## 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、データサイエンスのために収集したデータを分析する**統計の専門家**を指します。2010年頃から始まったビッグデータによるデータ爆発と、機械学習の進歩により蓄積データの活用の場が増大しています。そのため、従来学術的な意味合いの強かったデータ分析を担当する*データサイエンティスト*は、情報技術の進歩により*ITエンジニア*の活躍する領域となってきています。

*データサイエンス*は、以下に挙げる*データ分析手法*を扱う**学術研究分野**を指します。
・*数学や統計学を用いた数学的手法*
・*計算機科学や情報工学を用いたコンピュータ技法*
・*機械学習やパターン認識等の人工知能技術*
*データサイエンティスト*はこれらの**データ分析手法を活用**し、データ分析を行います。

### データサイエンティストとデータアナリストの違いは？

*データサイエンティスト*は、以下の一連のデータ分析に必要とされる**ビジネスサイクルをカバー**します。
（1） *ビジネス課題の抽出*
（2） *データ収集の準備・収集*
（3） *データ分析*
（4） *ビジネス課題の解決*

一方*データアナリスト*は、**データ分析に特化**した専門家となります。そのため、データ分析手法を学術的に研究し実践することに強みがあり、*複雑な分析を高度な技法を活用して分析*します。

### データサイエンティストと機械学習エンジニアの違いは？

*人工知能*は人間が備えている知的な行為をコンピュータの手続き・アルゴルズムに基づき、所定のデータを与えることで*機械的に実行*することを研究する領域となります。

*データサイエンティスト*は、パターン認識や機械学習アルゴリズム等により収集されたデータを活用する*システム利用者*で、**データ分析者・統計の専門家**を指します。一方*機械学習エンジニア*は、人工知能における機械学習アルゴリズムを設計・実装する技術者のことで、**ITエンジニア**の一種です。*実際の業務では共同して実施する*ことが多くなってきています。

## データサイエンティストの仕事と年収は？

*データサイエンティスト*の役割は、大きく分けて以下の通りに**分類**されます。
・*サイエンス的な役割*　データサイエンスの分析手法を研究し、利用すること
・*エンジニアリング*　　データの分析のための収集や仕組みを作ること
・*ビジネス*　　　　　　分析結果から導き出される傾向からビジネスへ活用すること

ここでは、上記の役割がどのように仕事に活かされるのか以降で触れていきます。同様に年収や市場性についても解説します。

### データサイエンティストの仕事は？

*データサイエンティスト*は、*サイエンス的・エンジニアリング的およびビジネス的な観点*で仕事を進めていきます。

具体的には、最初にデータ分析に必要な**ビジネス上の課題をヒアリング**し、*データ分析項目を定義とゴールを設定*します。次に、必要な項目を収集するための**環境を整備**し、*実際の収集*を行います。そして**収集データを分析し、問題の可視化**を行っていきます。最後にビジネス課題の解決に必要な情報を整理し、**ビジネス改善**を進めます。

### データサイエンティストの年収は？

ここでは、*データサイエンティストの年収*について触れます。国内の求人サイトによると、*約650万円*〜*750万円*の求人募集が多いです。条件により、*1,000万円*を超えるケースもあります。首都圏、特に都内では**850万円を超える募集**も珍しくありません。さらに、データサイエンティストのリーダークラスや組織長の求人では、技術面と人材管理面が求められ、*1,200万円*〜*1,500万円*の募集がされています。

なお、米国ではデータサイエンティストはおよそ*800万円*〜*1,200万円*ほどの求人がされています。条件により*2,000万円*を超えるケースもありますので、日本以上に求人のニーズが高いと言えるでしょう。

### データサイエンティストの将来性は？

*データサイエンティスト*は、人工知能（AI）の活用拡大により脚光を浴びています。
すでに大量のデータを扱う*金融システムや製薬・医療関係業界*では、**データ分析が必須**となっており、今後も*活躍の場が拡大していく*でしょう。同様に、データサイエンティストはビジネス課題に踏み込んだデータ分析を行いますので、経営コンサルタントとしても活躍の場が拡大しています。

また、内閣府ならびに首相官邸により、イノベーション政策強化推進のための有識者会議「*AI戦略*」（AI戦略実行会議）が行われています。その中で議論されている主なAI適応領域として、各産業界、特に*健康・医療・介護・福祉の分野*が挙げられています。データサイエンティストはその**AI適応領域での活躍が強く期待される**でしょう。
参考：[内閣府 AI戦略](https://www8.cao.go.jp/cstp/ai/index.html)
参考：[首相官邸 AI戦略2019](https://www.kantei.go.jp/jp/singi/ai_senryaku/pdf/aistratagy2019.pdf)

## データサイエンティストにおすすめの資格は？

*データサイエンティスト*は、*サイエンス的・エンジニアリング的およびビジネス的*な観点で仕事を進めていきます。そのため、**学術的な知識と技術的な知識および業務的な知識**がそれぞれ求められます。
ここでは、資格取得により得られるスキルについて整理します。

### データサイエンティストにお勧めのIT系の共通資格は？

*IT系の共通スキル*は、技術スキルの土台となる部分です。最初に情報処理推進機構（IPA）の「*基本情報技術者試験（FE）*」をおすすめします。資格取得により*情報戦略立案やシステムの設計・開発・構築・導入*が**指示通り実施できる**でしょう。

次に、上位資格として「*応用情報技術者試験（AP）*」がおすすめです。資格取得により*情報戦略立案やシステムの設計・開発・構築・導入*を**主導できる**レベルとなります。
参考：[情報処理推進機構(IPA) 応用情報技術者試験(FE)](https://www.jitec.ipa.go.jp/1_11seido/fe.html)
参考：[情報処理推進機構(IPA) 応用情報技術者試験(AP)](https://www.jitec.ipa.go.jp/1_11seido/ap.html)

### データサイエンティストにお勧めのIT系の専門資格は？

データサイエンティストではIT系共通スキルに加えて*データベースの専門スキル*が要求されます。
最初に情報処理推進機構（IPA）の情報処理技術者試験の区分である、「*データベーススペシャリスト試験（DB）*」がおすすめです。データ収集の環境構築に必要な**データベースの設計・開発・構築・運用**ができるでしょう。
参考：[情報処理推進機構(IPA) データベーススペシャリスト試験(DB)](https://www.jitec.ipa.go.jp/1_11seido/db.html)

次に、オープン系データベースの認定試験である「*OSS-DB技術者認定試験*」を紹介します。データ分析システムではオープンシステムを活用することが多いため、**オープンシステム用DB技術者**におすすめできる資格です。
参考：[OSS-DB技術者認定試験](https://oss-db.jp/)

最後に、**商用データベースを用いる場合**は、市場占有率の高いオラクルが提供する「*Oracle Master*」の資格取得がおすすめです。
参考：[Oracle 認定資格一覧](https://www.oracle.com/jp/education/certification/allcertification-172551-ja.html)

### データサイエンティストにお勧めの専門分析系の資格は？

データサイエンティストは学術的な知識と技術スキルをデータ分析に活用していきます。そのため、*数学や統計の専門知識*が求められます。

最初に、統計自体の能力を証明するために、「*統計質保証推進協会の統計検定*」をおすすめします。この資格は**データに基づいて客観的に事象を判断**し、**科学的に問題を解決する能力**が備わっていることを証明します。
参考：[一般財団法人 統計質保証推進協会の統計検定](https://www.toukei-kentei.jp/about/)

次に、分析計アプリケーションのプログラミング能力を証明するために、開発言語であるPythonの認定試験である「*Python 3エンジニア認定データ分析試験*」が用意されています。この資格ではPythonの言語能力のみならず、**確率や統計の数学技術とライブラリーを用いた分析実践能力**が試されます。
参考：[Python 3 エンジニア認定データ分析試験](https://www.pythonic-exam.com/exam/analyist)

最後に人工知能全般の能力を証明するために、まずは「*日本ディープラーニング協会の検定*」を紹介します。*G検定*は*ジェネラリスト向けの検定*です。ディープラーニングの基礎知識を有し適切な活用方針を決定して、事業活用する能力や知識があることを証明します。*E資格*は*エンジニア向け*となります。具体的には**ディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有しているエンジニアレベル**にあるか検定します。
参考：[一般社団法人 日本ディープラーニング協会のG検定、E資格](https://www.jdla.org/)

## スキルアップにより市場に求められるデータサイエンティストのチャンスをつかみましょう

今後、*デジタルトランスフォーメーション*や*働き方改革*が今以上に推進されると予測されています。そのためデジタル変革後の*ビジネスを予測*する**ニーズがさらに高まる**と期待されるでしょう。*データサイエンティスト*には、データ分析により**企業の課題を解決することがさらに求められていく**はずです。その活躍の場を得るためには、*十分な学習による準備*が必要なので、ぜひ準備を進めて**将来の可能性を広げましょう**。

データサイエンティストによる、ビッグデータや人工知能の活用拡大で蓄積データの分析や将来の予測に対するニーズが高まっています。この記事では、データ分析を担当するデータサイエンティストのお勧めの資格から年収などの情報をまとめ、解説しています。

データサイエンティストは数学的手法・コンピュータ技法・人工知能技術を活用しデータ分析を行います

今後ビジネス課題を解決する専門家としてデータサイエンティストに期待が高まっています

データサイエンティストに求められるスキルはサイエンス・エンジニアリング・ビジネスと多岐に渡ります

データサイエンティストとは？おすすめの資格から年収まで解説

*データサイエンティスト*とは、*データサイエンス*のために収集したデータを分析する**統計の専門家**を指します。2010年頃から始まった*ビッグデータ*によるデータ爆発と、*人工知能（AI）*の活用加速により蓄積データの活用の場が増大しています。そのため、従来学術的な意味合いの強かったデータ分析を担当する*データサイエンティスト*は、情報技術の進歩により*ITエンジニアの活躍する領域*となってきています。

*データサイエンス*は以下に挙げるデータ分析手法を扱う*学術研究分野*を指します。
・数学や統計学を用いた*数学的手法*
・計算機科学や情報工学を用いた*コンピュータ技法*
・機械学習やパターン認識等の*人工知能技術*
*データサイエンティスト*はこれらの**データ分析手法を活用**し*データ分析を行います*。

### データサイエンティストに求められるスキルは？

データサイエンティストの役割は、大きく分けて以下の通り分類されます。
・*サイエンス的な役割*　データサイエンスの分析手法を研究し、利用すること
・*エンジニアリング*　　データの分析のための収集や仕組みを作ること
・*ビジネス*　　　　　　分析結果から導き出される傾向からビジネスへ活用すること

具体的な仕事は、最初にデータ分析に必要な*ビジネス上の課題*をヒアリングし、*データ分析項目定義とゴールを設定*します。次に、必要な項目を収集するための環境を整備し、*実際の収集*を行います。そして*収集データを分析*し、*問題の可視化*を行っていきます。最後に*ビジネス課題の解決*に必要な情報を整理し、*ビジネス改善*を進めます。そのため上記**ビジネスサイクルに関係するスキル**が求められます。

## データサイエンティストの人材育成・スキル開発の動向は？

データサイエンティストは、人工知能（AI）の活用拡大により脚光を浴びています。

*内閣府ならびに首相官邸*により、イノベーション政策強化推進のための有識者会議「*AI戦略*」（AI戦略実行会議）が行われています。その中で議論されている主なAI適応領域として、各産業界、特に健康・医療・介護・福祉の分野が挙げられています。*データサイエンティスト*はその*AI適応領域での活躍が強く期待され*ており、**人材育成強化が検討されています**。
参考：[内閣府 AI戦略](https://www8.cao.go.jp/cstp/ai/index.html)
参考：[首相官邸 AI戦略2019](https://www.kantei.go.jp/jp/singi/ai_senryaku/pdf/aistratagy2019.pdf)

### 情報処理推進機構（IPA）におけるスキルの考え方は？

*情報処理推進機構*では従来の*ITスキル標準（ITSS）*により、IT技術者のスキルを定義しています。データサイエンティストは学術を利用した*データサイエンス力・データエンジニアリング力・ビジネス力*を総合活用する領域となりますので、*データサイエンティスト協会*と共同でデータサイエンティストのための*スキルチェックリスト*を作成しています。
参考：[情報処理推進機構 データサイエンティストのための. スキルチェックリスト](https://www.ipa.go.jp/files/000083733.pdf)

### データサイエンティスト協会におけるスキルの考え方は？

*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 スキルチェックリスト*」を定義しています。スキルレベルは以下の4段階となります。
・*シニア データサイエンティスト*（業界を代表するレベル）
　産業領域全体、複合的な事業全体の課題に対応できる
・*フル データサイエンティスト*（棟梁レベル）
　対象組織全体の課題に対応できる
・*アソシエート データサイエンティスト*（独り立ちレベル）
　担当プロジェクト全体、担当サービス全体の課題に対応できる
・*アシスタント データサイエンティスト*（見習いレベル）
　プロジェクトの担当テーマの課題に対応できる
参考：[データサイエンティスト協会 データサイエンティスト スキルチェックリスト](https://www.datascientist.or.jp/common/docs/skillcheck_ver3.00.pdf)

### 「データサイエンティスト スキルチェックリスト」のスキルカテゴリーは？

データサイエンティスト協会では、スキルを大きく*データサイエンス力・データエンジニアリング力・ビジネス力*の3分類で整理して、人材育成に活用しています。
データサイエンス力・データエンジニアリング力・ビジネス力は、**相互に重要性を持つ**ものなので*バランスを保った知識吸収が必要*となるでしょう。

### デジタルリテラシー協議会とは？

2021年4月、内閣府が策定した「AI戦略2019」における、デジタル時代の人材育成や教育改革に対応すべく*データサイエンティスト協会・日本ディープラーニング協会・情報処理推進機構*により、*デジタルリテラシー協議会の設立*が発表されました。本協議会では*「デジタルを作る人材」だけでなく*、**「デジタルを使う人材」を含めて人材育成を進めていく**予定です。
参考：[データサイエンティスト協会 「デジタルリテラシー協議会」設立のお知らせ](https://www.datascientist.or.jp/common/docs/DiLite_20210420.pdf)

### リテラシーレベル（DS検定™★）とは？

*データサイエンティスト協会*は、この秋から*リテラシーレベル（DS検定™★）*の実施を発表しました。その目的は、内閣府が策定した「AI戦略2019」に連動した**デジタル時代の人材育成**です。
対象者は*、データサイエンティスト初学者、これからデータサイエンティストを目指すビジネスパーソン、モデルカリキュラム教育を受けた学生等*幅広い層の受験を想定しています。2022年以降は春秋の年2回の試験実施を予定しています。
参考：[データサイエンティスト協会 データサイエンティスト検定 リテラシーレベル（DS検定™★）](https://www.datascientist.or.jp/news/release-dskentei/)

*リテラシーレベル（DS検定™★）*では「*データサイエンティスト スキルチェックリスト*」の想定スキルレベルの中で、アシスタント データサイエンティスト（見習いレベル）を対象として準備が進められています。
*2021年7月には申し込みサイトがオープン予定*であり、**初回試験は2021年9月を予定**しています。
参考：[データサイエンティスト協会 データサイエンティスト検定™ リテラシーレベルとは？](https://www.datascientist.or.jp/dskentei/)

## データサイエンティストのスキルアップにお勧めの資格は？

*データサイエンティスト*は、*サイエンス的・エンジニアリング的およびビジネス的な観点*で仕事を進めます。そのため、**学術的な知識と技術的な知識および業務的な知識**がそれぞれ求められます。
ここでは、資格取得により得られるスキルについて整理します。

### データサイエンティストにお勧めのデータサイエンス力を高める資格は？

*データサイエンス力向上*のためには、*データ分析能力*を証明する資格取得がおすすめです。
データサイエンティストは、*学術的な知識と技術スキル*をデータ分析に活用できるため、**数学や統計の専門知識**が求められます。統計自体の能力を証明するためには、*統計質保証推進協会の統計検定*がおすすめです。
参考：[一般財団法人 統計質保証推進協会の統計検定](https://www.toukei-kentei.jp/about/)

次に、分析計アプリケーションのプログラミング能力を証明するために、*Python 3エンジニア認定データ分析試験*では、確率や統計の数学技術とライブラリーを用いた分析実践能力が証明されます。
参考：[Python 3 エンジニア認定データ分析試験](https://www.pythonic-exam.com/exam/analyist)

最後に人工知能全般の能力を証明するために、*日本ディープラーニング協会の検定*を紹介します。G検定はジェネラリスト向けの検定で、E資格はエンジニア向けとなります。E資格ではディープラーニングの理論を理解し、適切な手法を選択して実装する能力や知識を有しているエンジニアレベルにあるか検定します。
参考：[一般社団法人 日本ディープラーニング協会のG検定、E資格](https://www.jdla.org/)

### データサイエンティストにお勧めのデータエンジニアリング力を高める資格は？

**IT系の共通スキル**として、*情報処理推進機構（IPA）*の*基本情報技術者試験（FE）*および*応用情報技術者試験（AP）*がおすすめです。応用情報技術者試験合格により情報戦略立案やシステムの設計・開発・構築・導入を主導できるレベルとなります。
参考：[情報処理推進機構(IPA) 応用情報技術者試験(FE)](https://www.jitec.ipa.go.jp/1_11seido/fe.html)
参考：[情報処理推進機構(IPA) 応用情報技術者試験(AP)](https://www.jitec.ipa.go.jp/1_11seido/ap.html)

データサイエンティストが活用する**データベースの専門スキル**として、*情報処理推進機構（IPA）*の*データベーススペシャリスト試験（DB）*がおすすめです。データ収集の環境構築に必要なデータベースの設計・開発・構築・運用ができるでしょう。
参考：[情報処理推進機構(IPA) データベーススペシャリスト試験(DB)](https://www.jitec.ipa.go.jp/1_11seido/db.html)

また、オープン系データベースの認定試験である*OSS-DB技術者認定試験*、並びに商用データベースオラクルによる*Oracle Master*の資格取得もおすすめです。データ分析システム用DB技術者は取っておきたい資格です。
参考：[OSS-DB技術者認定試験](https://oss-db.jp/)
参考：[Oracle 認定資格一覧](https://www.oracle.com/jp/education/certification/allcertification-172551-ja.html)

### データサイエンティストにお勧めのビジネス力を高める資格は？

*ビジネス力を向上*するためには、**実務経験を通じてスキルアップ**することが望まれます。実務では*プロジェクト能力を生かしたビジネス判断*が求められるため、*情報処理推進機構（IPA）*の*プロジェクトマネージャ試験（PM）*が最適でしょう。資格取得により日程計画やビジネス課題の抽出、優先付け等が可能です。
参考：[情報処理推進機構(IPA) プロジェクトマネージャ試験(PM)](https://www.jitec.ipa.go.jp/1_11seido/pm.html)

## データサイエンティストに求められるスキルを向上しデジタル人材として活躍しましょう

*データサイエンティスト*は*ビッグデータや人工知能*の適用領域拡大により、**一層需要が高まっています**。*内閣府AI戦略*においても今後の*人材育成が議論*されており、*デジタルリテラシー協議会設立*が発表されました。この流れ*は働き方改革*による*業務効率化*を加速するものですので、**スキルアップ**の準備を進め**デジタル人材としての可能性を広げましょう**。

データサイエンティストとは、膨大な蓄積データを分析し、ビジネス課題を解決する統計の専門家です。内閣府のAI戦略においても今後の人材育成が議論され、2021年4月デジタルリテラシー協議会設立が発表されました。ここでは、その人材育成の最新動向とスキル要件を解説します。

データサイエンティストとは、膨大な蓄積データを活用・分析する統計の専門家です

データ分析はビジネス課題の解決やビジネス判断を助けることが期待されています

データサイエンティストは市場拡大により需要が高まり、スキル向上が内閣府でも検討されています

データサイエンティストのスキル要件とは？人材育成に政府が動く

## 未経験でもデータサイエンティストの求人はある

AIやビッグデータの活用が企業にとって急務になっている現在、データサイエンティストは今最も不足しているIT人材です。IТ企業が経験のあるデータサイエンティストを採用しようとしても、日本では人材市場そのものが未成熟で、必要な人材を確保できないことが多くあります。

しかし、既にデータサイエンティストが在籍しているIТ企業は、**今後データサイエンティストを養成していける下地があるため、未経験のデータサイエンティスト候補を採用する場合もあります**。

### *「データサイエンティスト未経験」の求人状況*

転職情報サイトのdoda（デューダ）には、2021年5月8日現在、98件の「データサイエンティスト未経験」の求人案件が掲載されています。もちろん「未経験」といっても「オープン系言語を用いた開発のご経験をお持ちの方」などの条件がありますが、**IТエンジニアならデータサイエンティストへの転職は可能**といえるでしょう。

必須として挙げられているのは、上記のような**「開発経験」「プログラミング経験」が最も多く**、他には「理系大学院卒業」「大学でのデータ解析・統計解析の履修経験」「統計学・機会学習の知識」などがあります。

歓迎条件として挙げられているものには、「統計検定2級以上」「業務でのデータの分析・活用経験」「言語：RまたはPython」などがあります。

### *未経験データサイエンティストを募集している会社*

未経験可の条件でデータサイエンティストを募集している会社には次のようなものがあります。

・*総合商社系SIer*
・*コンサルティングファーム*
・*ITコンサルティング会社*
・*データ分析請負会社*

従業員数は200人～500人規模の会社が多く、入社後はすでにあるスキルを活かして仕事をしながら、社内の研修制度を利用してデータサイエンティストとしての能力を養っていくことになります。

データサイエンティスト未経験の求人の給与は、「予定年収350万円～500万円」という案件が多くみられました。**未経験といっても、システム開発の経験の長さや使える言語のスキルなどによって、スタートラインは違ってくる**といえるでしょう。

## 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は、米国では「ウォール街のトレーダーよりも高給を取るセクシーな職業」と言われているそうですが、その仕事内容はどのようなものなのでしょうか。

### *企業に集まるデータにビジネスへの出口を与える*

多くの企業がAIやビッグデータに熱い視線を注ぐ中で、活用しきれないデータを集積するだけの企業も少なくありません。「情報爆発」といわれる状況でそのエネルギーを活かすのではなく、爆風で飛ばされそうになっているのです。

そこで必要になるのが、**データを分析し・その意味を発見し・ビジネスに活かす仮説を立てる「データ×ビジネス」のプロ**です。

### *要件定義があるところから始める仕事ではない*

データサイエンティストの仕事は、**ビジネスの課題をデータから抽出する**ところから始まります。システム開発に置き換えるなら、要件定義のさらに上流工程の「何をするのか」から始めるともいえます。

つまり、データサイエンティストの仕事はIТスキルやプログラミング技術以外に、ビジネスの課題を抽出したりデータから筋の良い仮説を立てることも必要なのです。

## データサイエンティストに必要なスキル

データサイエンティストに必要なスキルは、IТスキル・統計学・マーケティングの3つです。ここでは、その重要な3つのスキルについて詳細を解説します。

データの抽出もその加工・分析もすべてコンピュータで行なうので、データサイエンティストにはエンジニアリング、IТスキルは必須です。最もよく使われるプログラミング言語は、統計解析に必要な「*R言語*」、AIでの統計処理（機械学習）に必要な「*Python*」、データベースの操作に必要な「*SQL*」などです。

統計学は、**そのままでは意味不明の混沌にすぎないデータの意味を正しく読み取る学問**です。データ相互の見せかけの相関関係（偽相関）に惑わされずに、仮説を立ててそれを検証するには統計学の知識が欠かせません。統計学を学ぶには、確率論や行列などの数学的知識も必要です。

### *マーケティング、ビジネスのスキル*

データサイエンティストの役割はデータをビジネスに活かすこと、端的にいえば会社がより利益を上げることなので、マーケティングや自社のビジネスについて理解していなければ意味のある仕事はできません。

また、**データに基づくビジネス戦略を実行するには、社内の多くの部署との協業が必要**なので、コミュニケーション能力やプレゼンテーション能力などのヒューマンスキルも必要です。

## 未経験からデータサイエンティストを目指すには

データサイエンティストには、上記のような3つのスキルが必要なので、そのどれもが白紙という人には、非常にハードルが高い目標になります。これから大学に入るという若者なら、理数系の学部に入るのがおすすめですが、転職市場では厳しいと言わざるを得ません。

もしあなたが**ITエンジニアなら、3つのスキルの内の1つは持っている**ことになるので、「データサイエンティスト 未経験」の転職案件で採用される可能性はあります。もちろん、採用された後は、統計学やマーケティングの勉強を頑張らなくてはいけません。

プログラミング言語では、Java・Python・Rなどがよく使われます。**使いこなすレベルになるのは入社後でも構わないというケースもあります**が、当然使用経験は豊富な方が就職には有利です。

データベース関連では、ビッグデータの活用には欠かせないHadoop・保存システムなどに関わるMySQL・NoSQLなどの運用スキルを求められます。

### *数字に騙されない統計学の知識を身につけよう*

エンジニアからデータサイエンティストを目指すなら、統計学をきちんと学ぶことが心要です。*統計学はデータから価値のあるものを抽出する際に必須となる知識*で、仮説を作るにもそれを検証するにも統計学の知識が必須です。

ビジネスに活かすという観点から統計学を見ると、確率分析・相関関係（偽相関・因果関係）・統計的検定・回帰分析の4つを理解しておくことが必要です。**データを可視化するときに、数字に騙されないための基礎知識**といってもよいでしょう。

統計学を学ぶには確率や行列などの数学的知識も必要です。その意味では、根っからの文化系という人にはハードルが高い職業です。

### *マーケティングを勉強するとともにビジネスマインドを育てよう*

反対に、「プログラミングは好きだが人付き合いは苦手」というエンジニアにとって、ハードルが高いのがビジネスマインドの育成です。しかし、データサイエンスの最終目的がビジネスの成功である以上、**市場や顧客を理解し、チームで戦略を立てて実行するビジネスマインドは、データサイエンティストにとって最も重要なスキル**ともいえます。

現在エンジニア職にある人なら、上流工程に関わる機会を積極的に求めて、クライアントや関係部署の人と積極的に関わる、プロジェクトリーダーを務めるなどでコミュニケーション能力を養うなどの努力が役に立ちます。

システム開発の世界でもUI（ユーザーインターフェイス）、UX（ユーザーエクスピアリエンス）が重視されているので、「顧客発想」ですべてを見る姿勢を身につけていくことも、データサイエンティストになったときに役立ちます。

## 採用後の猛勉強を覚悟するなら、未経験からでもデータサイエンティストになれる

すべての企業にDX（デジタルトランスフォーメーション）が必要といわれ、ビッグデータの活用が企業の命運が握るとされる現在、「未経験でもいい」という**データサイエンティストのポテンシャル採用をする企業が増えています**。

そんな中で、エンジニア、プログラミング経験者は、データサイエンティストを十分目指せる立ち位置にあります。その代わり、採用されたときは統計学やマーケティングなど足りないスキルを猛勉強する覚悟が必要です。

データサイエンティストは、IТ人材の中でもっとも不足しているといわれる職種です。そのため、「未経験でもいいからポテンシャル採用したい」という企業が増えています。企業による採用条件と、未経験からデータサイエンティストを目指すために必要なことを解説します。

データサイエンティストのポテンシャル採用をする企業が増えている

エンジニアがデータサイエンティストを目指すなら統計学とマーケティングを学ぼう

採用後の猛勉強を覚悟するなら未経験からデータサイエンティストになることは可能

未経験からデータサイエンティストになるには？条件や求人状況とは

*AWS*は、*最大の利用者数*を抱えるクラウドサービス事業者です。AWSは自社サービス提供エリアにおいて均一なサービスを提供するために、地域を物理的なロケーションに分割してサービス提供しています。その**物理的なロケーション分割単位**を*リージョン*と言います。

AWSは*サービスの豊富さ*と*提供範囲の広さ*が特徴です。そのため、*継続的にサービス提供地域を拡大*し、その地域をカバーするリージョンを開設しています。
参考：[AWS グローバルインフラストラクチャ](https://aws.amazon.com/jp/about-aws/global-infrastructure/regions_az/)

### AWSのアベイラビリティゾーンとは？

AWSの*アベイラビリティゾーン（AZ）*とは、1つのリージョンを冗長性・信頼性・可用性を確保した1つ以上のデータセンターで構成する単位を指します。アベイラビリティゾーンは、*複数の独立した場所に設置*されており、冗長的な電力源・ネットワーク、そして接続機能により**相互に接続され運用されています**。

*AWSローカルゾーン*はAWSのリージョンを拡張し、レイテンシーの影響を受けやすいアプリケーションを**エンドユーザ近接の地域で実行させる**ものです。AWSローカルゾーンは、*ミリ秒単位のレイテンシー*が求められるアプリケーション向けに提供されています。

具体的には、メディアエンターテイメントのコンテンツ作成・リアルタイムゲーム・ライブビデオストリーミング等のアプリケーションなどを想定しています。現在、*北米地域のロサンゼルス*に加えて、*ボストン・ヒューストン・マイアミ*でもサービスが提供されています。

### AWSの日本でのリージョンは？

日本では、2011年に*アジアパシフィック（東京）リージョン*が開設しサービス提供されています。このアジアパシフィック（東京）リージョンに加えて、2021年3月より*アジアパシフィック（大阪）リージョン*が開設されました。共にAWSアジアパシフィックリージョンに属し、日本ローカルのみならず、**アジア全域へのサービス提供が期待されています**。

AWSは世界の*25の地域*に対して*リージョンを開設*し、**サービス展開**しています。同様に*80のアベイラビリティゾーン*で展開しており、今後も*5つのリージョン*と*15のアベイラビリティゾーン*の開設が計画されています。これから2021年5月現在の各リージョン一覧について触れていきます。

### AWSサービスエンドポイントとは？

*AWSサービスエンドポイント*とは、AWSのサービスにプログラム接続するための*接続情報*を指します。具体的には、以下のリージョンエンドポイントに対して*接続リクエスト*を発行します。
「*protocol://service-code.region-code.amazonaws.com*」

*protocol*はhttps等で、*service-code*とは利用サービスの名称です。*region-code*とは指定するリージョンCodeを指します。この*AWSサービスエンドポイントを指定*することで、**リージョンとその提供サービスが利用可能**となります。
参考：[AWSサービスエンドポイント](https://docs.aws.amazon.com/ja_jp/general/latest/gr/rande.html)

*北米地域*では、以下の**7つのリージョン**が開設されています。リージョンCodeとアベイラビリティゾーンを併せてご紹介します。

・米国東部（バージニア北部）リージョン　　Code: us-east-1（6つのアベイラビリティーゾーン）
・米国東部（オハイオ）リージョン 　 　　 　 Code: us-east-2（3つのアベイラビリティーゾーン）
・米国西部（北カリフォルニア）リージョン　Code: us-west-1（3つのアベイラビリティーゾーン）
・米国西部（オレゴン）リージョン 　　 　 　 Code: us-west-2（4つのアベイラビリティーゾーン）
・カナダ（中部）リージョン 　　　　　　　  Code: ca-central-1（3つのアベイラビリティーゾーン）
・GovCloud（米国西部）リージョン　　　　 Code: us-gov-west-1（3つのアベイラビリティーゾーン）
・GovCloud（米国東部）リージョン　　　　 Code: us-gov-east-1（3つのアベイラビリティーゾーン）

*南米地域*では、**1つのリージョン**が開設されています。リージョンCodeとアベイラビリティゾーンを併せてご紹介します。

・南米（サンパウロ）リージョン　　　　       Code: sa-east-1（3つのアベイラビリティーゾーン）

### 欧州/中東/アフリカ地域のリージョンは？

*欧州/中東/アフリカ地域*では、以下の**8つのリージョン**が開設されています。リージョンCodeとアベイラビリティゾーンを併せてご紹介します。

・欧州（フランクフルト）リージョン　　　　Code: eu-central-1（3つのアベイラビリティーゾーン）
・欧州（アイルランド）リージョン　　　　　Code: eu-west-1（3つのアベイラビリティーゾーン）
・欧州（ロンドン）リージョン　　　　　　　Code: eu-west-2（3つのアベイラビリティーゾーン）
・欧州（パリ）リージョン　　　　　　　　　Code: eu-west-3（3つのアベイラビリティーゾーン）
・欧州（ミラノ）リージョン　　　　　　　　Code: eu-south-1（3つのアベイラビリティーゾーン）
・欧州（ストックホルム）リージョン　　　　Code: eu-north-1（3つのアベイラビリティーゾーン）
・中東（バーレーン）リージョン　　　　　　Code: me-south-1（3つのアベイラビリティーゾーン）
・AWS アフリカ（ケープタウン）リージョン  Code: af-south-1（3つのアベイラビリティーゾーン）

### アジアパシフィック地域のリージョンは？

*アジアパシフィック地域*では、以下の**9つのリージョン**が開設されています。リージョンCodeとアベイラビリティゾーンを併せてご紹介します。

・中国本土（北京）リージョン　　　　　　　Code: cn-north-1（2つのアベイラビリティーゾーン）
・中国本土（寧夏）リージョン　　　　　　　Code: cn-northwest-1（3つのアベイラビリティーゾーン）
・アジアパシフィック（東京）リージョン　　Code: ap-northeast-1（4つのアベイラビリティーゾーン）
・アジアパシフィック（ソウル）リージョン　Code: ap-northeast-2（4つのアベイラビリティーゾーン）
・アジアパシフィック（大阪）リージョン　　Code: ap-northeast-3（3つのアベイラビリティーゾーン）
・アジアパシフィック（ムンバイ）リージョンCode: ap-south-1（3つのアベイラビリティーゾーン）
・アジアパシフィック（シンガポール）リージョン Code: ap-southeast-1（3つのアベイラビリティーゾーン）
・アジアパシフィック（シドニー）リージョンCode: ap-southeast-2（3つのアベイラビリティーゾーン）
・アジアパシフィック（香港）リージョン　　Code: ap-east-1（3つのアベイラビリティーゾーン）

## AWSリージョン別のサービスは？

AWSのリージョンで*提供されるサービス*は、**リージョン毎に異なります**。開設して間もないリージョンはすぐに多くのサービスを提供する訳ではなく、*需要の多いサービス*から順次取り入れています。同様に、提供サービスのオプションやタイプはすぐに全て揃うものではありません。そのため、各リージョン毎の*提供サービスを比較すること*は利用者にとっても**必要な作業**と言えます。
参考：[AWS リージョン別のサービス](https://aws.amazon.com/jp/about-aws/global-infrastructure/regional-product-services/?p=ngi&loc=4)

### 日本のリージョンでの提供サービスは？

日本では、東京と大阪にリージョンを開設しています。一方の*アジアパシフィック（東京）リージョン*では2021年5月現在、*170のサービス*を提供しています。他方、*アジアパシフィック（大阪）リージョン*での提供サービス数は*68*となります。

東京と大阪のリージョンの提供サービス数の違いは、大阪がまだ開設間もないこともあり、需要に応じてサービス拡大を図っている点です。大阪の提供サービスは4月時点の*64*から5月には*68*まで増えていますから、**順次サービス拡大が続いていく**ことが想定できます。

### リージョン選択の留意点は？

すでに記述している通り、*各リージョンの提供サービスは異なります*。加えて*利用料金も異なります*ので、*サービスレベルやレスポンス時間*を想定して*商用環境と開発環境を分けたり*、*複数のリージョンを併用したりする*ことで*コスト低減を図ることが可能*になります。同様に、Amazon Elastic Compute Cloud（Amazon EC2）で選択可能なインスタンスタイプも、リージョン毎に提供可能なタイプに違いが見られます。そのため、**コスト面と運用面**を合わせて検討することも**重要**と言えるでしょう。

## AWSのリージョンを理解して必要なサービスを利用しましょう

AWSは、豊富なサービスを提供するクラウドサービス事業者です。そのリージョンの考え方を理解することで、*提供サービスと利用料金を最適化*することが可能です。*業務に必要なサービスをリージョン毎に比較*し、**効率的なサービス利用**を目指しましょう。

AWSは最大のクラウドサービス事業者です。利用者に均一なサービスを提供するために物理的なロケーションをリージョンという単位に分割しています。各リージョン毎に提供サービスや利用料金が異なるため、リージョンの違いや効率的なサービス利用について解説していきます。

リージョンとは、AWSのサービス提供地域を物理ロケーションに分割した単位です

2021年3月に大阪リージョンが開設され、日本のリージョンは東京と大阪の2つとなります

各リージョン毎に提供サービスが異なり、複数のリージョンを活用することで最適化が可能です

AWSのリージョンとは？提供サービスをリージョン一覧から解説！

## デジタル・マーケティングとは

最近脚光を浴びているデジタル・マーケティングですが、言葉は聞いたことはあっても、その概念は漠然としているのではないでしょうか？

DX時代を迎え、デジタル・マーケティングはこれまでにも増して期待が高まっています。最早、**デジタル・マーケティングを利用せずに企業活動は成り立たない**とさえ言われています。ITエンジニアの皆さんの中にも、デジタル・マーケティングに関わるシステムの開発や、製品開発に携わっている方も少なくないでしょう。これからは、デジタル・マーケティングに明るいエンジニアの活躍の場がさらに広がってくるでしょう。

マーケティングは、商品やサービスを顧客に効果的に購入してもらえるように*企業が行う市場調査・製造（制作）・輸送・販売・宣伝などのすべてのプロセスの総称*です。市場活動や販売戦略とも呼ばれます。簡単に言えば、**企業が顧客との取引を最大化し、利益を得るためのすべての活動**のことです。例えば、アンケートやモニタリングなどの市場調査・商品の開発・店舗の開発・広告宣伝・ポイントカード・メンバーズカードなどの販売促進、そうしたもののすべてがマーケティングの領域と言えます。

### *デジタル・マーケティングとは*

デジタル・マーケティングとは、**ITやインターネットなどのデジタル環境を利用したマーケティング施策の全般**を指します。そこにはWebサイトやSNSなどから、デジタルサイネージ、今流行りのオムニチャネル（リアル店舗とECサイトの融合）なども含まれます。また従来のマーケティング手法とは大きく異なるのは、ビッグデータなどの技術を活用した「データの分析と活用」です。

インターネットの普及によって、消費者1人1人の購買行動などが詳細に把握でき、それらのデータを分析することで消費者の嗜好やニーズを把握し、科学的・効率的なマーケティング活動が行えます。今や*マーケティング活動においてデジタル・マーケティングの導入は不可欠の施策*なのです。

### *Webマーケティングとデジタル・マーケティングの違い*

デジタル・マーケティングと聞くと、Webマーケティングのことだと考える方がいますが、イコールではありません。両者の違いはその対象範囲にあります。*Webマーケティングが対象としているのはWebサイトを軸として*おり、SNS・Eメール・Web広告・アフィリエイト・SEOなどが対象です。

一方の**デジタル・マーケティングはマーケティングの領域すべてを対象**とし、デジテルサイネージ・ビッグデータ・AI・VR・フィンテック・CRM・IOTなど、デジタルで得ることができるあらゆるデータやタッチポイントを活用します。

### *デジタルマーケティング企業*

それでは、国内でデジタルマーケティングに強い会社には、どのような企業があるのでしょうか？代代表的な企業3社を挙げてみました。

*1.株式会社電通デジタル*
電通デジタルはデジタルマーケティングのあらゆる領域で、コンサルティング・開発・運用などのサービスを提供しています。

*2.株式会社オプト*
オプトは広告代理店ですが、インターネット広告事業に強みを持つ企業です。インターネット広告代理業務に加えデジタル人材の育成・デジタル新会社のサポート・既存企業のデジタル化特化したサービスの提供をしています。

*3.アンダーワークス株式会社*
アンダーワークスの得意分野は、デジタルマーケティング戦略立案や最適なソリューションの選定に加え、グローバル領域に強いことを強みとしています。

### *デジタルマーケティング企業の年収*

次にデジタルマーケティング企業の平均年収ですが、[求人ボックスナビ](https://xn--pckua2a7gp15o89zb.com/%E4%BA%BA%E6%B0%97%E8%81%B7%E7%A8%AE%E3%81%AE%E7%B5%A6%E6%96%99%E6%83%85%E5%A0%B1)によると、597万円とITエンジニアの平均年収506万円（同求人ボックスナビ）を上回っています。

## デジタル・マーケティングの具体例

デジタル・マーケティングの概要については理解されたと思いますが、ここでは*デジタル・マーケティングの具体例*をいくつか上げて紹介します。

CRMは"Customer Relationship Management"の略語で、日本では顧客管理システムと訳されるケースがありますが、顧客管理というよりは**顧客との良好な関係を構築するためのシステムのこと**で、「顧客関係管理」と訳した方が正しいでしょう。CRMは、IT（デジタル）を用いて販売側と顧客との距離を縮めるマーケティング手法の1つです。

購買履歴を分析して顧客の見える化を行い、見込み客に対して次の商品購入タイミングを告知したり新商品を提案したり、さらにはダイレクトメッセージでセール情報を配信するなどして、従来のDMとは比較にならない精度で*リピート客を確保*できることが実証されています。

オムニチャネルの"omni"は、ラテン語で「あまねく」を意味する言葉です。**オムニチャネルは企業や店舗と顧客との接点である、あらゆるチャネル（Webサイト・デジタルサイネージ・Eメール・スマホなど）を融合させていくこと**です。顧客は場所や時間を問わず、必要な時に必要な商品やサービスを得られることを望みます。リアルやネットを問わず、目の前の気に入った商品を必要とする場所で購入したいという願いに応えられるのがオムニチャネルです。

例えば、リアル店舗で手にし、試着した商品をその場でスマホで注文して自宅に届けてもらう、逆にネットで注文した商品を店頭で受取るといった、*ネットとリアルを1つにした購買行動がオムニチャネルでは可能となる*のです。ユニクロなどはいち早くオムニチャネルを実現し、多くの顧客の支持を得ています。

MAは"Marketing Automation"の略語で、デジタル技術やITを用いて、**マーケティングのさまざまなプロセスを自動化**するツールの総称です。例えば、商品を購入した顧客に自動的にフォローアップメールを送る、自社の商品情報やセールス情報を見込み客に送るといったこともMAのカバー範囲です。またマーケティング活動のさまざまなプロセスを自動化することによって、*業務効率の向上、コスト削減といった効果が得られ、MAは企業には利益向上*をもたらしてくれます。

### *SEO（検索エンジン最適化）*

SEOとは"Search Engine Optimization"の略語で、「*検索エンジン最適化*」と訳されています。SEOは、ユーザーが検索エンジンを利用してキーワード検索した際に、**自社のサイトが上位に表示されるよう、Webサイトを最適化する施策**を意味します。検索エンジンとしてよく用いられるGoogleの検索エンジンは、ユーザーが入力した検索キーワードに最も合致するサイトを拾い集めます。この検索エンジンの検索・抽出ロジックがすべて解明されているわけではありませんが、*どのようなユーザーがどんな意図で、何を求めているのかをユーザー目線で探ることがSEOの基本*になります。

## デジタル・マーケティングに活かせる資格

デジタル・マーケティングに関係する資格は数多くありますが、ここでは、よく知られた*比較的チャレンジしやすい資格試験を中心に5つ紹介*します。デジタルマーケティング分野としては、まだ国家資格はなく、すべて民間資格です。

### *マーケティング・ビジネス実務検定*

国際実務マーケティング協会主催の、*マーケティングに関する実務検定資格*です。デジタル・マーケティングを学ぶ前に、マーケティングについて学ぶことをおすすめします。この資格を通じて、マーケティングの基礎から一通り学ぶ事ができ、体系的にマーケティングついて理解することができます。**デジタル・マーケティング分野を目指す方は是非チャレンジ**してみてください。A級からC級まで3ランクあります。

▪受験方法：Web
▪難易度：中
▪サイト[マーケティング・ビジネス実務検定](https://www.marke.jp/)

### *ネットマーケティング検定*

ネットマーケティング検定は、（株）サーティファイ主催の民間検定試験です。 試験を通じて、**インターネット・マーケティングの全般について、基本知識や一般的な方法論などを学べます**。 

▪受験方法：Web
▪難易度：易（合格率7割前後）
▪サイト：[ネットマーケティング検定](https://www.sikaku.gr.jp/nm/about/index.html)

Webアナリスト検定は、一般社団法人日本Web協会（JWA）主催の民間検定試験です。 講座受講と試験を通じて、**Web分析やWebマーケティングの全般についての基本知識を学べます**。 Googleアナリティクスの使い方についても学べます。

▪受験方法：Web
▪難易度：易（合格率8割前後）
▪サイト：[Webアナリスト検定](https://www.jwa-org.jp/webanalyst/)

### *Googleアナリティクス個人認定資格（GAIQ）*

お役立ち記事