データサイエンティストとは？資格（プログラミング等のスキル）・年収・将来性を解説！

「プログラミングスキルを活かして転職を考えている」
「データサイエンティストという職業について興味はあるけどよく知らない」
「将来性がある仕事をしたい」

と考えていませんか？

本記事を読めば、データサイエンティストの全体像と具体的な内容を理解することができます。

※2019年3月12日追記：「データサイエンティストになるには」の項目を追記。構成を変更。

この記事は現役エンジニアによって監修済みです。

データサイエンティストとは？

データサイエンティストとはビッグデータを分析し、実務の場で分析結果から導かれた手法を活用することで企業に貢献する職業です。
時には利益を飛躍的に成長させることもあります。

ビッグデータを扱っていれば、さまざまな企業でデータサイエンティストのクライアントとなる可能性がありますが、代表的なクライアントとしてはwebポータルサービス、ソーシャルゲームサービスなどの企業が挙げられます。

企業にとってデータサイエンティストは重要な存在であり、その価値は計り知れません。

データサイエンティストの仕事とは？

データサイエンティストとは数学者やコンピューターサイエンティスト、トレンドスポッターなどの素養をあわせ持つことで10年ほど前に誕生した新しいタイプのデータ分析の専門家です。

企業が保持・収集しているデータには一貫性のないことが多々あります。
それはデータを収集するまでのプロセスに戦略や一貫性がないことに起因します。

結果的に集まったデータは不完全であったり、分類にばらつきがあったりします。

しかし、このようにデータが不完全であったとしてもそこには貴重な情報が隠れていたりします。

データサイエンティストはそんな不完全かつ膨大なデータを統計解析・ITスキルを駆使して、構造化して整理します。

さらに整理したデータに意味を与え、これらのデータを活用して事業戦略の手法を導きだします。

決して簡単な仕事ではありませんが、客観的なデータの観点から事業戦略を考えられる能力は企業にとってとても大きな意味を持ちます。

データサイエンティスト以外のITエンジニアの仕事については、下記の記事で詳しく解説しています。

【エンジニアの仕事内容を知りたい】1から10まで徹底解説

本来のデータサイエンティストは一人で全てを行う

本記事の冒頭で、データサイエンティストは膨大な量のデータを統計学とITスキルを駆使し、データに意味を与え、その上で事業戦略に役立たせるとお伝えしました。

これを3つに分けると、

①データを分析して課題を発見する
②分析したデータに意味を与える
③そのデータから事業戦略を導き出す

つまり、課題発見から課題解決までの一連の流れを一人でこなすことになります。

ただし、データがあるところから始めるか、あるいはデータを集めるところから始めるかは企業によります。

また、データから事業戦略を導い出しても、それを実行するのは上司かもしれません。
しかし一連の流れの重要な部分を担っていることに間違いはありません。

それに①〜③の前後もやることになれば、一人で全てを行っていることになります。

そう考えると起業家に近い部分があるかもしれません。

真のデータサイエンティストはいないと言われる理由とは

データサイエンティストの発端はビッグデータが登場したことに関係します。
ビッグデータによりこれまで解決することのできなかった課題が解決されるようになりました。
この課題解決に繋がるビッグデータを扱っていたのがデータサイエンティストです。

誇大な言い方ですが、逆説的に言うならデータサイエンティストしかビッグデータを扱えませんでした。

それゆえにデータサイエンティストは、21世紀において最もセクシーな職業と言われるまでになりました。

データサイエンティストは一般に、高度な統計解析ツールを使いこなし、大量のデータを収集、加工、分析してビジネスに生かす職種とされる。2009年2月、米グーグル チーフエコノミストのハル・バリアン氏は「今後10年で最もセクシーな職業は統計家だ」と発言。さらに、米ハーバード・ビジネス・レビューの2012年10月号は、データサイエンティストを「21世紀で最もセクシーな職業」と表現した。

引用：IT PRO　データサイエンティストって何なのさ

しかし、一部の方々の間ではデータサイエンティストはいらないとも言われています。

なぜこのように言われるようになったのでしょうか？ここではその理由をご説明します。

データサイエンティストのスキルを持つ人はいない？

「セクシー」として取り上げられたデータサイエンティストは，多くの人が就きたい職業として注目を浴びることになりました。
ビッグデータというキーワードもそれ以前から流行していましたので，企業がデータ分析できる人材を探す時期ともマッチしていました。
ふだんデータに関わることのあるエンジニアやマーケッターだけでなく，さまざまな人たちがデータサイエンティスト職を志望したのです。

しかし，実際の仕事は地道な作業が多く，プログラミング技術も必要です。
これらは，すでにデータ分析を仕事にしている方々からは明確な事実でしたが，志望者の多くは自分のスキルとのギャップに戸惑うことになります。
メディアはデータサイエンティストを注目の職業として取り上げ続けたためバズワード化する一方で，ギャップの激しさを嘲笑して本当のデータサインティストのスキルを持つ人はいない，とまで言われることにもなります。（中略）

技術的な内容に触れていない書籍をたよりにデータサイエンティストを志した方は，残念としか言いようがありません。

引用：データサイエンティスト（本物）は決して幻の職業などではない

21世紀において最もセクシーな職業と言われる裏には、高度なスキルと仕事における地道さが必要ということです。

メディアの誇張と志望者の現実とのギャップが「データサイエンティスのスキルを持つ人はいない」、ひいては「データサイエンティストはいらない」と言われるようになった原因です。

AIがデータサイエンティストの代わりになる？

2016年にバズワードとなったAI（Artificial Intelligence：人工知能）ですが、果たしてAIはデータサイエンティストの代わりになるのでしょうか？

結論を先に述べると将来的には考えられますが、すぐにそうなるとは思えません。

なぜなら、AIは過去のデータを蓄積することで、答えを求められた時にそれまで蓄積してきたデータの中から即座に最適解を導きます。

一方でデータサイエンティストのように分析したデータに対して新たな意味を与えることは過去のデータから導くことはできないからです。

市場を分析し、消費者のニーズを理解し、データからニーズに対応できるように対策を練る。これはまだAIにはできないことです。

ただし、続きがあります。

あなたはシンギュラリティという言葉をご存じでしょうか？

シンギュラリティとは技術的特異点を意味し、具体的には機械が人間を超える瞬間のことと言われています。

シンギュラリティは2045年に起こると言われ、これは2045年問題とも言われています。

シンギュラリティの後では機械の方が人間よりも知能が高いので、それまでは人間が機械を開発していましたが、機械が機械を開発することになります。

現時点においてAIは人間のようにクリエイティブなことを考えられないので、データサイエンティストの代わりにはなれません。

しかし、シンギュラリティの後では人間以上の知能を持つことになるので、その頃にはAIがデータサイエンティストの代わりになっているかもしれません。

データサイエンティストが扱うビッグデータの定義や活用事例について

データサイエンティストはその名前から連想できる通り、データを分析して事業戦略を考える職業です。
ではどのようなデータを、どのように分析し、どのような成果を導き出すのでしょうか？

ビッグデータの定義

狭義のIT用語としては、通常のデータベースでは扱えないほど巨大なデータのこと。
具体的なデータ量がどのくらいなのかは、新しい概念でもあり、定義されていないが、数百テラバイトやペタバイト以上を指すことが多い。

ビッグデータを定義する要素として3Vがあげられる。
ペタバイトやエクサバイト級の巨大なデータ量（Volume）だけではなく、これまでと比較にならない、その発生頻度（Velocity）とデータの多様性（Variety）が揃っていることが従来との違いといわれている。

データの発生元は、フェイスブックやツィッターなどのSNS上で日々大量に発信される情報やスマートフォンのGPS情報などが挙げられる。
今後IPv6が普及し、家電製品を始めとするあらゆる製品にIPアドレスが振られるようになれば、各製品のセンサー情報、監視カメラなどの情報も含め、爆発的なデータが発生する。

これにより、人々の個別の行動パターンをこれまで以上に詳細にリアルタイムに解析することができるようになり、渋滞解消や省エネルギーなど社会的・環境的な課題の解決にも役立てることが可能となる。

引用：ITトレンド　ビッグデータとは

つまり、ビッグデータとはデータ量（Volume）・データの発生頻度（Velocity）・データの多様性（Variety）が同居し、その活用次第でこれまで解決することのできなかった課題を解決するきっかけとなるデータのことです。

ビッグデータの質的側面

ビッグデータはその量よりも、どのようなデータから構成されているか、もしくはそのデータをどのように活用できるかといった質的側面が重要になってきます。
量が多い＝ビッグデータではないということです。

上述のビッグデータの定義でもご説明した通り、その発生頻度（Velocity）とデータの多様性（Variety）をどう扱うかが重要です

また、ビッグデータは一部でAny Data（エニイデータ）とも呼ばれています。

直訳すれば「どんなデータ」ですが、実際には「どんな意味を持つかはデータを扱う者次第」と認識する方が適切です。

ビッグデータの活用事例

さまざまな企業で活用されているビッグデータですが、実際にどういったものに使われているのでしょうか。
事例をもとに見ていきましょう。

スシローはICタグでネタの鮮度と需要を管理

皿にICタグをとりつけ、レーンに流れる寿司の鮮度や売上状況を管理し売上向上

スシローはすべての寿司皿にICタグをとりつけ、レーンに流れる寿司の鮮度や売上状況を管理しています。

どの店で、いつどんな寿司がレーンに流されいつ食べられたのか、どのテーブルでいつどんな商品が注文されたのかなどのデータを毎年10億件以上蓄積することで、需要を予測し、レーンに流すネタや量をコントロールしています。

スシローのケースのように需要を予測することは、ビッグデータの代表的な使い方のひとつと言えます。需要を予測するということは、機会の獲得や無駄コストの削減につながるため、直接的に利益に跳ね返ります。

引用：LISKUL　ビッグデータ活用事例15選| 売上向上・コスト削減方法とは

ICタグの活用によるビッグデータの活用事例です。

40億件にも達する販売ビッグデータを分析し、顧客の食欲を読む需要予測で先読みが可能に。

統計データから曜日や時間帯ごとの傾向値を算出し、そのデータを基に必要である寿司の量を算出し用意することで機会ロスや無駄なコストの削減に繋がるのです。

費用を抑え売り上げを伸ばすシステムの導入に、とても効果的にビッグデータが活用されています。

ホームセンターで顧客単価の高いスポットを特定

従業員の配置を調整して売り上げ15%アップ

ホームセンターの売り上げデータと従業員の行動データや、商品の陳列データを蓄積したところ、顧客単価の高いスポットの特定に成功しました。

そしてそのスポットに従業員を重点配備したところ、売り上げが15%もアップしたという、まさに予測通りの結果となったそうです。

引用：LISKUL　ビッグデータ活用事例15選| 売上向上・コスト削減方法とは

この事例で活用されたビッグデータはホームセンターにおけるヒト（顧客と従業員の行動）とモノ（商品の陳列データ）です。

費用を抑えてはいませんが、現状の改善による売り上げ向上に繋げた事例です。

農業では画像データからタンパク質の含有量を測定

石川県羽咋市：農業で人工衛星の画像データを活用して収益アップ

石川県の中部に位置する羽咋市は、地場の民間企業とともに人工衛星の画像データから米の味の計るシステムを開発しました。

そして画像からタンパク質の含有量を測定することで、一般的に美味いと言われる量のタンパク質を含有した米を安定して収穫できるようになり、低タンパク米をブランド化して販売したところ、収益も増加したとのことです。

引用：LISKUL　ビッグデータ活用事例15選| 売上向上・コスト削減方法とは

アグリテックにおけるビッグデータの活用事例です。

この他にも世界のアグリテック・スタートアップ５選によると、天気や環境、トラック、人などのビッグデータがアグリテックで活用されています。

以上の他にもこちらの記事（今更聞けないビッグデータの基礎と活用事例10選）は業界別に事例が紹介されているので参考になります。

ビッグデータと関連性の高いAIやIoTについて、下記の記事で詳しく解説しています。

IoTとは？仕組み・市場規模のほか、ビッグデータ解析やAI（人工知能）との関係性を徹底解説

データサイエンティストの平均年収と将来性

ここではデータサイエンティストの平均年収と将来性について見ていきましょう。
まずは平均年収について説明します。

データサイエンティストの平均年収

転職サービス「doda」のデータによると、2018年のデータサイエンティストの年収は515万円でした。

会計士や弁護士など高額な給与が与えられている人たちには明確な資格がありますが、データサイエンティストには資格がありません。

そのためデータサイエンティストと名乗ってもその能力がどれくらいなのかが判断しづらいのが現状です。

1,000万円を上回る年収を得ている人もいるのですが、資格がなくても過去の実績や経験からその能力を大手の企業から判断してもらい報酬を受け取っている、またはフリーランスとして企業と直接交渉している場合が多いでしょう。

データサイエンティストの将来性

21世紀において最もセクシーな職業と言われているデータサイエンティストですが、その将来性はいかがでしょうか？

「真のデータサイエンティストはいないと言われる理由とは」で前述したように、これからその市場価値は上がるという意見もあれば、一過性のトレンドで終わるのではないかとも言われています。

しかし現状では引く手あまたであり、募集している企業も増え続けていますので、しばらくは心配ないとも思われます。

データサイエンティストになるには

データサイエンティストには、ビジネススキル・ITスキル・統計解析スキルといった幅広い能力が求められます。
そのようなスキルを身に付けて、データサイエンティストになるにはどのような方法があるのか以下で新卒とキャリアアップの2つの観点から解説しますので参考にしてください。 後ほど必要なスキルと習得方法については解説します。

新卒なら統計学やデータ分析の学習がおすすめ

新卒の方はテキストから学んでも、いざ現場では使えないといった可能性もありますので、座学よりも実際に分析を行うトレーニングをすることが大切です。

ですが、新卒の場合ポテンシャル採用もあります。何かを絶対にやっておかないといけないこともないので、就業先で学ぶ意識があれば十分でしょう。

意欲がある方は、社会人になってから必要になる統計学やデータ分析の基礎知識は学んでおくとよいでしょう。知識がない方よりも有利に就職活動が進められるのでおすすめです。

データサイエンティストへのキャリアアップを図る

ここではキャリアアップを考えている人の代表的なパターンとして「エンジニアから目指す場合」「統計解析のスペシャリストから目指す場合」「ビジネスアナリストから目指す場合」の3つを紹介していきます。

エンジニアから目指す場合

エンジニアから目指す場合は、ビジネス知識を学び、統計学や機械学習の勉強をするとよいでしょう。

システム開発や運用の知識とスキルはありますので、その他のデータサイエンティストに求められるスキルを重点的に補う必要があります。

そして、データサイエンティストはプレゼンテーション能力も必要になりますので、もし経験がなければその練習もしておくとよいでしょう。

統計解析のスペシャリストから目指す場合

統計解析のスペシャリストから目指す場合は、R・Ruby・Python・SQLなどのプログラミングの技術と知識を学び、分析基盤構築ができるようになればデータサイエンティストとして活躍できるでしょう。

それに加え知識の衰えがないように、データマイニングや機械学習などの最新情報や論文は日々チェックするということも忘れずにおいて下さい。

ビジネスアナリストから目指す場合

ビジネスアナリストから目指す場合は、プログラミングや統計解析の基礎知識から幅広く学ばなくてはいけないので、他の2例よりも学習が大変です。

ただ、データの新たな活用による課題解決を目指すデータサイエンティストには、ビジネスへの理解力とコミュニケーション能力も重要なスキル。

ビジネスアナリストやコンサルタントとして働いてきた方はその能力が優れているので、頑張って知識をつけることで大きな強みをもったデータサイエンティストになれるでしょう。

データサイエンティストに必要なスキルとその勉強方法

ここまででデータサイエンティストの価値をご紹介させていただきました。
それではここからデータサイエンティストになるために必要なスキルとその勉強方法をご紹介します。

項目が多いですが、全てを身につける必要はありません。
いずれか1つのスキルを身につけ、それをコアスキルとし、その他は勉強しながら身につけます。

データサイエンティストとしての価値を上げながらであったり、チームで活動を行うことを前提とすれば問題はありません。

データサイエンティストはそれだけ価値のある職業です。

ビジネススキル

まず、データサイエンティストに求められるスキルとしてビジネススキルが挙げられます。

「ビジネスモデルへの理解」と「ロジカルシンキング」が必要とされる職業ですので、この2点について少し掘り下げて見ていきましょう。

ビジネスに対する深い理解

企業のデータを扱うため、その企業のビジネスモデルへの理解は必須です。

世の中のビジネスモデルは実に多様ですから全てを理解する必要はありませんが、少なくともその企業の属する業界とその周辺業界に関する理解は必要です。

勉強方法はあなたが働く企業や業界のビジネスモデルに関する本を読むことをおすすめします。

また、その後は知見を広げる意味でも周辺業界のビジネスモデルを学ぶことも良いでしょう。

ロジカルシンキング

ビジネス上の問題解決や改善を行うわけですから、ロジカルシンキングは重要です。

例えば、あるデータ結果があったとして、それは何が原因でその結果に至ったのかを理解できなければなりません。

そのためにはロジカルシンキングのアプローチである演繹法と帰納法、ロジックツリーやピラミッドストラクチャー、MECEといったものを活用し論理的に結論を導きます。

こちらは勉強というよりかは考え方ですから、日頃からロジカルシンキング脳を意識することをおすすめします。

もちろん書籍もあるので、ロジカルシンキングを聞いたことがない方は書籍から入ることをおすすめします。

こちらの厳選6冊でOK!ロジカルシンキング（論理的思考力）を効率的にトレーニングする方法【！外資就活生必見！】は参考になります。

ITスキル

ITスキルなくしてデータサイエンティストにはなれません。

ここでは必要不可欠である「大規模データ処理に関する知識」「データベースに関する深い知識」「プログラミング技術」について見ていきましょう。

大規模データ処理に関する知識

データサイエンティストが扱うビッグデータはその量が多いため、データの蓄積や操作に特別な技術が必要です。

具体的にはHadoop、HBase、pig等のオープンソース群の知識が必要になってきます。

また、データ量が多いため、高速処理技術として列指向のデータベース等を使用することもあります。

ITを勉強するなら書籍やネット検索を駆使して一人で勉強するのも良いですが、私はセミナーに行くことをおすすめします。

セミナーであれば、講師と直接話ができ、人脈を広げることもできます。
何よりもモチベーションを維持できることが最大の利点です。

こちらの記事（【最強の勉強方法】ITエンジニアの勉強会・セミナー12選）が参考になります。

ビッグデータの処理は今後発展が見込まれる技術領域でもあります。
業界の動向を常に追いかけておくことは重要です。

データベースに関する深い知識

データサイエンティストは膨大なビッグデータを扱うわけですから、データベースをただの入れ物と捉えていてはデータサイエンティストとして失格です。

簡易なSQLでデータを抽出する、WHERE条件で指定されるカラムにはINDEXを貼るなどデータベースのパフォーマンスに関する知識は大切です。

こちらの記事（初心者でもほぼ無料でSQLを勉強できるコンテンツ9選）ではほぼ無料でSQLを学ぶことのできるコンテンツが紹介されています。

参考になるのでぜひご一読ください。

プログラミング技術

データサイエンティストはバッチファイルの作成やBIツールへのデータ挿入などのプログラムを書く機会が頻繁にあります。

とは言っても複雑な処理を行うことは多くありません。

基本的にはデータ整形の処理になるので、RubyやPythonといったスクリプト系のプログラミング言語を1つ習得しておけば問題はありません。

プログラミングのスキルは非常に重要です。
なぜならプログラミングで何ができるかと言うと、何でもできるからです。

例えば膨大なビッグデータを扱うことを容易にできたり、他でご紹介しているスキルをプログラムに落とし込むことができたりします。

さらにプログラミングができる人はIT業界などを除くとまだまだ少ないです。

今の子供たちはプログラミングを学んでいますが、その子供たちが将来成長してあなたの部下になります。

その頃にはどんな業界であってもプログラミングは当たり前のように使われているでしょう。

そのとき部下に指示を出すのはあなたです。
そのあなたがプログラミングを書くことはせずとも、プログラミングを理解していなければ的確な指示を出すことはできないでしょう。

Rubyはコードがシンプルで、言語的な制約も少なく、柔軟性の高いプログラムを書くことができるのでおすすめです。

統計解析スキル

データサイエンティストの特徴でもある統計解析スキル。

「数学」「データ分析手法の理解」「データ分析ソフトウェアのスキル」の3つについて見ていきましょう。

数学

データ分析には必ず数学がついてまわります。
それは数学がデータ分析の共通言語だからです。

そのため、確率・統計、微分積分、行列などの高校卒業程度の数学力は身につけておきましょう。

勉強方法は高校レベルの教科書の復習です。

データ分析手法の理解

データ分析のプロセスにおいて、統計処理や数理モデルを作成することがあります。

そのため、統計処理手法やデータマイニングについて理解しておくことは重要です。

自らが必要とする結論を出すためにどのような分析手法を用いればよいか知っておかなければいけません。

こちらの記事（2013年秋版：データ分析初心者にお薦めする「基礎を本当にゼロから学ぶ」ためのテキスト5冊）は2013年の記事ですが、データ分析の初心者に向けてテキストを紹介しています。

どの書籍も比較的読みやすいものばかりで非常に参考になります。

データ分析ソフトウェアのスキル

データ分析では既にある分析ツールを有効に活用すべきです。
そのためには分析ツールを使いこなせる必要があります。

Excelで行うことのできる回帰分析などもありますが、より専門的なデータ分析を行いたいのであれば、RやSPSSを使える必要があるでしょう。

こちらの記事（初心者でもほぼ無料でR言語を勉強できるコンテンツ10選）ではほぼ無料で統計解析言語とも呼ばれるRを学ぶことのできるコンテンツが紹介されています。

参考になるのでぜひご一読ください。

データサイエンティストに関連した資格

データサイエンティストは2009年頃に登場しました。
新しい職業であるために必要な資格などの明確な決まりはまだありません。

しかし、データサイエンティストを名乗る上で世間から必要と考えられている資格はあります。これらを以下に簡単にまとめます。

統計検定

統計に関する知識や活用力を評価する全国統一試験です。

データに基づいて客観的に判断し、科学的に問題を解決する能力は、仕事や研究をするための21世紀型スキルとして国際社会で広く認められています。

日本統計学会は、中高生・大学生・職業人を対象に、各レベルに応じて体系的に国際通用性のある統計活用能力評価システムを研究開発し、統計検定として資格認定します。

引用：統計検定 Japan Statistical Society Certificate

データサイエンティストを目指す方は大学1・2年生程度の統計力が試される統計検定2級から勉強を始めることをおすすめします。

オラクルマスター（ORACLE MASTER）

オラクルマスターはOracle社が提供するリレーショナルデータベース製品「Oracle Database」に関連した資格です。

オラクルマスターを取得すると、Oracle Databaseを用いたデータベースの構築、管理、保守・運用までを行える技術者として認定されます。

また、Oracleの名からもわかる通りその知名度は非常に高く、海外でも通用します。
そのため多くの企業で評価されやすい人気資格でもあります。

オープンソースデータベース技術者認定資格（OSS-DB技術者認定資格）

特定非営利活動法人エルピーアイジャパン（LPI-Japan）が、オープンソースデータベース（OSS-DB）に関する技術力と知識を、公平かつ厳正に、中立的な立場で認定するIT技術者認定資格です。

引用：LPI-JAPAN OSS-DB

この他にも基本情報技術者試験、応用情報技術者試験、情報処理技術者試験、アクチュアリー資格試験（数学）、Verified Certificate (Machine Learning)などがあります。

データサイエンティストを目指す人におすすめの本

最後に本記事を読んでデータサイエンティストを目指したくなった方のために、データサイエンティスト関連の本を紹介。
その他にもセミナー・求人・イベントについても紹介します。

読んでおきたい本

データサイエンティストを目指すには複数のスキルが必要になると説明しました。

ですので、データサイエンティストを目指すなら読む本は多いに越したことはありません。

はじめは数学（微分積分、線形代数など）、統計学、R言語、機械学習などの比較的優しいものから読み始めることをおすすめします。

明日からつかえるシンプル統計学　～身近な事例でするする身につく最低限の知識とコツ (現場の統計学)

「カスタードケーキがチョコパイに勝つには『味の改良』『販促キャンペーンの強化』どちらが有効か?」そんな身近な問題から楽しくわかる、いちばんやさしい統計学の入門書。すぐ手を動かして実践できるExcel操作の解説つき。

引用：Amazon

データサイエンティスト養成読本 機械学習入門編 (Software Design plus)

ビッグデータ分析をきっかけとして「機械学習」に注目が集まり、ビジネス利用への検討がはじまっています。しかし、実際に「機械学習」を理解しているエンジニアや分析担当者は少なく、うまく活用できていないのが現実です。「機械学習」を利用するにはアルゴリズムの理解、プログラミング技術、ビジネスへの理解など幅広い知識が必要になってきます。そこで本書では、第1部で機械学習のアルゴリズムやビジネスへの応用方法、流行の深層学習などに触れ、第2部ではPythonを用いた機械学習、画像認識、推薦エンジンなど、サンプルコードをもとに手を動かして試すことができます。機械学習分野で先頭を走る著者陣が、面白く、わかりやすい解説でお届けします。

引用：Amazon

Rによるデータサイエンス データ解析の基礎から最新手法まで

R言語によるデータ解析の入門書.データサイエンスブームに先駆けた初版の発行以来,網羅性と実用性の高さから,多くのRユーザーに支持を得てきたロングセラー.Rのバージョンアップへの対応に加え,深層学習やネットワーク分析など,ますます充実するパッケージの解説を加えた第2版.

引用：Amazon

その後、データマイニングや多変量解析、因果推論、ベイズ統計といった分析に関する深い要旨が書かれたものを読むことをおすすめします。

また、詳しくはデータサイエンティストを目指すというかデータ分析を生業にするなら読んでおきたい初級者向け5冊＆中級者向け12冊（2015年冬版）やデータサイエンス、データ分析、機械学習関連の本にデータサイエンティスト向けのさまざまな本が掲載されています。

データサイエンティストを目指す人におすすめのセミナー・イベント

こちらではデータサイを目指す人におすすめのセミナーやイベントをご紹介します。

セミナー

TECHPLAY

セミナーを探すならTECHPLAYがおすすめです。

出典：TECH PLAY

TECHPLAYは最新テクノロジーが集まる勉強会・イベント情報検索サイトです。

commpassやATND、Doorkeeperもイベント情報検索サイトですので、TECHPLAYで自分に合うものが見つからなければこちらでお探しすることをおすすめします。

昨年までDataScientist Society JOURNAL（データサイエンティストとそれを目指す方のための情報サイト）で勉強会が開催されていました。

しかし今年は1月に勉強会が1度あっただけでそれ以降は更新されていないようです。

イベント

データサイエンティスト・ジャパン2019

出典：データサイエンティスト・ジャパン2019

データサイエンティスト・ジャパンをご存じでしょうか？

日経情報ストラテジーが主催するデータサイエンティスト向けのイベントです。

例年3月に開催されているので、今年は既に終了してしまいましたが、受講料無料（事前登録制）で、さまざまな業界の有名企業で活躍されている方々の講演を聞くことができます。

業界のリーディングカンパニーにおけるデータサイエンスの最前線のお話を聞くことができるので、これほど良い機会は他にないでしょう。

2020年1月追記：イベントはすでに終了しています。

データサイエンティストの仕事の探し方

データサイエンティストが仕事を探す際の具体的な方法について紹介します。
求人を探す際は以下の方法を試してみてください。

データサイエンティスト協会がおすすめ

一般社団法人　データサイエンティスト協会ではデータサイエンティスト人材の求人情報が公開されています。

こちらはデータサイエンティスト協会の法人会員によるデータサイエンティストのみの採用情報です。

転職エージェント・転職サイトを利用する

dodaやリクナビNEXTなどよりも採用に至るまでのハードルは高いことが予想されますが、データサイエンティストの仕事は探せます。

ただし、データサイエンティストを目指すのであれば、一般社団法人　データサイエンティスト協会がおすすめ。データサイエンティストとしての自身の価値を確かめることもできるでしょう。

さいごに

データサイエンティストはとてもハードルの高い職業という印象を持った方が多いのではないでしょうか。

しかし、本当の意味でデータサイエンティストと呼べる方はまだ少ないために需要はあります。

何よりハードルが高いということはそれだけ目指す方は少ないので競争率は低く、先に動いた方が有利なことには間違いありません。

まずは楽しく学べるプログラミングから始めてみてはいかがでしょうか。

↑目次へ戻る