トップ
IT・DX
データアナリストになるのは、やめといた方が良い？そう言われる訳と実際はどうなのかについて解説！

データアナリストになるのは、やめといた方が良い？そう言われる訳と実際はどうなのかについて解説！

2023.10.04

※当サイトは人材関連サービスを展開する株式会社エイジレスが運営しています。本ページは自社および提携先のPRを含む場合があります。

2023年10月現在、日本が国策として推進していることもあり、DX（Digital Transformation）というワードがテレビやネットを通して浸透してきています。DXを推進する人材の職種の中にはデータ化を担う職種の1つとして、データサイエンティストと混同されがちですが、データアナリストが挙げられます。

そして「データアナリストはやめとけ」という意見をSNS上で見かけることがあります。

この記事では、データアナリストの具体的な業務内容と、「データアナリストはやめとけ」と言われる理由を解説します。

【この記事を読んでわかること】
データアナリストの業務内容と、データサイエンティストとの違い
データアナリストはやめとけと言われる理由は「求められるスキルが非常に幅広い」「技術より経営者目線・ビジネス力を含めたコミュニケーション能力が求められる」「限られた時間の中で地道な作業が続く数字や数学的思考を常に求められる」「将来性がないと思われる」
日本が「2025年問題」に対し国策としてDX人材の確保・育成にとりくんでいること
データアナリストに必要なスキル
データアナリストになるための一般的な転職要件

データアナリストとは

やめとけと言われる理由の前に、データアナリストについて解説します。

データアナリストはデータ分析・活用の専門家です。場合によりデータサイエンティストと連携し、AIや機械学習を用いながら、対象データの選定・抽出・分析を行い、自社やクライアントの課題解決や場合により新事業を行うかマーケティングを行う場面もあります。

データアナリストは、データサイエンティストと混同されやすい職種です。どちらもデータ分析の専門職ですが、大きな違いとして成果物が異なります。

データアナリストの成果物

データアナリストはビジネス寄りの職種です。自社やクライアント企業のニーズや課題を共有し、データ分析のビジネスへの応用に注力します。データアナリストの成果物はプレゼンテーションとその資料、BIツール、Excelなどのドキュメントを用い、経営者の意思決定の判断材料や、課題解決の施策を提供します。

一方、データサイエンティストは技術寄りの職種です。データサイエンティストの成果物は、データクレンジングや適切な分析アルゴリズムの選定、速度や精度の向上のためのチューニングなどを行った高精度に構築された分析モデルが成果物となります。

データアナリストがやめとけと言われる理由5選

データ分析の専門家であるデータアナリストは「やめとけ（やめておけ）」と言われやすい職種です。

その理由のうち5つを紹介します。

求められるスキルが非常に幅広い
技術より経営者目線・ビジネス力を含めたコミュニケーション能力が求められる
限られた時間の中で地道な作業が続く
数字や数学的思考を常に求められる
将来性がないと思われる

1つずつ解説します。

1.求められるスキルが幅広い

データアナリストは大量のデータ（ビッグデータ）の中から、クライアントや自社の課題を見つけるため、データに関する様々な技術力・スキルが必要とされます。

具体的なスキルに関しては後述しますが、プログラミング能力・統計学などのデータ分析に関する技術的な面において広範囲の知識が必要です。

また、非ITエンジニアを想定したプレゼンテーションを実施するため、ダッシュボードの見やすさ・ツールの使い方など、新しい技術や流行を常に勉強し続けなければいけません。

2.技術よりも経営者目線・ビジネス力を含めたコミュニケーション能力が求められる

データアナリストはクライアントの経営・ビジネスの課題解決や、場合により新しく取得したいデータ項目の提案なども行うことになります。

ITエンジニアが技術について日々勉強し続けていくことは必至ですが、データアナリストにもっとも必要な能力はコミュニケーション能力です。なぜならデータアナリストの仕事は、分析したデータを活用した施策を、クライアントに効果的にプレゼンテーションをすることだからです。

プレゼンテーションは非ITエンジニアである経営者の意思決定に関わるため、必然的にExcelやPowerPointなどのドキュメント類の作業が多くなります。

また、現場によっては事実上の兼任になっている場合もありますが、データ活用基盤にて分析用のデータを集計などをする前に整理するといった技術的アプローチは、おもにデータサイエンティストが行い、その結果から課題解決の施策を導くことがデータアナリストの本業です。

そのため技術面よりも、自社や様々なクライアントの売上向上・経費削減・販売路線、ユーザーのニーズ・マーケティング・新規開拓などの経営者目線やビジネス力が求められます。

技術面のスキルを中心に磨きたいエンジニア志向（技術志向）の方にとっては、キャリア形成のミスマッチとなります。

3.限られた時間の中で地道な作業が続く

クライアントの経営者に対してプレゼンテーションを行うため、一見華々しさはありますが、実務においては地道なデータ分析の作業が続くことが多いです。

分析対象であるデータを、どのような角度で分析すればクライアントのニーズを満たす課題解決案となるのか、とっかかりが重要です。厳密にはデータサイエンティストの役割も含みますが、探索的データ分析（EDA）ツールを使うことでグラフィカルにデータ分析を行います。

参考：

探索的データ分析とは｜IBM

課題に対して仮説を想定し、シミュレートした結果どうなるかという作業を続けることになります。日によっては1日中データ整理を行っていることもあります。

しかしながら、データ分析において重要なことは、データ分析の正確さよりも対応の素早さのほうが求められる場面が多いことです。この限られた時間内で、クライアントの課題やニーズを満たす施策を提案していきます。そこから、既に実施した施策をさらに検証して別のアプローチで再検証というフェーズを何回か繰り返します。

地道な作業を繰り返す点、限られた時間内でクライアントの課題に対する施策をドキュメントにまとめる点など、これらに苦手意識がある方にはキャリア形成がミスマッチです。

4.数字や数学的思考を常に求められる

データ分析が業務ですので、様々な数字と常に向き合い続けることになります。そのため、クライアントの課題を解決するために、多角的な視点から情報を整理する数学的志向が求められます。

整理したデータ・情報を、課題解決のために具体化・抽象化・類別・比較などを行い、限られた時間内に解決案にまとめ、説明することになります。これらの数学的思考が苦手なら、データ分析以外の職種が向いています。

5.将来性がないと思われる

数年前までデータアナリストらが手作業で行っていた業務のいくつかは、現在ではBI（Business Intelligence）ツールの導入やAIによって自動化が日進月歩で進化しています。

また、ツールの操作性やビジネス職（営業職や経営層など）のリテラシーの向上により、データ分析の分野においては、将来的に人間がデータアナリストとして活躍する場面がなくなると考えてしまう方もいます。

たしかに、Oracle Databaseや無償で扱えるMySQL、PostgreSQLなど歴史あるRDBMSにBIツールにて接続する環境さえあれば、データ分析の専門知識がなくともある程度のデータ分析は可能です。

しかしながら、データ分析の専門家としてデータアナリストの将来性は十分あります。

データアナリストはAIに取って代わられてしまうのか？

データアナリストはAIの進化によって、今後人間が担う必要がなくなるという話はたしかに近年では耳にすることがあります。しかしながら、データアナリストは将来性がないどころか、今後より一層必要な職種の1つとなります。

日本国がデータ活用をDX推進指標にしている

データ分析・活用の専門家であるデータアナリストが、将来性のある職種と言える根拠として、まず経済産業省が平成30年の時点で「2025年の崖」を公表しています。

感染症の影響により経済状況が変化しましたが、「2025年の壁」では日本企業のDX（デジタルトランスフォーメーション）化が推進されなければ2025年以降、毎年12兆円の経済損失が生じる可能性があると警鐘を鳴らしているのです。

参考：

DXレポート（サマリー）｜経済産業省

そのため、2023年現在、日本では国を挙げてDXを推進しています。

ビジネスモデル変革、新たなサービスの創出といったDXを実現するためのITシステムの要件について、IPA（独立行政法人情報処理推進機構）がDX実践手引書 ITシステム構築編(完成第1.0版)を公開しています。

参考：

DX実践手引書 ITシステム構築編(完成第1.0版)｜IPA（独立行政法人情報処理推進機構）

この手引書ではDX実現のための技術の観点において、以下の3つが記載されています。

スピード・アジリティ
社会最適
データ活用

データ活用

経験や勘ではなく、データドリブンな課題解決・意思決定の実現のためには、データの収集と品質管理が整備されたデータ活用基盤が不可欠です。

蓄積されたデータを整理・整備し、ビジネスの課題解決、経営方針を定めるためには、今後より一層データアナリストが必要となります。

DXを推進する人材の「量」・「質」ともにデータ活用者が不足している

技術的観点においてデータ活用が重要視されていますが、DX白書2023に公開されているように、データを活用する人材が「量」・「質」どちらにおいても圧倒的に不足していることがわかります。

また、米国と比較すると日本がいかにDX分野で後れをとっているかが読み取れます。

その中でもデータアナリスト（データサイエンティスト）がもっとも不足しており、データ利活用ができる人材の需要が非常に高いことがわかります。

注1：この記事において、後述するようにDX白書2023における「データサイエンティスト」は「データアナリスト」と同義と捉えます。

参考：

DX白書2023｜IPA（独立行政法人情報処理推進機構）

注2： DX白書2023では、データ利活用のための分析結果を担う職種を「データサイエンティスト」としてまとめていますが、データ分析結果からデータを活用する職種が「データアナリスト」です。DX白書2023の第4部の3節において、

「受講者にアセスメントを行い、社内のデータアナリストとして認定する。DX推進部門だけではリソースに限りがあるため、現場の担当者が自ら業務データを活用できるようにし、自然発生的に改革が進むようにする狙いである。」

とあるため、この記事では図1にある「データサイエンティスト」の記載を「データアナリスト」と同義として捉えます。

出典：DX白書2023｜図1.DXを推進する人材の「量」の確保

出典：DX白書2023｜図2.DXを推進する人材の「質」の確保

出典：DX白書2023｜図3.デジタル事業に対応する人材

出典：DX白書2023｜図4.デジタル事業に対応する人材の「量」の確保（職種別）

AIが発展してもデータアナリストは必要

データアナリストは「AIの発達・普及により仕事が失われるため将来性がない」と考えられる側面もあります。実際にAIやツールの活用によって、データ分析の作業は専門的な知識がなくとも効率的に分析がしやすい環境になりました。

しかし、たしかに分析作業そのものはハードルが下がりましたが、肝心の分析結果をどのように活用するかという点においては、データアナリストが求められ続けています。

分析したデータを活用し、自社やクライアントの経営・ビジネスの課題解決について経営陣とコミュニケーションを取りつつ、場合により別途新たな項目のデータの必要性の提案や新規サービスの立ち上げなどについては引き続きデータアナリストという人間が必要です。

また、データアナリストの中でも以下のような強みをもっている人材は、AIによる自動化や技術のコモディティ化（技術としての競争力が低下し、一般的な技術となること）の早さの影響を受けにくいです。

コンサルタントスキルが極めて高いデータアナリスト

データアナリストの本分は、課題に対して具体的な解決策を提示することです。

そのため、マーケティングに対する知識、PDCAやロジカルシンキングなどコンサルタントに求められるスキルが高いデータアナリストは需要が高いでしょう。

AIなどの技術によってデータ分析処理そのものが自動化されたとしても、自社やクライアントの要望や課題の分析といったビジネスの上流工程の整理や企画などについては、人間の思考力が必要とされます。加えて、分析結果の活用について施策の提案や、データの利活用についても自動化の影響は受けにくいと考えられます。

専門性が高いデータアナリスト

データサイエンティストに求められるような、機械学習の手法やデータクレンジングなどの技術があるデータアナリストなら、データ分析・活用の切り口が広くなるため需要が高いです。R言語やPythonを用いた高度なプログラミングスキルや、統計学の深い知識があればデータサイエンティストとの兼務になるため、需要はかなり高くなります。

業界のスペシャリスト

金融・証券・医療・ゲーム・EC・Web広告など、データ分析力そのものが競争の優位性に直結しやすい業界に精通しているデータアナリストは、AIというシステムと異なるポイントであるため需要が高いです。

これらの業界は企業内部にデータ分析の専門組織がある場合もあり、その業界のスペシャリストとして認知されることで将来性があります。

参考：

データアナリストの将来性【今後需要が伸びるタイプ、停滞するタイプとは】｜アクシスコンサルティング株式会社

データアナリストとして働くことのメリット・やりがい5選

データアナリストとして働くことで得られるメリット・やりがいについて5つご紹介します。

1.自身がデータ分析から導き出した施策を実施していただき、良い結果が出たとき

データアナリストとしてもっともやりがいを感じるときは、提案したクライアントの課題に対する施策を実際に実施していただき、結果が数字で現れたときです。

データアナリストは膨大なデータの中から、クライアントの課題・ニーズについて認識を合わせながら施策を提案しますが、提案した際にクライアント側に不満があった場合は、施策の実施まで移らないこともあります。

施策の提案内容に魅力を感じていただいた場合は、施策を実施してもらい、結果を待ちます。対象のITシステムやサービスによって結果の反映時間は異なりますが、結果的に売上向上や経費削減など、数字でしっかり効果がでた場合がもっともやりがいを感じる瞬間です。

2.DX人材として、新しいサービスの立ち上げに携われたとき

前述した通り、日本では国を上げてDXを推進しています。特にスタートアップ企業でスモールスタートから事業展開していく場合は、新規ITシステムのクローズドベータテスト段階のユーザーからのフィードバックから、改善点や機能追加などを素早く実施する必要があります。

新規ITシステムの場合、分析対象のデータは必ずしも大量ではありませんが、対象システムと顧客ニーズを考慮し、伸びしろと逆に不評だった機能を選定します。

スタートアップ企業においては事業がつまずくことは致命的となるため、経営の意思決定に自分が携われたことは良い経験となりました。このような事例はコンサルタント色が濃いデータアナリストだからこそ経験できるメリットの1つです。

3.スキルや経験があるほど活躍できる場面が増える

この記事の筆者はITシステム開発、データベースエンジニア、QAエンジニアなどを経た後に、データアナリストとしての業務を行いました。

もともとデータまわりの業務が多かったですが、これらの経験があるからこそ考えられるデータ分析の切り口や、課題解決案の提示に繋がったことは明らかです。筆者の経歴は特殊ですが、技術面のみならず様々な業界に関わった経験があれば、それだけ活躍できる場面が増えるという好循環が生まれます。

コンサルタント面が強いデータアナリストならではのメリットであり、やりがいにも繋がります。

4.データアナリストはコンサルタント型かエンジニア型か選択できる場合がある

データアナリストは大きく分けて、これまで主に解説したコンサルタント型と、エンジニア型データアナリストに区分けされます。

エンジニア型データアナリストは、機械学習やデータマイニングなどビッグデータを処理する技術を活用し、データ分析を行う職種です。コンサルタント型・エンジニア型の区分けは境界が曖昧であったり、人手不足であるために実際には兼務になる場合もあります。

「データアナリスト」のキャリア形成において、自分がデータに対してどのようなアプローチをしたいのかを意識し、現場で方向性を選択できる立場であれば適性のある方向に進むことが可能です。

もし、望まない方向だとしてもデータアナリストは特に人手不足の状況ですので、スキルを磨き、転職を視野にいれて行動することもできます。また、データアナリストは「データサイエンティスト」とも区分けが曖昧な面もあるため、転職を視野に入れる場合はデータアナリストだけではなく「データサイエンティスト」として求人情報を確認することを推奨します。

データに向き合うという面においては、データアナリストはキャリア形成の幅が広いことがメリットの1つです。

5.自社サービスに注力するか様々な業界に携わるか選択できる

これは現場に依存することですが、データアナリストのデータ分析対象が自社なのか、それともクライアント企業なのかという環境の面がやりがいにもメリットにも繋がります。

分析対象がおもに自社のサービスや製品であり、所属企業内での複数のプロジェクトを深掘りしていく環境があります。データ分析は素早さを強く求められるため、自社内のプロジェクト各種に素早く貢献していくことで、マネジメント職も担う役職につくキャリア形成があります。

一方で、分析対象がおもにクライアント企業であり、幅広い分野・業界に携わる場合もあります。この場合、分析対象のデータがそれぞれまったく異なるものになるうえ、それぞれの業界の慣習についても知見を学ぶことになるため必然的にデータ分析の視野が広くなります。

いくつかの業界を経験したうえで、たとえば金融業界を深掘りしていき、業界内での知名度や影響力を増すことでAIには潰されにくい人材となることも可能です。

データアナリストに必要とされるスキル・知識

データアナリストに必要とされるスキルや知識は非常に多岐にわたります。

ビジネススキル

クライアントのビジネス課題を踏まえ、効果的なデータ分析を企画できるスキル。分析対象の案件をマネジメントし、分析結果をレポート・プレゼンテーションするスキルが求められます。

コミュニケーション能力

データアナリストのうち、特にコンサルタントに近い型のデータアナリストはクライアントが抱える課題に対して仮説を立てて検証し、意思決定者に課題解決案の施策を提示します。そこで経営者目線で意思決定者に納得いただき施策を実施、その結果から今後につなげていくという立場になります。

クライアントの企業としての意思決定に大きく携わるため、場合によりクライアント企業の経営陣とのコミュニケーションが求められます。

データベース、SQL、データストア

データ分析の専門家なのでデータベースの設計、SQLによるデータ抽出や集計のスキルは基礎のスキルにあたります。

また、近年ではRDBMSだけではなく、NoSQLデータベース・データウェアハウス・オブジェクトストレージなど、詳細は割愛しますが様々なデータストアを扱うことが多いため、適切なデータストアの選定もスキルの1つといえます。

分析用プログラミング言語

データ分析の際によく使われるプログラミング言語は、RやPython、SASなどが挙げられます。特にRとPythonについてはデータクレンジング、分析アルゴリズムの運用、可視化などに多用されるため必須のスキルです。

機械学習

機械学習と聞くと一見難しく感じる面もありますが、フレームワークを用いることで分析モデルの構築に活用できます。

ディープラーニングでよく使われるフレームワークは以下が挙げられます。

TensorFlow
PyTorch
Keras
Chainer

機械学習についてはデータサイエンティストの役割ですが、代表的なフレームワークについての概要程度にはデータアナリストも知見が必要です。

統計学

記述統計や推測統計の基礎については、データ分析業務の前提となるため必須です。

記述統計として、平均値・中央値・標準偏差・最頻値・相関関係などの知見が求められます。

また、推測統計は回帰分析や統計的検定などに関する理論的な知識です。分析モデルの仕組み、評価、解釈の方法を学びます。具体的に業務で必要なレベルの目安として、統計検定2級程度（大学基礎課程レベル）が目安となります。

Excel

分析対象のデータ量が数万件程度の場合、アドホックに分析する際にExcelを使うことがあります。基礎的な関数（IF、VLOOKUPなど）やピボットテーブルを使いこなせる必要があります。

BIツール

データをビジュアル化し、経営の意思決定者に課題解決案や施策をわかりやすく伝えるため、ダッシュボードやレポートを作成します。

BIツール（Business Interigense）を用いることで、ドラッグ＆ドロップベースのマウスによる直感的な操作にてデータのビジュアル化やレポート作成、シミュレーションができるツールです。

代表的なBIツールとして以下が挙げられます。

Power BI（パワーBI）
Tableau（タブロー）
b→dash（ビーダッシュ）
Amazon QuickSight（アマゾンクイックサイト）
Pentaho（ペンタホ）
Metabase（メタベース）

上記以外にも様々なBIツールがあるため、分析対象に見合ったBIツールを選定します。

データアナリストになるのは転職でも可能？

データアナリストになるために転職をすることは可能です。

DX人材は人手不足の状態であるため、30代・40代以上でもデータベースエンジニア、データサイエンティスト、データエンジニアとしての経歴があればデータアナリストとしての転職は十分可能です。

また、業務分析の専門家である「ビジネスアナリスト」としてITツールを活用した経験があればデータアナリストに転職することができます。

一方で、IT業界での実務がまったく未経験の場合は新卒入社やポテンシャル採用にて若年層を育成する傾向にあり、30代以上での未経験の場合は実務経験相当のポートフォリオの提示や、公の場でのプレゼンテーション実績などがないと厳しい傾向にはあります。

データアナリストが厳しくても、「データアナリストアシスタント」というデータアナリストをサポートする立場なら、IT業界以外での経験を考慮されて転職可能な場合があります。

データアナリストアシスタントとして転職する

データアナリストアシスタントとして転職する際に以下のようなケースがあります。

IT業界でソフトウェア開発の経歴があれば採用されやすい

データ分析に直接関連した実務経験がなくとも、IT業界でソフトウェア開発に携わっていた場合は、データアナリストをサポートするデータアナリストアシスタントからキャリア形成を始められます。

IT技術以外の分野での経歴が活かされる場合

データアナリストはコンサルタントに近い役割であるため、IT技術とは別に、マーケティング経験や文系大学卒でも心理学などの分野の経験があれば、「データアナリストアシスタント」として転職することが可能です。

データアナリストとしての独立や転職はエイジレスにご相談を

現在データアナリストとして就業されている方や、データアナリストを目指したい方向けに、エイジレスではキャリア相談や独立時の案件紹介をさせて頂いております。

エイジレスエージェント（正社員エージェント）のおすすめポイント

大手企業様と信頼関係があるから高い面談／内定率
年収大幅アップでの内定実績多数

エイジレスエージェントのおすすめポイント

高単価案件が豊富、上流商流の案件のみ取り扱い
40代以上のベテランIT人材の大幅年収アップ事例多数

転職とフリーランスどちらの相談にも乗れますので、是非お気軽に相談を！

まとめ｜データアナリストはやめとけとの声もあるが職種名ではなくその中身まで理解してキャリア生成を

この記事を通じて、以下の5つのことが分かりました。

データアナリストの業務内容と、データサイエンティストとの違い
データアナリストはやめとけと言われる理由は「求められるスキルが非常に幅広い」「技術より経営者目線・ビジネス力を含めたコミュニケーション能力が求められる」「限られた時間の中で地道な作業が続く数字や数学的思考を常に求められる」「将来性がないと思われる」
日本が「2025年問題」に対し国策としてDX人材の確保・育成にとりくんでいること
データアナリストに必要なスキル
データアナリストになるための一般的な転職要件

データアナリストは「やめとけ」との意見もあります。

そのおもな理由として、「データアナリスト」には2パターンが混在し、データサイエンティストとの区分けについても曖昧な部分があり、自身の適性やキャリア形成とミスマッチしていることが挙げられます。

日本は国策としてDX人材を求めているため求人数も多く、AIによってデータアナリストが不要になることはありません。重要なことは自身の希望に沿ったキャリアを築いていくことです。

執筆者

宮崎翔平

国内大手SIer、Web系企業にて主にデータベース関連を中心にシステム開発およびQAエンジニアとして約8年務めた後、スタートアップ企業にてCTOに就任し、AWSを用いた音声によるログ・レビューシステムにおいて特許を取得。コミュニティ活動としてスマートスピーカー関連の勉強会を同時運営、技術書典での執筆活動などを実施。現在はフリーランスITエンジニアをしつつ、古物商、投資家、動画編集、時にVtuberをこなすパラレルワーカー。