データアナリストからデータサイエンティストへ:求人データで見たスキルの重なり
このページは検索エンジンにインデックスさせていません。インデックスの条件は 遷移元・遷移先とも掲載中求人20件以上 (実績は15件 /29件)、 かつスキル重複率10%以上 (実績は38%)です。 この条件では統計は参考値として扱ってください。
データサイエンティストの求人で10%以上に出現し、かつ掲載中求人全体での出現率より5ポイント以上高いスキルを26個抽出し、データアナリストの求人15件での出現率と突き合わせました。機械学習(データサイエンティスト82.8% / データアナリスト46.7%)をはじめとする7個が共通し、データ基盤(データサイエンティスト48.3% / データアナリスト13.3%)など19個が不足しやすいスキルとして残ります。
対象スキル = データサイエンティストの求人で10%以上に出現し、かつ掲載中求人全体での出現率より5ポイント以上高いスキル。出現率の上位から機械的にN個取るのではなく、 全求人との差(固有度)で選んでいます。汎用的なスキルだけが並んで重複率が高く出る、 という偏りを避けるためです。重複率は対象スキルを固有度で加重し、データアナリスト側のカバー率(=データアナリストの出現率 ÷ データサイエンティストの出現率、上限100%)で 平均した値です。求人票に書かれない要素(業界知識・チーム内での役割・成果物の質)は 評価に含まれていません。この数値は転職の成功率ではありません。出典: type.jp・green-japan.comの公開求人情報(取得日 2026-07-28)。
そのまま活かせるスキル(7個)
| スキル | データサイエンティスト | データアナリスト | 全求人 | 固有度 | カバー率 |
|---|---|---|---|---|---|
| 機械学習 | 82.8% | 46.7% | 3.8% | +79.0pt | 56% |
| Python | 79.3% | 46.7% | 18.6% | +60.7pt | 59% |
| 生成AI/LLM | 58.6% | 20.0% | 16.0% | +42.6pt | 34% |
| SQL | 62.1% | 73.3% | 19.9% | +42.2pt | 100% |
| 統計解析 | 27.6% | 20.0% | 0.5% | +27.1pt | 73% |
| A/Bテスト | 20.7% | 33.3% | 3.2% | +17.5pt | 100% |
| BIツール | 13.8% | 46.7% | 2.7% | +11.1pt | 100% |
データアナリストの求人15件でも15%以上の頻度で要求されているスキルです。 「固有度」はデータサイエンティストでの出現率から掲載中求人全体での出現率を引いた値で、 大きいほどその職種を特徴づけるスキルであることを意味します。
追加で必要になりやすいスキル(19個)
| スキル | データサイエンティスト | データアナリスト | 全求人 | 固有度 | カバー率 |
|---|---|---|---|---|---|
| データ基盤 | 48.3% | 13.3% | 3.2% | +45.1pt | 28% |
| MLOps | 34.5% | 0.0% | 0.8% | +33.7pt | 0% |
| AWS | 51.7% | 6.7% | 25.4% | +26.3pt | 13% |
| Git | 34.5% | 13.3% | 12.0% | +22.5pt | 39% |
| BigQuery | 20.7% | 13.3% | 2.3% | +18.4pt | 64% |
| Databricks | 17.2% | 0.0% | 0.4% | +16.8pt | 0% |
| 推薦システム | 17.2% | 0.0% | 0.4% | +16.8pt | 0% |
| 深層学習 | 17.2% | 0.0% | 0.5% | +16.7pt | 0% |
| Snowflake | 17.2% | 0.0% | 1.1% | +16.1pt | 0% |
| GCP | 27.6% | 6.7% | 11.8% | +15.8pt | 24% |
| Docker | 24.1% | 0.0% | 9.8% | +14.4pt | 0% |
| プロジェクトマネジメント | 37.9% | 6.7% | 23.7% | +14.2pt | 18% |
| Kaggle | 13.8% | 0.0% | 0.3% | +13.5pt | 0% |
| scikit-learn | 13.8% | 0.0% | 0.4% | +13.4pt | 0% |
| 時系列分析 | 13.8% | 0.0% | 0.4% | +13.4pt | 0% |
| 英語 | 17.2% | 6.7% | 6.9% | +10.3pt | 39% |
| 自然言語処理 | 10.3% | 0.0% | 0.5% | +9.9pt | 0% |
| Azure | 24.1% | 0.0% | 14.4% | +9.8pt | 0% |
| PyTorch | 10.3% | 0.0% | 0.6% | +9.8pt | 0% |
データサイエンティストに固有でありながら、データアナリストの求人では15%未満しか要求されていないスキルです。 固有度の高い順に並べています。 このデータは何を学ぶべきかの優先順位を示すものではなく、 求人票への記載頻度の差を示しているだけです。
提示年収の比較
| 職種 | 掲載中求人 | 年収記載あり | 中央値 | 25〜75%レンジ |
|---|---|---|---|---|
| データアナリスト | 15件 | 15件 参考値 | 650万円 | 563万円〜840万円 |
| データサイエンティスト | 29件 | 29件 | 900万円 | 775万円〜1,003万円 |
中央値の差は250万円(データサイエンティストのほうが高い)ですが、 どちらかの年収記載サンプルが20件未満のため参考値です。 この差が実在するかどうかは、このデータでは断定できません。
サンプル値 =(提示年収の下限+上限)÷2、片方のみ記載の場合はその値。 サンプル数が20件未満の統計には参考値バッジを付けています。 年収分布・求人例・スキルランキングはデータサイエンティストの年収相場にまとめています(このページは遷移固有の比較だけを扱います)。
転換の現実性:データサイエンティスト側の受け入れ状況
| 指標 | データサイエンティスト | データアナリスト |
|---|---|---|
| 掲載中求人 | 29件 | 15件 |
| 未経験歓迎の記載あり | 4件(13.8%) | 2件(13.3%) |
| リモート勤務可 | 8件(27.6%) | 3件(20.0%) |
データサイエンティストで未経験歓迎と明記された求人は4件、データサイエンティスト求人全体の13.8%です。データアナリスト側の13.3%と比べて高く、 母数(29件)自体がデータアナリスト(15件)より多い点も併せて見る必要があります。
「未経験歓迎」は求人票の記載からの判定であり、実際の選考基準とは異なる場合があります。 応募して通過するかどうかは求人データからは分かりません。
データサイエンティストそのものの求人統計
データサイエンティストの年収分布・スキルランキング・求人例・地域分布は、遷移元によって変わらないため このページでは繰り返しません。データサイエンティストの年収相場(29件の集計)にまとめています。
よくある質問
データアナリストの経験はデータサイエンティストでどのくらい通用しますか?
データサイエンティストの掲載中求人29件から、データサイエンティストの求人で10%以上に出現し、かつ掲載中求人全体での出現率より5ポイント以上高いスキルを26個抽出し、データアナリストの求人15件での出現率と比べました。固有度で加重した重複率は38%です。最も重なりが大きいのは機械学習で、データサイエンティストの82.8%、データアナリストの46.7%の求人で要求されています。これは求人票の記載が重なっている度合いであり、実務経験の深さが評価されるかどうかはこのデータでは分かりません。
データサイエンティストになるには何を追加で学ぶ必要がありますか?
データアナリストの求人で15%以上要求されていない対象スキルは19個です。固有度が最も高いのはデータ基盤で、データサイエンティストの48.3%に対しデータアナリストは13.3%、掲載中求人全体では3.2%でした。ただしこれは求人票への記載頻度の差であり、学習の順序や必要な習熟度を示すものではありません。
データサイエンティストは未経験から応募できますか?
データサイエンティストの掲載中求人29件のうち、求人票に未経験歓迎の記載があるのは4件(13.8%)です。件数としては限られるため、未経験可の枠だけを狙うより、機械学習など現職と共通する要件で実務経験を示せる求人を探すほうが選択肢は広くなります。
データアナリストからデータサイエンティストに移ると年収は上がりますか?
提示年収の中央値はデータアナリストが650万円(15件)、データサイエンティストが900万円(29件)ですが、いずれかのサンプルが20件未満のため参考値です。この差が実在するかどうかは、このデータでは断定できません。