新卒からデータサイエンティストになれる？未経験でも目指せる理由

1.データサイエンティストはどんな仕事？

データサイエンティストの仕事は、ビッグデータを分析しデータからビジネスに有用な知見や情報を導き出すことです。統計学の知識やAI・機械学習の技術を活用し、企業の戦略や売上、利益に貢献するためのデータ分析を行います。

ビッグデータとは、ECサイトで蓄積される購入データや、交通カードで蓄積される人の移動データなど、複雑で膨大なデータを指します。

現在、データサイエンティストはIT業界だけではなく、小売業や金融業、製造業など、ビッグデータを扱うさまざま業界で必要とされています。

新卒の就職で即戦力として採用されるというよりも、数年程度経験を積んでから活躍するのが一般的だと考えられます。データサイエンティストには、高度なスキルと幅広い知識が求められるためです。

データアナリストとの違い

データアナリストは、既存データを集計・可視化し、現状分析やレポート作成を主業務とします。一方、データサイエンティストは、統計解析や機械学習を用いて未来予測やモデル構築を行い、より高度な分析を通じてビジネス課題の解決を目指します。
役割の境界は曖昧ですが、前者はデータの分析をメインに行いビジネス活動への示唆を与える職種、後者はデータ分析に合わせてビジネス課題の解決まで推進する力が求められる傾向にあります。

エンジニアとの違い

エンジニアはシステムやアプリケーションの開発・運用を主な職務とし、再現性・保守性の高いコードを書くことが求められます。
一方、データサイエンティストは、データから仮説を立て、分析・検証を通じて意思決定を支援する役割を担います。データパイプラインやモデルを実装する際にはエンジニアリングスキルも必要ですが、目的や視点は大きく異なります。

データサイエンティストの年収・将来性

レバテックキャリアには400万円から1000万円超まで、幅広い年収の求人が掲載されています（2022年12月2日時点）。中には高いスキルと経験で、企業の経営やビジネスに直接役に立つデータ分析を行い、年収約1500万円を超えるデータサイエンティストも存在します。

新卒採用の場合は、年収約300万円〜400万円が一般的といえるでしょう。

また、データサイエンティストは近年ニーズの高い職種になっているため、将来性は高いでしょう。データの分析を行ってビジネスに活用する企業が増えてきているので、データサイエンティストのニーズは今後も増えていくと考えられます。

また、データサイエンティストにはビジネスの課題解決に繋がる結果が求められるため、将来的にはよりビジネスに近い仕事への転身も可能です。

2.新卒でもデータサイエンティストになれる？

新卒でもデータサイエンティストになることは可能ですが、決して簡単な道ではありません。データサイエンティストには、統計学や機械学習、プログラミング、ビジネス理解など幅広いスキルが求められるため、多くの企業では即戦力を期待した中途採用が中心となっています。
そのため、新卒でデータサイエンティストになるためにはある程度即戦力として使えるスキルが必要です。例えば、大学での専門的な研究経験がある場合や、インターンシップ・コンペで実績を積んでいる場合などは、新卒でも高く評価される傾向にあります。自らの強みを明確にし、実践的なアウトプットを示すことが採用の鍵となります。

未経験でもデータサイエンティストになれる？

未経験からでもデータサイエンティストになることは可能ですが、即戦力と見做してもらえるような準備と努力が必要です。多くの企業では、実務経験や高い専門性を重視するため、未経験者はポテンシャル枠やアナリスト職などからキャリアをスタートするのが一般的です。
ただし、独学で統計や機械学習を学び、KaggleやSIGNATEなどのコンペで成果を出したり、ポートフォリオを作成したりすることで、スキルを証明することは可能です。

3.新卒でデータサイエンティストになるのが難しい5つの理由

新卒でデータサイエンティストになるのが難しい理由を紹介します。データサイエンティストは比較的即戦力が求められることは上でも解説した通りですが、どういった点で即戦力が求められるのかみていきましょう。

高度なスキルが求められるから

データサイエンティストには、PythonやRなどのプログラミング言語を用いた分析スキルに加え、統計学・機械学習の知識、そしてそれらを実装・検証するための技術力が求められます。
単なるコードの記述ではなく、膨大なデータを前処理し、適切なアルゴリズムを選択・適用し、妥当性を持った施策として示唆を導き出す力が必要です。大学での基礎的な勉強だけでは対応しきれないことも多く、現場レベルでの高度な分析技術が求められるため、新卒にとってはハードルが高い領域となっています。

ビジネス視点が必要だから

データを分析するだけでは、データサイエンティストとしての価値は発揮できません。
分析結果をどのように事業に活かすか、どのような施策として落とすか、というビジネス成果につながる提案が重要になります。
そのためには、ビジネスの基礎的な理解に加え、業界特有の商習慣や顧客ニーズ、競合環境などの把握が欠かせません。顧客の成果を最大化するためには、データから得た示唆を打ち手にまで落とし込む必要があり、その実現には高いビジネス視点が求められます。

実務経験が求められるケースが多いから

多くの企業が求めるのは、単なる分析スキルではなく、分析結果をもとに具体的な施策や打ち手まで提案できるアウトプットです。
そうなると、施策の実現可能性や費用対効果を見極める必要があり、現実的な制約の中で判断する力が求められます。このような判断力を身につけるには、実際に自社開発やプロジェクト運用を実体験として持っておく必要があります。新卒はどうしても実務経験が不足しているため、即戦力としては見られづらい傾向があります。

求人数が少ないから

データサイエンティストという職種は近年注目を集めていますが、まだまだ企業内での職種定義や役割分担が定着していないのが現状です。そのため、新卒を対象としたデータサイエンティスト職の求人数は非常に限られています。
特に専任として採用される枠は少なく、多くは中途や専門スキルを持つ人材が優先される傾向にあります。

企業ごとに求める人物像が違うから

データサイエンティストと一口に言っても、企業によってその役割や期待値は大きく異なります。たとえば、ある企業ではマーケティングに特化した分析が求められ、別の企業ではAIモデルの実装まで担うケースもあります。また、企業文化やデータ活用の成熟度によって、分析に対する姿勢や成果の出し方にも違いがあります。このように求める人物像が企業ごとにバラバラであるため、新卒が自分の志向やスキルにマッチしたポジションを見つけるのが難しくなっています。

4.新卒でデータサイエンティストになるために求められる素養

データサイエンティストに向いている人について解説します。以下のような人は適性があるといえるでしょう。

数値的な根拠を元に解決策を導き出すこと

客観的な数値やデータから解決策や方向性を導くことが得意な人は、データサイエンティストに向いています。客観的な根拠は万人に対して説得力があり、データサイエンスにおいて非常に重要だからです。

データに関する新しい知識を学習する意欲があること

AI・機械学習などのデータ処理に関連する技術は、進化のスピードが早い領域です。データサイエンティストは日々新しい技術を取得する必要があるため、学習意欲がある人に向いているでしょう。

数値の扱いやプログラミングが得意であること

データサイエンティストはデータの数値と向き合う仕事であるため、数値を扱うのが得意な人に向いています。加えて、AIや機械学習を使って統計や予測を行う際はプログラミングが必要になるので、プログラミングが得意な人にも適性があるでしょう。

周りと円滑にコミュニケーションをとって仕事を進められること

データ分析の結果からクライアントに提案を行うこともあるため、データサイエンティストには対人的なコミュニケーション能力も求められます。クライアントには、専門的な知識を持たない人もいます。技術的な話を分かりやすく伝えるコミュニケーション能力がある人は、現場で重宝されるでしょう。

5.新卒でデータサイエンティストになるのはどんな学生が多い？

レバテックルーキーでは、これまで数多くの方を新卒で支援していく中で、データサイエンティストとして就職された方も多くみてきました。ここでは、新卒でデータサイエンティストになっている方はどんな人なのか紹介していきますので、参考にしてみてください。

データサイエンス・機械学習系の理系大学院生

データサイエンティストでは新卒の採用が理系大学の学生や理系大学院の学生を対象に行われていることが多いです。これは、データサイエンティストで求められるスキルがIT、プログラミング、データサイエンス、数学など多岐にわたるため、大学ですでに学習を終えている学生を採用する方が、より早く企業で活躍してもらえる可能性が高いためです。実際理系学部、理系大学院の方のみを対象とした求人も多くあるため、文系学生よりも理系学部や理系大学院の方が有利になりやすい傾向にあります。

具体例

ある大学院生は、自然言語処理をテーマにした研究で、大量の文章データを使ったBERTのファインチューニングを実施していました。
論文執筆に加えて、実際のテキスト分類問題にモデルを応用し、実務に近い実装経験も持っていました。学外の勉強会やKaggleにも参加しており、分析スキルと向上心の両面をアピールしていました。

インターンシップで実務経験を積んだ学生

実際にデータサイエンティストとしてインターンシップなどに参加し、経験を積んでいる方がデータサイエンティストになっている方が多い傾向にあります。座学や独学でデータサイエンティストの勉強をすることは可能ですが、勉強と実際の現場に出て経験を積むのとでは大きな差があります。実際の現場のデータサイエンティストの泥臭さや大変さを実感していることで、より実務で自分の経験を活かしながら活躍することが可能になります。そのため大学1〜3年生の方はぜひインターンシップに参加し、1年以上インターン経験を積むとより就職活動を有利にすることができます。

具体例

SaaSスタートアップで約1年間、行動ログデータを使ったリテンション分析やユーザー行動分析に関わった学生がいました。SQLやPythonを用いたデータ抽出・加工に加え、Tableauでのダッシュボード構築も担当していました。
マーケやPdMと連携して施策を回した経験が、新卒でも現場が分かる人材として評価され、データサイエンティストとして内定を獲得することになりました。

独学でデータ分析コンペで高い成果を修めている学生

データ分析コンペをおこなっているサイトで高い成果を修めている方が多く内定をとっている傾向にあります。データ分析コンペとは、たとえば以下のようなサイトで開催されているものが該当します。

・Kaggle
・SIGNATE

これらのコンペでは実際の企業がデータ分析に関する課題や依頼を出しており、精度の高い結果を出せた場合はその分自分のアカウントの評価が高まる形になっています。評価に応じてランクなどが分かれており、高いランクを持っている方は就職活動でも高く評価されることがあります。

具体例

文系出身ながらKaggleでTitanicやHouse Pricesのコンペに取り組み、上位10%に入賞した学生がいました。
特に特徴量エンジニアリングの工夫が評価され、GitHubでコードを公開していたことも好印象につながりました。KaggleのDiscussionでも積極的に発信しており、結果としてそれらをポートフォリオとして提供したところ、データサイエンティストとして内定を獲得することができました。

大学の研究でデータ分析・統計に触れていた文系学生

心理学・経済学・社会学など、文系でも統計や実証研究を扱う学問では、データ分析に触れる機会があります。
特にアンケート調査や回帰分析、因果推論などを活用していた学生は、統計リテラシーの基礎が身についていることが多いでしょう。統計やデータ分析の素養さえあれば、プログラミングスキルは後からつけることができますので、ポテンシャル採用されるケースもあります。

具体例

経済学部で最低賃金の地域差と雇用への影響をテーマに回帰分析を用いた研究を行っていた学生がいました。StataとRを併用して因果推論的な設計にも挑戦しており、数理的な考え方ができることが面接でも高評価されました。
統計検定2級も取得しており、文系ながらも分析素養の高さを証明した結果、データサイエンティストとして内定を獲得できました。

ITエンジニア志望から軸ずらしでデータ職にマッチした学生

もともとITエンジニアを志望していた学生が分析やデータ基盤に興味を持ち、選考の過程でデータサイエンティスト職へ方向転換するケースも見られます。
PythonやSQL、データベースなどのスキルがすでにあるため、データ周りの素養が評価されやすく、フィットしやすい傾向にあります。

具体例

情報系の学生で、当初はWebエンジニアを目指していましたが、ハッカソンを通じてデータ活用に興味を持ち、データエンジニア→データサイエンティスト志望へと転換しました。
ポートフォリオではスクレイピングから可視化までを含む分析事例を提示し、コード力と分析力の両面をアピールし、データサイエンティストとして内定を獲得できました。

6.新卒のデータサイエンティスト採用がある企業

続いて、新卒のデータサイエンティストが就職することの多い企業やその企業の特徴について解説していきます。

シンクタンクやリサーチ会社など

コンサルティングファームや総合研究所といった企業が該当します。顧客からデータ分析やデータ活用のコンサルティングを委託されてデータサイエンスを担う専門職としての社員が多く揃っており、データサイエンティストの採用が盛んです。そのため、新卒が入社した後の研修体制や教育体制も豊富であり、様々なキャリアパスも用意されていることから、新卒でデータサイエンティストを目指す方の多くはこのシンクタンク・リサーチ会社を志望することが多いです。

IT系企業

IT系企業ではビッグデータの分析・活用を行うことが当たり前になっています。したがって、データサイエンティストの採用が多く、就職のチャンスもある程度あります。

どちらかというと大手IT系企業が積極的に採用を行っており、SIerがデータサイエンスサービスを提供するためにデータサイエンティストを採用するケースも増えているようです。ただ、データ活用を専門的にしていないIT企業はまだまだデータサイエンティストの人員確保に苦しんでいる企業も多く、教育体制や研修体制やシンクタンク・リサーチ会社ほど整っていないことが多くなっています。そのため、こういった企業に入ってデータサイエンティストになる場合は、まずIT関連の別職種で業務を行い、経験を得たのちデータサイエンティストにジョブチェンジするというパターンが多くなっています。

IT系ではない企業（事業会社）

最近はIT系以外の企業でもビジネスにおけるデータ活用の重要性が認識され、データサイエンティストの需要が高まっています。

たとえば、電機メーカーでは、購買データから顧客のニーズを引き出すデータ活用が進んでいます。ほかにも、大量の取引データを扱う商社などあらゆる業界でデータが活用されている状況です。ただITのインフラも整っていない企業が多く、新卒で育成しつつデータサイエンティストを採用するというよりは、即戦力になる中途社員を採用して活躍してもらうというケースが多くなっています。
そのため、データサイエンティストとして他の企業で就職して経験を積んだのち、こういった企業に就職するというケースが多くなっています。

7.新卒でデータサイエンティストになるために必要な勉強

理系学生の方がデータサイエンティストに有利という話を上でしましたが、とはいえ理系じゃないとなれないというわけではありません。文系学生の方でも、理系学生の方と同じような学習・経験を独学で積めば十分新卒でデータサイエンティストになることが可能です。ここでは、理系学生じゃない方が新卒でデータサイエンティストになるためにしておきたい勉強を解説していきます。

データサイエンスについて学ぶ

まずはIT技術に関する全般の知識をつけつつ、データサイエンスについて学ぶことから始めましょう。データサイエンティストとはどんな職業なのか、どういう仕事なのか、データを見るためには何が必要なのか、といったデータ周りの取り扱い方について学ぶことが第一歩目になります。ここは概要を簡単に掴む程度で構いませんので、Youtubeなどの動画サービスを活用しながら学んでおくと良いでしょう。

機械学習に関する知識もつけておく

データサイエンティストとして精度の高い分析を行うには、機械学習に関する知識も必要です。

機械学習とは、機械が自動的に大量のデータを学習し、データに潜むパターンを発見する技術のこと。機械学習を活用することで、膨大なデータからパターンを読み取り、正確な結果を導けます。精度の高い分析には必須の技術です。

プログラミングの知識／スキル（PythonやRなど）をつける

データサイエンティストとして働く上では、データを収集&分析するためのプログラミング知識が必要になります。無料の学習サイトなども多数あるので、時間をかけてゆっくりと学習していきましょう。
なお、データサイエンティストに求められるプログラミング言語は、PythonとR言語が代表的です。

Python

Pythonは、web開発やデータ分析などで使われることの多いプログラミング言語です。抱えるデータを抽出して分析し、機械学習やディープラーニングを活用できるため、データサイエンティストの多くの方に使われています。また、Pythonはデータを分析した後にデータを可視化したり、グラフで図示したりするところまで行いやすいため、データ分析したものを他人に説明する上でも使いやすいプログラミング言語です。

関連記事：Pythonで何ができるの？実用例&言語習得のために必要なことを解説

R言語 

R言語は統計解析用のプログラミング言語で、データサイエンティストの業務において非常に有用です。他の言語と比べて統計解析・分析に強い言語となっており、主に統計を駆使してデータ分析をしたい場合はR言語がおすすめです。ただし、Pythonに比べると学習難易度は少し高いため、これからプログラミングを始める方は先にPythonから学習するのも良いでしょう。
関連記事：AIで注目を浴びるR言語とは？データサイエンティストを目指す学生必見！

SQL

SQLはデータベースを扱うために利用するプログラミング言語です。SQLのみでデータ分析・解析をすることはできませんが、データベース上に保存されているデータを抽出して加工し、分析しやすい形に整える上で必須になります。そのため、PythonもしくはR言語といっしょにSQLも学習していくことで、データの抽出〜分析まで一貫して行うことができます。

プログラミング学習サイトを活用しよう

プログラミングを勉強する際は、本や授業を受けると言う手もありますが、より実践的な学習をしたい場合はプログラミング学習サイトを使ってみるのも良いでしょう。

・Progate
・ドットインストール

これらの学習サイトは一部無料で受けることのできる講座もあるため、一度無料で講座を受講しつつ、自分に合ったサイトやプログラミング言語を探すと良いでしょう。
おすすめは、学びたい言語の講座を2周以上学習することです。

数理知識をつける

データサイエンティストには数学・統計学などの数理知識も必要になります。高校数学〜大学数学初級レベルの数学知識が必要になるので、学んでいきましょう。

統計学

統計学とは、収集したデータの性質を調べたり、手持ちのデータを分析して未知のデータや未来のデータを推測したりするための学問です。データの理解・分析・予測などに役立ちます。マーケティングや販売など、多くのビジネス分野に適用できるでしょう。

なお、データサイエンティストとして統計を活用するためには、統計検定2級〜準1級レベルの統計知識があると安心です。統計学の勉強をする際は、統計Webというサイトがおすすめです。

数学

データサイエンティストとしてデータを分析するには、数学の知識が不可欠です。特に必要となるのは統計分野の知識で、ほかにも確率や微分積分、行列といった分野の知識が役立ちます。
データサイエンティストとして数学を活用する際は、具体的に以下のような数学の分野の学習が必要になります。
 

• ・微分・積分

• ・ベクトル

• ・行列

• ・線形代数学

• ・確率

• ・最適化理論

主に高校〜大学レベルの数学が必要になるので、高校までしか数学を学んでいない方は、少しずつ学習しておくと良いでしょう。

インターンシップ・データ分析コンペへの参加

勉強を進めつつ、ある程度慣れてきたら上で紹介したデータ分析コンペへの参加やインターンシップへの参加をすることがおすすめです。どれだけ独学で学んだとしても、実務でしか経験できないことは数多くありますし、実務経験は就職活動の際にもアピールすることができます。
まずはデータ分析コンペに参加して慣れていきつつ、少しずつわかってきたタイミングでインターンシップなどに参加すると良いでしょう。なお、インターンシップは短期のものではなく、半年以上の長期インターンシップに参加して経験を積むことが重要です。

8.新卒でデータサイエンティストになるうえで役に立つ資格

新卒で未経験でも、資格があれば知識をアピールすることができる材料になります。下で紹介するような資格を持っている方は、データサイエンティストの選考に際にアピールすることが可能です。
新卒がデータサイエンティストに就職するのに役立つ資格を紹介します。

ITパスポート

「ITパスポート」は情報処理技術者試験の中で最も簡単なレベルの資格で、ITと経営の基礎知識が身についていることを証明します。エンジニア以外の人もITの知識を身につけることが重要との認識が広がったことで、人気資格となっているようです。
これからIT業界について学び始めるという方は、まず最初にITパスポートを受験することで、業界についての基礎的な知識を身に着けられるでしょう。

基本情報技術者試験

「基本情報技術者試験」は、情報基礎理論や開発技術などの基礎知識が身につく資格です。「ITエンジニアの登竜門」といわれており、IT知識の基礎が学べるのが特色。データサイエンティストを目指す方が一番はじめに取得する資格としておすすめです。

「基本情報技術者試験」は国家試験である「情報処理技術者試験」の一区分で、一段階レベルが高い資格には「応用情報技術者試験」があります。

OSS-DB技術者認定試験

「OSS-DB技術者認定試験」は、LPI-Japanが認定するオープンソースデータベース（OSS-DB）に関する知識が身につく資格です。資格のレベルは「Silver」と「Gold」の2つで、取得するとデータベース技術者としてのスキルが認められます。

Python3エンジニア認定基礎試験

「Python3エンジニア認定基礎試験」は一般社団法人Pythonエンジニア育成推進協会が認定する資格です。取得すると、Pythonの基礎スキルがあることを証明できます。

さらに上のレベルに進みたい場合は、「Python3エンジニア認定データ分析試験」の合格を目指すと良いでしょう。

統計検定

「統計検定」は統計の知識や活用力を測る試験で、一般社団法人日本統計学会が実施しています。

検定級は4級から1級まであり、基礎知識を踏まえつつ応用的な諸手法についても問われるのが特色です。資格を取得すれば統計学の理解が深まると同時に、統計活用力も身につけられるでしょう。

ディープラーニング検定（G検定／E資格）

「ディープラーニング検定」は、一般社団法人日本ディープラーニング協会（JDLA）が実施している試験です。「G検定」「E資格」とも呼ばれます。

幅広い知識を身につけたい方向けのG検定では、AIを活用する基礎知識をはじめ、事業に活用できる知識や能力を測定。エンジニア向けのE資格では、AIに関する理解度や、開発の知識や能力を測ります。

一般社団法人日本ディープラーニング協会（JDLA）指定の講座を受講することで、E資格を受験できるようになります。

ORACLE MASTER（オラクルマスター）

「ORACLE MASTER（オラクルマスター）」は、日本オラクル社が提供しているデータベースの管理する知識や技術を評価する資格です。ORACLE MASTERの資格には、ブロンズ・シルバー・ゴールド・プラチナの3ランクがあり、初学者はブロンズから始めます。

オラクル社のデータベースは世界的にも多くシェアされており、採用している企業が少なくありません。そのため、情報処理のベンダー資格ではポピュラーで、データサイエンティストだけではなく、システムエンジニアやプログラマーにも支持されているようです。

データベーススペシャリスト試験

「データベーススペシャリスト試験」は、独立行政法人情報処理推進機構（IPA）が実施する国家試験です。データベースの設計や管理だけではなく、企画や要件定義、開発をするのに必要な知識や技術を問う内容になっています。

合格率は高くなく、データベースに関わる業務経験のない方や初学者が合格することは難しいでしょう。公式サイトには過去の問題が掲載されています。

9.新卒でデータサイエンティストになるための就活戦略

最後に、新卒でデータサイエンティストになるための就活戦略について紹介します。選考時に意識しておきたいポイントについて記載していますので、参考にしてみてください。

新卒採用でデータサイエンティストに求められる力とは？

データサイエンティストになりたい方は、新卒採用時にどういったスキル、能力が求められるのでしょうか。新卒採用時に意識しておきたポイントについて紹介していきますので、参考にしてみてください。

技術スキルだけでなく、総合力が問われる

新卒でデータサイエンティスト職を目指す場合、PythonやR、統計・機械学習などの専門スキルは当然の土台として見られますが、それだけでは不十分です。
チームとの協働やビジネスサイドとのコミュニケーションに必要な論理的思考力、情報整理力、プレゼンテーション力など、技術以外の総合力求められます。

ポテンシャル採用のため伸びしろが評価される

新卒採用では実務経験が少ないことを前提にしているため、現時点の完成度よりも「
伸びしろが重視されます。特にデータサイエンティスト職では、自ら学び続ける姿勢や、新しい技術への好奇心、未知の課題に対して粘り強く向き合える素質が評価されます。たとえば、独学でKaggleに挑戦していたり、失敗を通じて学んだ経験を語れる学生は、成長意欲の高さが伝わりやすくなります。

選考のポイントで見られる4つの要素

続いて、新卒のデータサイエンティストの選考時に見られる要素を紹介していきます。

データサイエンスの基本理解

統計学や機械学習の基礎を理解し、データの前処理・可視化・分析・検証といった一連のプロセスを正しく遂行できる力が必要です。また、理論だけでなくPythonやRを使って実装できる実践力も求められます。基礎があることで、応用的な課題にも柔軟に対応できます。

課題設定・仮説思考力

与えられたデータをただ分析するのではなく、そもそも何が課題かを見極め、適切な分析方針を立てる力が求められます。ビジネス上のゴールに向けて仮説を立て、データでその検証を行う姿勢が重要です。数字の裏にある意味を考える思考力が必要です。

言語化力・アウトプット力

分析結果を関係者に分かりやすく伝える力は不可欠になります。専門用語に頼らず、誰にでも理解できる形で成果を言語化・資料化し、提案まで落とし込む力が求められます。分析の価値は伝えてこそ発揮されるため、プレゼン力や文章力も重要です。

チームでの協働姿勢

データサイエンティストは一人で完結する職種ではありません。ビジネス担当やエンジニアと連携しながら課題を解決していくため、チームでの協働姿勢や柔軟なコミュニケーションが求められます。役割の違う他者と信頼関係を築く力も評価されます。

就活の戦い方

実際に選考を受ける方に向けて、データサイエンティストの就活の戦い方を紹介します。新卒でデータサイエンティストになりたい方は必見です。

やりたい理由を言語化して武器にする

データサイエンティスト職を目指す際には、なぜこの職種を志望するのかを明確に言語化することが重要です。分析が好きという理由だけでなく、どんな社会課題を解決したいか、どの分野でデータを活用したいかなど、自分なりの目的意識を持って語れると説得力が増します。企業側はなぜ他の職種ではなくデータサイエンティストなのかといった点を重視するため、自己分析と職種理解を通じて、納得感あるストーリーを準備しておきましょう。

インターンやコンペで実績づくりをしておく

実務経験やスキルの証明が難しい新卒にとって、インターンシップや分析コンペでの成果は大きな武器になります。長期インターンで実際のデータを扱った経験や、Kaggle・SIGNATEなどで一定の成績を収めた実績は、選考でも高く評価されます。
結果だけでなく、どう考え、どう取り組んだかというプロセスも重要です。自分の分析経験をポートフォリオとして整理し、面接やESで具体的にアピールできる形にしておくと有利です。

面接・GD対策をしておく

データサイエンティスト職でも、面接やグループディスカッション（GD）は一般職と同様に行われます。特に技術面以外の協働性、論理性、課題解決力を見られることが多いため、GDでは他者の意見を整理しながら建設的に議論を進める練習が有効です。
また、面接では志望動機や研究内容、過去の分析経験を問われるため、要点を分かりやすく伝える準備が必要です。事前に模擬面接やフィードバックを受けることで、伝え方の精度を高めましょう。

10.まとめ

社会のあらゆる場面にITが浸透したことに伴い、蓄積されたデータを分析し、ビジネスに役立てることが多くなりました。データサイエンティストが行うデータの分析・予測は、今度ますますビジネスに活用されると予想できます。

新卒からデータサイエンティストを目指すには、統計学や数学、機械学習などの知識があると良いでしょう。就活の前には、インターンやOB・OG訪問を通して会社の情報を集めたり、コンペへの参加で実績づくりを行ったりすることで、選考を有利に進められます。

ITエンジニアを目指す新卒学生向け就活エージェントならレバテックルーキー

レバテックルーキーは、レバテックが運営するITエンジニア専門の就活エージェントです。多数のITエンジニアのキャリア支援経験のあるアドバイザーが、あなたのスキルと希望に合わせた企業の紹介から、人事目線での面接対策など、就職までを一貫してサポートします。ES添削、面接対策、ポートフォリオ作成サポートなども実施していますので、まずは一度カウンセリングにお越しください。

就活アドバイザーに相談してみる