データアナリストはやめとけと言われる理由は?現役AIエンジニアが解説

まるこです|・ω・`)ノ

今回の記事は、当ブログが掲げる「AI人材になるためのロードマップ」の中で

「STEP1 AI人材について知る」に当たります。

順番に読み進めていくことで、効率よく準備を進められるようになっております。

AI人材を目指す方は、ぜひ他の記事にも目をお通してみてください。

AI人材になるためのロードマップ

データアナリストについて調べていると「データアナリスト やめとけ」という検索ワードがよく出ます。

はたして本当に「やめとけ」と言われているのでしょうか?

当記事では「データアナリスト やめとけ」の実態を探ろうと思います。

それではいってみましょう!

目次

データアナリストとは

データアナリストとは、データ分析を行い、その結果をビジネスに結び付けるプロフェッショナルです。

分析結果をBIツールなどで可視化してビジネス上のボトルネック解消や意思決定などに役立てるための提案をします。

最近ではデータ分析にAI技術を用いることが一般的になりつつあり、AI人材に当たる職種でもあります。

データアナリストの位置づけ

当ブログでは、代表的なAI人材である

  • AIエンジニア(機械学習エンジニア)
  • データサイエンティスト
  • データアナリスト

の3職種を取り上げていますが、それぞれの職種は厳密に線引きが決まっているわけではなく、個人や団体によって認識が異なっています。

原因として、職種自体が新しい事、またAIの急速な進化によりAI人材の職能が移り変わっているためと考えられます。

下の図は、僕が書籍やWebメディアから集めた情報を大きく2パターンに分類したものです。

当ブログでは、求人サイトや現役AI人材の個人ブログでよく用いられている「パターン2」を採用しています。

「パターン2」を採用する理由ですが、求人サイトの情報は「実態」を表しており、個人ブログは「生の声」を表していると考えているためです。

逆に、書籍は最新の情報ではない場合があり、企業ブログは記事執筆者がはっきりしない(書籍等を参考に無難な情報を、外注が書いている可能性大)部分があるためです。

データアナリストは他の2職種と比べ、データ分析をもとにしたコンサル的な役割が重視される傾向があるようです。

データアナリストの置かれている現状

この章では、実際のデータをもとにデータアナリストの置かれている現状を見てみましょう。

ネット上の様々な意見に流されないためにも、実際のデータを確認することはとても重要です。

IT人材需給に関する調査

以下の図は2019年に経済産業省が発表した「IT人材需給に関する調査」から抜粋してきたものです。

2018年ではAI人材の需要が約4万人ほどだったのに対し、

2025年では約17万人、

2030年では約24万人まで増加すると予想されています。

需要ギャップは2025年、2030年ともに需要の約半分を占めており、

人材不足はしばらく解消されないでしょう。

Reスキル講座(第四次産業革命スキル習得講座)

Reスキル講座(第四次産業革命スキル習得講座)とは、

AIやIoT、クラウドといった第四次産業革命を支える技術を多くの人に習得してもらうための講座です。

経済産業省と厚生労働省が連携し、両省が認定する講座の受講者に対して最大で受講費用の7割を補助してもらえます。

日本はそもそもIT分野で世界各国に後れを取っているので、国としても力を入れざるを得ない状況なのです。

データアナリストの年収

下のグラフは「求人ボックス」と「Indeed」の求人統計データをまとめたものです。

給料情報の算出について

記載の給料情報は2022年4月に求人ボックス上で掲載されていた求人情報から算出した給料情報です。
※平均年収(時給):集計対象求人における給与水準の中央値を示しています。

求人ボックス給料ナビ

給与の推定額は、従業員やユーザーが Indeed に匿名で提供した給与額、および過去3年間に Indeed に掲載された求人から収集した給与額に基づいて算出されています。最終更新: 2022年5月

Indeed 給与調査

このように、データアナリストは

  • 超売り手市場
  • 政府主導で学習環境をサポートしている

ということがわかると思います。

データアナリストはやめとけと言われる理由

データアナリストは高年収であり売り手市場であることは間違いありません。

では、「やめとけ」と言われる要因があるとすれば、それはなんでしょうか。

ここではいつくか例を挙げてみようと思います。

身に着ける技術のハードルが高い

「データ分析」「統計学」「ビジネス推進力」などを習得する必要があるので、未経験から目指す場合ハードルは高めだと思います。

といっても、すべてを極める必要はありません。

関わる業務によってそれぞれの重要度が変わってくるからです。

自分が就きたい職種によって身に着けるスキルの割合を変えていくと効率的に勉強ができます。

当ブログでは、キャリアチェンジを見据えた最も効率のいい勉強法として、まず求人を見てみることをおすすめしています。

詳しくはSTEP2の以下の記事でまとめています。

常に勉強し続ける必要がある

データアナリストがデータを扱う専門職である以上、AI技術と二人三脚する覚悟が必要です。

AIに興味のある方はご存じかもしれませんが、AI技術の進化はとどまることを知りません。

データ分析の話題とは少し離れますが、AI研究企業OpenAIが2022年4月6日に発表した画像生成AI「DALL・E2」が衝撃的でした。

また、ディープラーニング技術でいうと、もともと自然言語処理分野で生まれた「トランスフォーマー」というモデルが画像・音声など他分野の既存モデルを塗り替えて普及しています。

AI業界ではトランスフォーマーによって「分野の大統一」が進んでいるのです。

去年まで当たり前だと思っていたものが、今年は新しいものに置き換わるということが起こる世界なのです。

これを「おもしろい」と感じるか「めんどくさい」と感じるかは、AI人材として働き続ける上で重要な部分です。

AutoMLの台頭で仕事がなくなる可能性がある

ビッグデータを扱う現代ではデータ分析に機械学習が使われています。

AutoML(Automated Machine Learning)とは機械学習を自動化する技術のことです。

簡単に言うと、今まで人の手で行われていた機械学習モデルの選定やパラメータの調整などを自動で行うというものです。

AutoMLの中には、AIに関する専門的な知識が無くても扱えるように設計されたものもあり、AIを用いたデータ分析の敷居は年々下がっています。

しかし私自身はデータアナリストの仕事がなくなるとは思っていません。

逆にデータアナリストの仕事の効率が上がり、空いた時間で別のスキルを身に着けることで自分の市場価値を上げることができます。

昨今はAI一辺倒ではなく、「AI+X」型の人材を目指すことが重要視される傾向にあります。

「AI+自分の詳しい分野」を目指すことで、あなたの市場価値はどんどん上がっていくでしょう。

具体的には、将来的に年収アップのための転職をする際

「私は○○を得意とするデータアナリストです」

と言えるようになっておくといいでしょう。

データアナリストになるには

ここでは僕の経験をもとにデータアナリストになるために準備できることをまとめたいと思います。

僕自身はAIエンジニアですが、

  • AIエンジニア(機械学習エンジニア)
  • データサイエンティスト
  • データアナリスト

は必要スキルが重なる部分が多いので参考になると思います。

スクールに通う

キャリアチェンジを目指す際に一番難しいことが、モチベーションを維持することです。

たいていの人は働きながら勉強することになるので、なかなか時間を確保するのも大変だと思います。

そんな時に選択肢にあがるのが「スクール」です。

実際、僕はオンラインプログラミングスクールに通いました。

(スクール選びは失敗しましたが…)

僕自身の経験談(失敗談)から、スクール選びの鉄則を考えてみました。

スクール選びの2つの鉄則
  1. 特定の分野を専門にしているスクールを選ぶべし→手広くやっているスクールは内容が薄い
  2. Reスキル講座(第四次産業革命スキル習得講座)を選ぶべし→国が受講費用の最大7割を補助

そして、上記を満たすスクールとして、僕は以下のスクールをお勧めしています。

管理人おすすめのスクール

データミックスをおすすめする理由

この手のスクール全般に言えることですが、修了条件はかなり低く設定されています。

スクールはいわば入学試験がない学校のようなもので、受講者のレベルは千差万別です。

そのため講座のレベルを上げすぎると、

  • メンターへの負担が重くなる
  • 学習がスムーズに進まず受講者の満足度が低下する

ということが起こります。

入学試験がない大学を想像してもらうとわかりやすいですが、そりゃカオスなことになりますよね笑

僕も、業界最大手のオンラインプログラミングスクールに通いましたが、正直物足りなさを感じました。

その点、データミックスは入学試験があります。

カリキュラムのレベルがしっかりしているからこそ、しっかりついてこれるかどうかを見極めるわけです。

「えー、入学試験なんてめんどくさ」

なんて思わないでくださいね。

スクールに通う目的は、しっかりしたデータサイエンスのスキルを身に着けることのはずです。

検討するスクールで「実務で使えるスキル」が身につくかどうかをしっかり判断しましょう。

給付金対象は「データサイエンティスト育成コース本講座」

「データサイエンティスト」と銘打ってますが、データアナリストを目指す方も対象です。

カリキュラムを見ると、データミックスの考える「データサイエンティスト」の立ち位置はどちらかというとビジネス寄りみたいなので、当ブログで紹介した「AI人材の分類 パターン1」に近いです。

ここで注意してほしいのですが、実際の求人においてデータサイエンティストはエンジニア寄りであることが多いため、もしデータミックスを受講するならデータアナリストの求人を狙う方がミスマッチが少ないということです。

データミックスの卒業生インタビューでも、データアナリストとして働いている人が多い印象です。

「データサイエンティスト育成コース本講座」は4ステップに分かれていますが、データアナリスト志望者はステップ3まで受講すればスキル的に問題ないとしています。

といっても1~3ステップを申し込むより、4ステップすべて受講して給付金対象にした方が安くなります。

高度な内容も学べて安く受講できるので、いいこと尽くめですね!

データミックスについてはいずれ記事にまとめようと思いますが、説明会に参加して直接聞いた方が情報も正確ですしイメージもわくと思います。

気になった方は説明会に参加してみましょう!

データ分析コンペに参加する

独学で勉強を進められそうな人は、データ分析コンペに参加するのもおすすめです。

といいますのも、僕自身以下のような流れでAI人材にキャリアチェンジしたからです。

  1. 趣味でプログラミングをはじめる
  2. AIについて知り興味がわく
  3. スクールに通う
  4. データ分析コンペにハマる
  5. AIエンジニアにキャリアチェンジ

ここでは「SIGNATE」というデータ分析コンペサイトを紹介します。

SIGNATEは実際の企業が抱える課題を題材にしたコンペや学習サービスを提供しているので、データアナリストとして働き出した際のイメージを掴むのにもってこいです。

しかも学習履歴やコンペの参加状況などをポートフォリオのように企業に見せることもできます。

僕の場合、コンペでメダルが獲れたのを機に転職活動を始めました。

SIGNATEについては以下の記事で詳しくまとめているので、参考になさってください。

まとめ

当記事では「データアナリスト やめとけ」という検索ワードについて考察しました。

ポイントは以下の通りです。

  • データアナリストは高需要かつ高年収
  • 高度な専門性が求められる
  • 未経験者はスクール×データ分析コンペがおすすめ

最後まで読んでくださりありがとうございました。

まるこでした|・ω・`)ノ

今回の記事は、当ブログが掲げる「AI人材になるためのロードマップ」の中で

「STEP1 AI人材について知る」に当たります。

順番に読み進めていくことで、効率よく準備を進められるようになっております。

AI人材を目指す方は、ぜひ他の記事にも目をお通してみてください。

AI人材になるためのロードマップ
  • URLをコピーしました!
目次
閉じる