データサイエンティスト未経験、実務経験必須求人の壁を越える道

「PythonもSQLも独学で一通りやったのに、書類選考にすら呼ばれない」。データサイエンティストへの転職を考えている方から、こういう相談を受けることが増えています。

私はIT・Web業界を中心に800名以上の転職支援に携わっていますが、この職種は求人票を開くたびに「実務経験3年以上」「Kaggle等での分析経験必須」といった条件が並び、未経験者にとっての書類選考の壁が他のIT職種よりも明らかに高いという実感があります。今回は、その壁がどれくらいの厚さなのかを一次データで示したうえで、書類選考で落ちる本当の理由と、遠回りに見えて実は近道になりやすいルートを、実例を交えてお伝えします。

目次

1. データサイエンティスト未経験、実務経験必須求人ばかりの理由
2. SQL・Python独学だけでは書類選考を通らない理由
3. なぜ企業は未経験を敬遠するのか、スキル要求の高度化
4. データアナリストとの違いを整理し、経由ルートを考える
5. データアナリスト経由でデータサイエンティストに辿り着くまで
6. 資格・学歴・年収から見る未経験転向のリアル
7. 未経験でも年収556万円は狙えるか
8. よくある質問
9. まとめ

データサイエンティスト未経験、実務経験必須求人ばかりの理由

まず数字で確認しておきます。求人サイトdodaでデータサイエンティスト職の求人を検索すると、2026年9月9日時点で全求人2,352件のうち、「職種未経験歓迎」で絞り込めるものは101件しかありませんでした。比率にして約4.3%です（doda「データサイエンティスト」求人一覧（未経験歓迎で絞り込み））。

これは同じIT系職種の中でもかなり低い水準です。エンジニア職全般で見れば未経験可求人が1〜2割程度は見つかる肌感覚に対し、データサイエンティストは20社に1社もない計算になります。求人倍率という言葉で語られがちですが、実態は「倍率が高い」以前に、そもそも門戸そのものが狭いという方が正確です。

理由は職務の性質にあります。SEやプログラマーであれば、簡単な保守案件や検証業務から少しずつ実務に慣らしていく育成ルートを組みやすい一方、データサイエンティストの仕事は最初からビジネス課題を分析設計に落とし込む判断が求められます。小さく切り出して未経験者に任せる、という育成の余地自体が作りにくい職種なのです。

さらに、多くの企業でデータサイエンティストは1〜数名程度の小規模チームで動いています。教育担当を専任で置く余裕がない組織が大半で、「育てながら採用する」という発想自体が経営判断として成立しにくいことも、未経験可求人が増えない一因だと私は見ています。

では101件の未経験可求人にはどんな傾向があるのか。私が実際に紹介する求人の中身を見る限り、SIerや広告代理店の分析部門が新卒・第二新卒を対象に自前で育成プログラムを組んでいるケースと、社内に統計解析の下地がある研究職・品質管理職の社内異動枠がほとんどです。求職者が外部から中途応募で拾える椅子は、この101件のうちさらに一部に絞られます。

肩書きにも注意が必要です。101件の中には「データサイエンティスト見習い」「データ分析アシスタント」のように、実質は集計・レポーティング業務からスタートする補助的なポジションが一定数含まれています。求人票の職種名だけで「データサイエンティストの未経験求人が見つかった」と早合点すると、入社後に想定していた業務と食い違うことがあるため、業務内容の記載まで必ず確認する必要があります。

SQL・Python独学だけでは書類選考を通らない理由

とはいえ、独学のスキルが無意味というわけではありません。問題は、学習の成果をどう職務経歴書に落とし込むかにあります。

29歳・経験6年のAさんは、ECサイトを運営する事業会社のマーケティング部門で、広告運用の効果測定とSQLでの日次集計を担当していました。データサイエンティストへの転身を目指して独学でPython・機械学習・統計検定2級を取得し、Kaggleにも参加していました。相談に来たとき、Aさんはスマホの画面を見せながら、応募した15社すべてから届いた不合格メールを画面いっぱいにスクロールして見せてくれました。書類通過はゼロでした。

職務経歴書を見せてもらうと、原因はすぐに分かりました。「Python(独学6ヶ月)」「統計検定2級取得」「Kaggleコンペ参加、上位12%」と、学習の実績が箇条書きで並んでいるだけで、本業のマーケティング業務でどんな分析をして、どんな意思決定に繋げたのかがほとんど書かれていなかったのです。

話を聞くと、Aさんは実際には広告媒体ごとのCPA悪化要因を仮説立てて検証し、配信予算の再配分を上司に提案していました。月間の広告費は数百万円規模で、Aさんの提案がそのまま予算配分に反映された実績もあります。ところが職務経歴書にはこの経緯が一切書かれておらず、「広告運用効果測定業務」という一行で片づけられていました。実務の中身と職務経歴書の記述が、まるで別人のものだったのです。

書類選考の担当者が見ているのは「独学でどれだけ勉強したか」ではなく、実務でビジネス課題を分析に翻訳できるかという一点です。Kaggleの順位や資格は、その証明としては弱すぎます。実務経験がないことよりも、手元にある実務(広告運用の効果測定)を分析実務として語り直せていないことの方が、書類選考が通らない直接の原因になっているケースを何度も見てきました。

実際にAさんの職務経歴書に赤入れした際は、「広告運用効果測定業務」という一行を、「媒体別CPAの悪化要因を仮説立てて検証し、予算再配分を提案(月間予算数百万円規模、提案の8割が採用)」という一文に書き直しました。使った言葉は前職の実務そのままで、新しい技術や実績を足したわけではありません。すでに持っている実務を、分析の言葉に翻訳しただけで、書類の印象は大きく変わります。

面接まで進んだケースでも、この壁は形を変えて現れます。面接官が聞きたいのは「モデルの精度をどう上げたか」ではなく、「なぜその分析手法を選んだのか」「その結果を受けて次にどんな行動を取ったのか」という意思決定の連鎖です。独学の学習範囲だけを語る人ほど、この問いに詰まる場面を、面接に同席していて何度も見てきました。

ポイント： 独学の学習実績を並べるだけの職務経歴書は、「勉強はしたが実務での判断はまだ見えない人」という印象を与えやすくなります。本業の中にある分析要素を先に洗い出し、そこに独学スキルを補完材料として添える順番に組み替えることが、書類選考突破の第一歩です。

なぜ企業は未経験を敬遠するのか、スキル要求の高度化

企業側が未経験を避ける理由は、求められるスキルセットが年々広く、そして専門的になっていることとも無関係ではありません。

データサイエンティスト協会は2025年11月25日、「データサイエンティスト スキルチェックリストver.6」を発表しました。項目数は従来の650項目から845項目へと大幅に拡充され、単なる分析技術だけでなく「価値創造力」「基盤スキル」といった軸で再定義されています（データサイエンティスト協会「2025年度版データサイエンティスト スキルチェックリストver.6」発表）。

この改定が示しているのは、業界団体が公式に定義する「一人前」のハードルそのものが上がり続けているという事実です。企業の採用担当者からすれば、未経験者を採用してこのスキルセットまで育てるコストは決して小さくなく、即戦力採用に寄せる判断が合理的に見えてしまう。未経験可求人が増えない背景には、育成の手間を惜しんでいるというより、要求水準の絶対値が上がり続けているという構造があると、求人票を見続けてきた立場からは感じています。

実際、求人票の「歓迎スキル」欄を数年単位で追っていると、以前は「統計の基礎知識」程度だった記載が、今では「因果推論の実務適用経験」「MLOpsの構築経験」といった具体的な技術名に置き換わっている求人が目立ちます。企業側の期待値が上がるほど、未経験者が独学だけで追いつける距離は相対的に遠くなっていきます。求人票の文言の変化を数年単位で追うだけでも、その傾向ははっきり見えてきます。

もう一つ、企業側の採用担当者と話していてよく聞くのが「モデルの判断根拠を事業側や監査部門に説明できる人でないと任せられない」という声です。分析結果が経営判断や顧客対応に直結する場面が増えたことで、モデルを作れることよりも、その判断プロセスを非専門家に説明し、誤りがあったときに責任を持って修正できることの比重が上がっています。この説明責任の重さが、未経験者への門戸をさらに狭めています。

データアナリストとの違いを整理し、経由ルートを考える

ここで整理しておきたいのが、データサイエンティストとデータアナリストの違いです。求人票だけを見ると業務範囲が重なって見えるため、混同している方が少なくありません。

求人票の文言だけでこの2つを見分けるのは実際には難しく、「データアナリスト」の名前で募集していても中身がデータ基盤の保守寄りだった、という食い違いも起きます。求人票の言葉から職務範囲を読み解くチェックリストは別記事のデータエンジニアとデータアナリスト、求人票の違いの見分け方で詳しく扱っているので、職種の定義から確認したい方はそちらもあわせて読んでみてください。

本記事で伝えたいのは、その先の話です。データアナリストは相対的に未経験可求人が見つけやすく、かつ実務で「データから意思決定を支援した経験」を積める点で、データサイエンティストへの実質的な助走路になります。遠回りに見えて、実は最短ルートに近いというのが私の見立てです。

企業の採用担当者に話を聞くと、データアナリストのポジションを意図的に「育成前提の入口」として設計している会社も一定数あります。集計・可視化業務を任せながら適性を見極め、本人の希望とチームの余力が合えばモデル構築の案件に少しずつ寄せていく。求人票には表れない社内的なキャリアパスとして、この仕組みを持つ企業を選べるかどうかが、経由ルートの成否を左右します。

データアナリスト経由でデータサイエンティストに辿り着くまで

Aさんのケースに戻ります。職務経歴書を「学習実績の列挙」から「マーケティング業務での分析実務」を主役にした構成に書き直し、あわせて応募先をデータサイエンティスト一本ではなく、データアナリスト求人にも広げました。

結果、データアナリスト求人3社に応募して2社が書類通過、1社から内定を得ました。年収は現職より48万円増です。入社後は既存指標の集計・レポーティングが中心でしたが、1年ほど経った頃にLTV予測のモデル構築案件を任され、肩書きも「データアナリスト」から分析開発寄りのポジションへと変わりました。

Aさんが1年の間に意識して積み重ねたのは、与えられた集計業務をこなすだけでなく、そこから見えた課題を自分から上司に提案する動きでした。定例レポートに「この指標が悪化した理由」を一段掘り下げた考察を添えて提出し続けたことで、モデル構築の相談が声としてかかるようになったと本人は振り返っています。集計担当のまま留まるか、分析設計へ踏み出せるかの分岐点は、任された業務の外側にどれだけ自分から踏み出せるかで決まります。

Aさんに限らず、私が支援した中でこのルートを選んだ方の多くが、1社目のデータアナリスト求人では年収がほぼ横ばいか、良くて数十万円増程度でスタートしています。そこから焦らずに実務の幅を広げ、2社目・3社目の転職や社内異動のタイミングでデータサイエンティストの肩書きと年収の両方を取りに行く、という2段階の設計を組んでいるケースが目立ちます。1回の転職で全てを解決しようとしないことが、結果的に遠回りを防ぐコツだと感じています。

この2段階の設計を意識して動いた方は、データアナリストとして実務で意思決定に絡む分析経験を1〜2年積んでから、社内異動または転職でデータサイエンティスト職に移るケースが最も現実的で、移行にかかる期間はおおむね2〜3年というのが実感値です。独学だけで正面から突破しようとするより、実務経験という後ろ盾を先に作ってしまう方が、結果的に早く辿り着くことが多いのです。

資格・学歴・年収から見る未経験転向のリアル

ここからは、未経験からの転向でよく聞かれる周辺の疑問に答えていきます。

統計検定やG検定は、持っていて損はしませんが、それ単体で書類選考を突破できるほどの武器にはなりません。むしろ効果があるのは、面接で「なぜその資格を取ろうと思ったか」を実務上の課題意識と結びつけて語れたときで、資格そのものより語り方の方が評価を左右します。統計検定なら2級より準1級以上、G検定より実装力を問うE資格の方が、書類選考時点での印象は強くなりますが、いずれも実務経験の代わりにはなりません。

文系出身かどうかも、私の支援経験ではほとんど問題になりません。データサイエンティスト協会のスキルチェックリストでも「ビジネス力」は独立した柱として扱われており、統計・機械学習の技術力だけが評価軸ではないことが公式にも示されています。私が支援した文系出身の候補者にも、前職の経理や営業企画で培った数字の読み方をそのまま強みとして書類に反映し、通過につなげた例が複数あります。

大学院卒であることは必須条件ではありませんが、研究職に近いポジションや、モデルの理論的な妥当性を厳しく問われる求人では、修士以上が事実上の足切りラインになっている場合があります。データサイエンス専攻の大学院を出ていなくても、統計学や情報系の研究で学位を取っていれば同程度に評価される求人が多く、学部名より研究内容の中身を見られることの方が多いと感じています。逆に大学院で研究職に近い経験を積んだ方が実務転向でつまずくケースもあり、その壁の中身は本記事とは別の論点になるため、研究職からMLエンジニアへの転身で実際にあった書類選考の壁で詳しく扱っています。

「データサイエンティストはやめとけ」という声の多くは、この記事で扱ってきた実務経験の壁そのものを指していることが多く、壁の正体さえ分かれば回避のしようがある、というのが私の考えです。

未経験でも年収556万円は狙えるか

年収面も見ておきます。dodaの調査によると、2024年のデータサイエンティストの平均年収は556万円で、ITエンジニア全体の462万円、全職種平均の426万円を大きく上回ります。2020年から2024年にかけての推移を見ても年々右肩上がりで、専門人材としての評価は上がり続けている職種です。一方で年収帯別に見ると400万円台が24.4%と最も多く、未経験からの入り口では平均より低い水準からのスタートになることが実態です（doda「データサイエンティストとは？仕事内容や平均年収、必要スキルなどを分かりやすく解説」）。

つまり、未経験入社の初年度に平均年収556万円をいきなり狙うのは非現実的で、まずは400万円台からのスタートを前提に、実務経験を積みながら数年かけて平均値に近づけていく設計が現実的です。私が実際に紹介してきたデータアナリスト求人の年収レンジは、未経験〜第二新卒の枠でおおむね380万円〜480万円程度に集中しており、経由ルートを選んだ場合の初年度の目安として参考にしてもらえればと思います。

データアナリストを経由して実務での意思決定経験を積んでから改めてデータサイエンティスト求人に応募する方が、いきなり未経験で挑むよりも結果的に早く年収の伸びしろに手が届くというのが、これまで見てきたケースからの結論です。

よくある質問

Webエンジニアや事務職からでも目指せますか。 目指せます。むしろ事務職や営業企画のように日常的に数字を扱う職種の方が、実務での分析経験を語る材料を持っている場合が多く、Webエンジニアであればデータ基盤側の実装力を武器にできます。重要なのは前職の経験の中から分析要素を掘り起こせるかどうかで、職種そのものの有利不利は限定的です。

データアナリストを経由せず、独学だけで正面から狙うのは無謀ですか。 無謀ではありませんが、成功率は下がります。私の実感では、本業に分析要素がまったくない状態から独学のみで書類通過に至るケースは1割に満たず、多くは一度データアナリストや類似職種を挟んでいます。今の仕事の中に分析要素があるかどうかを、まず棚卸ししてみることをお勧めします。

求人票に「未経験可」と書かれていても、実質は経験者向けということはありますか。 あります。ポテンシャル採用を謳いながら選考の実態は経験者基準のままという求人票は珍しくなく、面談で具体的な業務内容と教育体制を確認しないと見抜けません。この見分け方は職種を問わず共通する論点なので、気になる方は書類選考以前の求人票の読み方から確認してみてください。

まとめ

データサイエンティストの未経験可求人が全体の4.3%しかないという数字は、確かに厳しい現実です。ただし、この壁の正体はスキル不足そのものではなく、独学の学習実績を実務の意思決定プロセスとして語り直せていないことにある、というのが今回一番お伝えしたかったことです。

SQL・Python学習を無駄にしないためにも、正面から狭き門を叩き続けるのではなく、データアナリストという実務経験を積める入り口を経由し、2〜3年かけて着実に距離を詰めていく。遠回りに見えるこのルートこそが、結果的には最短の近道になります。

もし今、応募数だけを増やして書類選考の壁に跳ね返され続けているなら、一度立ち止まって職務経歴書を見直してみてください。足りないのはスキルではなく、今の仕事の中にすでにある分析の実績を、言葉にして拾い上げる作業かもしれません。