14万人が不足すると述べてられています。

このようにデータサイエンティストは不足であることがわかり、今後も不足が予測されています。

データサイエンティストに求められるスキルが幅広く、難易度が高い

データサイエンティストには大きく分けて「ビジネス力」「サイエンス力」「エンジニアリング力」3つのスキルが求められます

データサイエンティスト協会が定める「スキルチェックリスト ver.4」を見ると各スキルのチェック項目数は下記です。

データサイエンティストに求められるスキル

データサイエンティストに求められるスキルは全部で572項目定義されています。

データサイエンティストに求められるスキルが幅広く、データサイエンティストになる難易度が高いことがわかります。

最近ではこれらのスキルを身に付けるためのスクールが整備されており、スキルを身に付けられる環境ができています

【経験談】筆者の年収も年々増加していて、うれしい

実体験としても、私の年収もここ3年で約2倍に上昇しました。

筆者はデータ分析を生業とする企業に勤めております。自社でも前述した通り、人材の確保に悩まされています

人材確保が激化いる背景があり、データサイエンティストの退職防止策・採用の競争力強化を目的として、給与が年々上昇しています。

その結果、自身の昇格と合わさって年収は3年で約2倍になりました。

このような自身の体験談においてもデータサイエンティストの価値は高まっていることを感じています

データサイエンティストはAIに代替されにくい職業

データサイエンティストは今後AIに代替されていく職業であると言われることがあります。

データサイエンティストは柔軟性が求められる職業であり、AIに代替される可能性は低いです。

AIに代替されにくい職業は非定型業務が多い職業

下記は、リクルートワークス研究所が行った『全国就業実態パネル調査2020』です。

AIに代替されやすい職と代替されにくい職

この調査ではAIに仕事を代替される職業・されない職業を調査した結果になります。

ここでは、AIに代替されにくい仕事として「非定型業務が多いこと」があげられています。

データサイエンティストはビジネス課題をデータで解決する仕事です。
ビジネス課題は多種多様であり、課題に応じて柔軟に解決策を考える必要があります。

そのため、データサイエンティストは非定型業務が多く、柔軟性が求められる職業のため、AIに代替されにくい職業です。

【経験談】ビジネスの意思決定はデータ分析の結果だけではなされない

データサイエンティストはビジネス課題をデータで解決する職業ですが、データ分析の結果だけでビジネスの意思決定がなされることはありません

ビジネス課題は様々な要因が複合的に絡み合っていることが多く、単純なものではありません。

組織上の課題・システム上の課題・予算上の課題など様々な「事情」があります。

データ分析から導出された「あるべき結果」だけで判断できることは少ないです。

データ分析の結果を基にあらゆる「事情」も考えながら、解決策を見出していくことは人間にしかできません。

このように複雑なビジネス課題に対して、データで解決策を見出していくことがデータサイエンティストの最大の価値であり、AIが到達できない領域であることは間違いありません。
 

【経験談】AIを作るのはデータサイエンティストの役目

AIに仕事が代替されるという話がよく聞かれますが、AIを作ることもデータサイエンティストの仕事です。

AIが存在する以上、AIを作るデータサイエンティストは存在します。
データサイエンティストはデータの活用を考え、データを基にAIを設計・開発する職業でもあります。

AIの活用する上でも様々な「事情」を考慮する必要があります。
取得できるデータの種類システム環境・予算など様々な「事情」を考えた上で、AIを設計しなければなりません。

効率的なAI活用には柔軟な設計が必要であり、「事情」を考慮した上でAIの設計を行うことがデータサイエンティストの価値であり、AIが到達できない領域です。

今後のビジネス環境では、AIをいかに活用できるかが鍵になってくるため、AIを設計するデータサイエンティストはさらに必要になってくるでしょう。

データサイエンティストは様々な業界で活躍できる職業

データサイエンティストは様々な業界で活躍できる職業です。

データサイエンティストは「データ」に専門性を持つ職業です。
そのため、「データ」が存在する世界では例外なく、データサイエンティストは活躍することができます

昨今のIT技術の進歩により、「データ」が容易に蓄積できる環境が整い、ほぼすべての業界で「データ」が蓄積されています。

すべての業界に「データ」が存在する以上、データサイエンティストはすべての業界でも活躍ができる職業であると言えます。

転職サイトの求人情報を見ると、データサイエンティストは様々な業界からの求められていることがわかります。

2021年1月現在では、「ヘルスケア」「EC」「広告」「アパレル」「電力」「金融」「Web」「IT」など、多様な業界でデータサイエンティストを募集している。

https://en-ambi.com/featured/81/

【経験談】データ分析はあらゆる業界で広がりを見せている

実体験でも様々な領域でデータ分析が広がっていることを感じます。
いままで筆者が経験した分析プロジェクトの事例紹介です。

マーケティング業界(顧客の解約防止)

マーケティング業界では効率的な施策の実施にデータ分析が活用されています。
筆者が担当した分析はサービスの解約防止プロジェクトです。

担当したプロジェクトでは、サービスの解約が多いことがビジネス課題になっていました。

そこで、解約しそうな顧客に対して、商品のクーポン券を配布してサービスの再利用を促すことで離反防止する施策を検討していました。

解約しそうな顧客を特定するために、過去に解約した顧客の傾向を機械学習することで、解約しそうな顧客を特定しました。

クーポン配布を解約しそうな顧客に限定することで費用を最小限に抑えて、解約を防止することができました

マーケティング業界では費用に対する効果を最大するために、データサイエンスを活用することが一般的になってきています。

EC業界(レコメンドシステム構築)

EC業界では膨大なデータが収集されます。商品の閲覧履歴・顧客の購買履歴など様々なデータが取得できます。

膨大なデータを有効に活用して、オススメ機能を提供する「レコメンドシステム構築プロジェクト」を紹介します。

「レコメンドシステム」とは過去のデータを基にして、商品同士の相性を計測して、顧客にオススメを実施するシステムです。

昨今の時代ではレコメンドシステムが一般的になっており、他サービスとの差別化のために高いレコメンド性能を要求される厳しいプロジェクトでした。

何度も「改善→精度検証」を繰り返し、レコメンド性能の精度向上させ続けてようやく納品に至りました。

実際に体験をしてみて、他サービスのレコメンドシステムの性能の高さを実感し、市場全体のデータサイエンスのレベルの高さを感じたプロジェクトになりました。

不動産業界(地価の予測)

一見、関連性が薄いような不動産業界でもデータサイエンスの活用が進んでいます
筆者が関わったプロジェクトでは、地価の将来予測を行うプロジェクトでした。

地価は様々な条件によって決定されます。立地・地盤・商業施設の有無など多くの要因が関連します。

担当したプロジェクトでは、「地域人口」に注目して地価の予測を行いました。
土地は一定であるため「地域人口」が増える地域は需要が上がるため、必然的に地価が向上します。

そのため、「地域人口」の将来を予測することで「地価」の将来性を予測することができます。

このプロジェクトでは、スマホから取得できる位置情報データを用いて、機械学習により将来的な「地域人口」を予測するシステムを構築して「地価」の予測を行いました。

結果的に試験的な技術検証に終わってしまいましたが、今後のデータサイエンスの伸びしろを大きく感じるプロジェクトでした。

データサイエンティストのキャリアプランは幅広く将来有望

データサイエンティストには幅広いキャリアプランがあり、将来性が見込まれる職業です。

さらに、データサイエンティストは自身の強みを活かしたキャリア形成ができます。

様々なデータサイエンティストが求められている

2019年にデータサイエンティスト協会が実施した調査結果によると、様々なタイプのデータサイエンティストが求められていることがわかります。

今後3年間で増員したいデータサイエンティストのタイプ別内訳

調査結果によると、「①マーケタータイプ(ビジネス型)」「➁アナリストタイプ(サイエンス型)」「➂エンジニアタイプ(エンジニアリング型)」がそれぞれ一定の割合で求められていることがわかります。

各企業の事業特性や人員構成になどにより、様々なタイプのデータサイエンティストが求められているということです。

【経験談】データサイエンティストのキャリアは幅広い

データサイエンティストの役割は様々です。
「ビジネス」に強みを持つ人、「サイエンス」に強みを持つ人、「エンジニアリング」に強みを持つ人それぞれに活躍の場があります。

自社では分析プロジェクトの特性やフェーズによって、適材適所でそれぞれのタイプのデータサイエンティストを配置します。

ビジネスの課題整理をするフェーズであれば「ビジネス型」のデータサイエンティストを多く配置します。
高度な分析スキルが求められるプロジェクトであれば「サイエンス型」のデータサイエンティストを配置します。
システム知識が深く必要なプロジェクトであれば「エンジニアリング型」のデータサイエンティストを配置します。

大規模なプロジェクトになるとすべてのタイプのデータサイエンティストを配置して、それぞれの強みを活かしてプロジェクトを推進します。

タイプ毎にそれぞれキャリアプランがあり、自身の強みを活かしながら将来的なキャリアを形成することができます

自社ではデータサイエンティストを「ビジネス型」「サイエンス型」「エンジニアリング型」に細分化した人事制度を取っており、各人材をそれぞれ評価できる仕組みを整備して会社運営を行っています。

【まとめ】データサイエンティストは将来性抜群の職業

データサイエンティストはあらゆる観点から見て、将来性抜群の職業です。

下記、本記事のまとめです。

  • データサイエンス業界は今後どうなる?
    拡大が予想されている市場!
  • データサイエンティストの需要は?
    データサイエンティスト不足が予測!需要は増加!
  • データサイエンティストの年収は?
    ITエンジニアと比べて、100~200万円高い!
  • データサイエンティストはAIに代替される?
    されない!柔軟性が求められるためAIでは代替できない!
  • データサイエンティストが活躍できる業界は?
    ほぼすべての業界!データがあればどこでも活躍できる!
  • データサイエンティストのキャリアプランは?
    幅広い!自身の強みを活かしてキャリア形成できる!

今回は以上になります。

コメント

タイトルとURLをコピーしました