データアナリストとは?意味・必要な適性や「なくなる仕事?」説を解説

    • このページをはてなブックマークに追加

    公開日:2021年02月18日 最終更新日:2021年03月09日

    データアナリストになりたいと考えているけど、求められるスキルや適正・仕事内容・将来性が知りたいと考えている人の悩みを解決します。データアナリストはデータ分析に関わる高いスキルが必要とされる職種で年収も高い傾向にあります。一方でデータ処理やモデル構築の自動化が進み、将来無くなる・不要になる可能性が出てくることも考えられます。今回はデータアナリストについて網羅的に解説していきます。

    1. データアナリストとは?

    データアナリストとは具体的に何を指すのでしょうか。

    今回は、

    • データアナリストの定義
    • データアナリストの業務内容
    • データアナリストとデータサイエンティストの違い

    それぞれ詳しく見ていきましょう。

    ▲トップへ戻る

    1.1 データアナリストの定義

    データアナリストは、データやデータ分析モデルを活用しながら、製品・サービスや経営課題の改善策の提案をする仕事です。データアナリストの働き方は「コンサル型」と「エンジニア型」に分かれます。具体的には現場のより高度なサービス運用や各種判断をうながす「コンサル」タイプと、既存サービス・プロダクトの性能を高める「エンジニア」タイプの2つです。

    ▲トップへ戻る


    1.1.1 コンサル型データアナリスト

    コンサル型データアナリストは、企業の抱える課題に対して解決するための仮説を立て、分析目的の設定、必要データの選定、ビッグデータをマイニングし具体的な解決案を提案してアドバイス及びコンサルティングを行う仕事です。

    主な勤務先としては、コンサルティングファームや、マーケティング会社などがあります。
    経営層に近いところで提案するコンサルタントとは違い、より現場に近いところで具体的な課題解決案や業務の遂行方針を策定します。

    ▲トップへ戻る


    1.1.2 エンジニア型データアナリスト

    エンジニア型データアナリストは、データマイニングや機械学習を行った結果をもとに、ユーザーの行動特性など一定の規則性を見出し、分析及び分析結果のレポーティングを行い、提供サービスの品質向上を目指します

    主な勤務先としては、ソーシャルゲーム会社、自社メディア運営会社などがあります。
    分析したデータや機械学習などの結果が何を表しているのか、消費者の動向に規則性はないかなど検討し、プロダクト開発における具体的な改善策を検討し、実装まで行います。

    ▲トップへ戻る

    1.2 データアナリストの業務内容

    データアナリストは総じて「膨大な量のデータを統計学とITスキルを駆使し、解析し、データから意味を見出し、経営やプロダクトの改善に役立てる業務」と言えます。コンサル型とエンジニア型で各ステップの業務の細かな違いはありますが、大まかには以下のステップで業務を進めます。

    • データを解析し課題を発見する
    • 課題の解決に向けた仮説立て
    • 仮説検証
    • レポーティング

    ▲トップへ戻る


    1.2.1 データを解析し課題を発見する

    ビッグデータを解析し、課題を発見します。ビッグデータとは総務省の「平成24年版情報通信白書」では「事業に役立つ知見を導出するためのデータ」とされています。一例としては以下があります。

    • 顧客の検索履歴
    • ネットショッピングの利用履歴
    • アプリケーション上での滞在時間や問い合わせ履歴

    ビッグデータの多くがネットを通じて収集されることが多く、データの更新や分析がリアルタイムで行われます。蓄積されていく莫大なデータを処理し、自社の課題発見を行い、課題発見時にも「仮説立て」が必要になります。仮説思考のスキルを身につけるには、

    1. 問題発見の仮説を立てる
    2. 問題を検証する
    3. 問題解決の仮説を立てる

    上記のプロセスを繰り返し行うことが重要です。

    ▲トップへ戻る


    1.2.2 課題の解決に向けた仮説立て

    発見した課題を解決するための仮説立てを行います。課題に対して、考えられる「仮説」(なぜその問題が発生しているのか)と「解決策」をセットで考えていくことが重要です。

    ▲トップへ戻る


    1.2.3 仮説検証

    仮説を検証します。

    例えば自社のアプリケーションの無料会員から有料会員への転換率が低い場合、仮説としては以下が挙げられます。

    • 「有料プランの価格が他社より高い」
    • 「有料会員申し込みフォームが使いづらく、入力しづらいためユーザーが離脱している」
    • 「集客チャネルに問題があり、有料でも使いたい顕在層にサービスが届いていない」

    このように、さまざまな仮説を検証していきます。

    ▲トップへ戻る


    1.2.4 レポーティング

    最後にレポーティングです。仮説検証の結果をまとめ、現場および経営層とすり合わせ、次の打ち手を考えます。

    ▲トップへ戻る

    1.3 データアナリストとデータサイエンティストの違い

    データアナリストとデータサイエンティストは業務区分や定義があいまいで混合されがちです。
    具体的に異なる点としては、

    • データサイエンティストはアルゴリズム実装やモデル構築を行う
    • データアナリストはより現場に近い立場

    それぞれ詳しく見ていきましょう。

    ▲トップへ戻る


    1.3.1 データサイエンティストはアルゴリズム実装やモデル構築を行う

    データサイエンティストは、データアナリストが加工したデータを元に、機械学習を使ってアルゴリズム実装やモデル構築を行います。

    アルゴリズムとは広義では「何らかの問題を解くための手順や法則のこと」で、データアナリストが加工・成形したデータを元に応用的に機械学習を用いて実装していきます。

    モデル構築はデータの準備→データの前処理→モデル作成→モデルの評価の4STEPで行い、課題点が見つかれば修正をして、満足の行く結果まで繰り返して検証する作業のことです。

    ▲トップへ戻る


    1.3.2 データアナリストはより現場に近い立場

    データアナリストは、より現場に近い立場で、問題解決のためにコンサルティングを行ったり、データ分析や処理を行います。データアナリストの仕事に加えて、機械学習を含む人工知能(AI)エンジニアとしても仕事を行うこともあります。

    データアナリストとデータサイエンティストは厳密な線引が存在しないため、企業によってはデータサイエンティストをデータアナリストとして採用するケースもあります。

    ▲トップへ戻る

    2. データアナリストに必要なスキル・適正

    データアナリストに必要なスキル・適正は主に以下の4つです。

    • 統計スキル
    • プログラミングスキル
    • 仮説構築力
    • コミュニケーションスキル

    それぞれ詳しく見ていきましょう。

    ▲トップへ戻る

    2.1 統計スキル

    機械学習とデータ分析の前提条件として、

    • 推定、検定、回帰、判別分析
    • 推定と仮説検定
    • 単回帰分析、重回帰分析

    などの統計スキルを学びます。

    これからデータアナリストを目指し、データ分析や統計を始めるならば、代表的な統計解析や機械学習を実行してみましょう。
    まずは手を動かして実行してみると良いです。RやPythonなどの言語を学んだり、大学生向けの「微分積分」「線形代数(行列)」などの本を使って実際に手を動かしてみることをおすすめします。

    ▲トップへ戻る

    2.2 プログラミングスキル

    R、Pythonなどによるデータ解析を学習するため、プログラミングスキルも必要です。

    データアナリストは「統計解析」や「時系列解析」を学習する必要があります。Rは統計解析に強く、時系列解析については、forecastパッケージなどR言語の方がパッケージのラインナップが圧倒的に豊富です。

    統計解析とは「統計学的理論に基づいて蓄積されたデータに対する分析」を指し、時系列解析とは「気温や地震、株価の変動といった時間とともに変動する現象のデータに対する分析」を指します。

    アンケートデータの解析結果から統計的に有意かどうかを読み解くのに便利なため、多くの調査会社ではR言語が採用されています。

    Pythonは機械学習を通じた「予測」に強みを持っています。例えば、住宅価格や競馬など予測モデルに強いです。

    ▲トップへ戻る

    2.3 仮説構築力

    課題発見のための仮説構築、課題解決のための仮説構築をそれぞれ行うスキルも必要です。情報収集や情報分析より前に、仮説を立てることです。

    情報の少ない段階から問題の全体像や結論を考える思考スタイル、思考習慣を「仮説思考」といいます。この仮説思考のスキルが身についていると、仕事はスムーズに進み、正確性も増すでしょう。

    ▲トップへ戻る

    2.4 コミュニケーションスキル

    コミュニケーションスキルも重要です。経営陣に近いポジションで業務を遂行するコンサルタントと異なり、現場に近いポジションで具体的に行動することが多いです。
    そのため現場からの信頼を勝ち取ることも大事な仕事で「謙虚さ」や「相手の意見を尊重する姿勢」なども重要です。

    ▲トップへ戻る

    3. データアナリストの業務の進め方・コツ

    続いて、データアナリストとして業務を円滑に進める為のコツを解説します。

    具体的には以下が挙げられます。

    • データベース操作やプログラミングなどテクニカルスキル
    • 仮説思考を徹底する
    • コミュニケーション
    • 「実行スピード」「検証スピード」を重視

    それぞれ見ていきましょう。

    ▲トップへ戻る

    3.1 データベース操作やプログラミングなどテクニカルスキルは「前提」

    RやPythonのライブラリを活用したビッグデータの活用は前提です。Web APIとスクレイピングの利用方法を学ぶことで、スクレイピングからさまざまなウェブサイトにある膨大なデータを引っ張ってきたり、学習済みモデルをWeb API形式にしてサービスに組み込ませることが可能です。
    また、自分が立てた問いに対して、しっかりと答えが出る答えを分析によって導き出すスキルが必要です。

    また、APIとスクレイピングは質の良いデータを得るために重要です。データそのものに欠損や低品質のものが混在していたり、母数が少ないと意味はありません。素材である「データ」の収集こそ、重要度が高いです。

    重要度としては以下の通りです。

    「データの質」>「分析の難易度」

    データアナリストとして業務を進める際は、Web APIとスクレイピングのスキルや、RやPythonのライブラリ活用、DB操作などのテクニカルスキルは前提です。

    ▲トップへ戻る

    3.2 仮説思考を徹底する

    仮説思考を徹底的に身につけるようにしましょう。

    仮説思考を身につけることで、意思決定の質を高めることができます。結果として無駄な仕事をすることが少なくなり、仕事が早く終わるだけではなく、仕事を進める上での質も向上します。

    ▲トップへ戻る

    3.3 現場のスタッフとの連携・コミュニケーション

    データアナリストはより現場に近い立ち位置で課題の発見と仮説立て、検証を行うポジションです。

    そのため、現場のスタッフとの連携・コミュニケーションが重要です。プロジェクト規模が大きければ大きいほどデータアナリストが一人で効果検証を行うのは難しく、現場のスタッフと連携しながら進めることが大切です。

    ▲トップへ戻る

    3.4 仮説の正確性そのものよりも「実行スピード」「検証スピード」が重要

    仮説の正確性そのものよりも「実行スピード」「検証スピード」が重要です。

    2000年代以降世界経済は急速なグローバル化が進み、合わせて市場も目まぐるしい進化を遂げています。特に2010年以降、世界経済は「VUCAの時代」が到来したと言われるようになりました。

    VUCAとは

    • Volatility(変動性)
    • Uncertainty(不確実性)
    • Complexity(複雑性)
    • Ambiguity(曖昧性)

    上記の頭文字を合わせたもので、現代の「予測不可能な状態」の経済環境を表す言葉です。

    仮説が「合っているか間違っているか」を事前に正確に把握することは難しく、なおかつ仮に「分析時点で合っていた」としても状況は刻一刻と変わり得ます。
    よって様々な切り口の仮説を高いスピードで実行し、効果検証します。
    そして、効果がない施策をストップし、効果がある施策を残してブラッシュアップするということを繰り返します。

    ▲トップへ戻る

    4. データアナリストはなくなる?不要な仕事?

    AI(人工知能)の発達により、膨大データの収集・分析・分類などに基づいた未来予測が可能になり、将来的により高精度のAIが登場して仕事が奪われる可能性があります。

    そのため、データアナリストがなくなるのではないか、不要な仕事になってしまうのではないのかと不安になる声もあります。

    ▲トップへ戻る

    4.1 定義が曖昧

    データアナリストは、データサイエンティストやデータエンジニアなどとの役割分担が曖昧で.「データサイエンティストを雇用すればさまざまな問題が解消すると思っていたのに、実際はそんなことはなかった」という、雇用者の願望と人材の持つスキルの不一致が問題視されるようになってきてもいます。そのため、定義をより明確にしていくことが今後は重要です。

    ▲トップへ戻る

    4.2 データ処理やモデル構築の自動化が進む可能性もある

    機械学習を使った予測モデルなどの適用を専門技術なしに適用できるAIプラットフォームの普及により現在データサイエンティストが行っている業務が不要になるという考え方もあります。

    実際にAI開発プラットフォームはいくつかサービスが展開されており、機械学習モデルが既に組み込まれているので、ユーザーは構築不要でデータをアップロードするだけでデータ解析や予測を行うことができます。

    例えば「MatrixFlow」は、プログラミング不要でAIを構築できる、クラウド型プラットフォームです。ディープラーニングや数値のアルゴリズムの両方が揃っており、サンプルデータが豊富なので、「データを持っていないけど、とりあえず動かしてみたい」というユーザーも利用可能です。

    ▲トップへ戻る

    4.3 「データをどのように活用していきたいか」が重要

    データ処理やモデル構築の自動化が進むと、データベース操作や簡単なプログラミングなど「データ処理能力」自体はデータアナリストのスキルセットとして評価されづらくなります。

    よってデータを活かして何をしたいか、そのものがより重視されるでしょう。データ分析能力そのもの+アルファのスキルが要求されます。

    例えば以下が挙げられます。

    • 高いプロジェクトマネジメント能力
    • 分析~アプリケーション開発までを一気通貫で担当可能

    上記のように、データアナリスト以外に付加価値を提供できる人材になることを目指していきましょう。

    ▲トップへ戻る

    5. データアナリストの給与の目安

    データアナリストの給与の目安としては以下の通りです。


    正社員 平均年収:649万円
    派遣社員 時給:1905円

    データアナリストの平均年収は649万円と、日本の平均年収と比較すると高いです。

    正社員の給料分布を見てみると、ボリュームゾーンは670~785万円で、平均年収はボリュームゾーンより低い位置に属しています。全体の給与幅としては、406~1,110万円となっているのと、上記から分かるように、勤務先や経験・求められるスキルなどによって、大幅に収入が変わってくると見込まれます。

    出典:データアナリストの仕事の年収・時給・給料情報|求人ボックス 給料ナビ(更新日:2021年1月6日)

    ▲トップへ戻る

    6. データアナリストになるには

    データアナリストになるためには、「コンサル型データアナリスト」「エンジニア型データアナリスト」のどちらを目指すのか、まずは自分の中でキャリアパスを明確化しましょう。
    その上で統計学の基礎とプログラミングを学び、日常で担当する様々な業務においても仮説思考を徹底し、仮説構築力も磨きましょう。

    未経験からデータアナリストを目指す場合、データアナリストはおろか、IT業界も未経験である方の場合、転職活動はそれなりに難航するものと覚悟しておくべきでしょう。

    データアナリストはデータ分析に関わる高いスキルがあり、なおかつ現場に近い位置でプロジェクトを大きく推進できる人材であることが求められ、高いスキルが必要とされます。長期的な視野で考えるのであれば、まずは初心者でも就きやすいエンジニアとして下積みを重ねていく、という考え方もあります。

    ▲トップへ戻る

    7. まとめ

    今回はデータアナリストとは何か、仕事内容や求められるスキルや将来性などについて解説しました。
    データアナリストはデータ分析に関わる高いスキルが要求されるので、未経験から目指す場合は敷居が高いでしょう。まずは、初心者でも就きやすいエンジニアから始めるというのも手です。
    本記事を読んで、データアナリストについて詳しく理解して頂ければ幸いです。

    ▲トップへ戻る

    データアナリストのスキルが活かせる求人情報をチェック!

    月額単価70万円〜80万円
    勤務地 東京都 品川区
    • このページをはてなブックマークに追加

    おすすめ記事

  • ピックアップ

    正社員

    【Python】データサイエンティスト|ビッグデータの分析

    年収 :350万円〜700万円

    【業務の概要】 ・課題解決のためのコンサルティング ・データサイエンスプロジェクトの推進 ・デー...

    ワークスアイディ株式会社

    正社員

    【JavaScript】データアナリスト|クライアントのマーケティング支援

    年収 :300万円〜

    自社DXプラットフォームや自社のコンサルナレッジを活用してデータを集計し、ユーザーの行動を解析・予...

    トライベック株式会社

    正社員

    【Python】データサイエンティスト|情報ポータルサイトのデータ分析・加工

    年収 :350万円〜650万円

    << ご担当いただくポジション >> 日本最大級の中古車の検索・情報ポータルサイト「グーネ...

    株式会社プロトソリューション

    フリーランス

    【SQL】データアナリスト★大規模新規RPGゲーム(ゲームに興味がある方)

    月額単価 :70万円〜80万円

    大規模RPGゲームや大手IPタイトルのゲーム開発を行う企業にて、運用データをもとに仮説構築、分析、施策...