職種：データサイエンティスト
稼働日数：週3〜5日、ビジネスタイム以外の空き時間本郷三丁目
報酬：〜80万円／月
・サプライヤー企業向け工場経営DXシステムに蓄積された製造情報（設計図、製造工程、製造コスト、販売金額、サプライチェーン構造など）の活用方法の立案
・活用方法を実現するための機械学習モデル・アルゴリズム...続きを読む
職種：データサイエンティスト
稼働日数：週3〜5日乃木坂
報酬：〜112万円／月
昨年新規リリースした当該企業の生成AIプロダクトの機能拡張と顧客折衝をご担当いただきます。
営業担当者と連携し、顧客との折衝に同席していただきます。顧客の抱える課題を深くヒアリングし、その場で簡単なプロ...続きを読む
職種：データサイエンティスト
稼働日数：週4〜5日表参道
報酬：〜144万円／月
本ポジションでは、卸電力取引向けの与信リスク管理サービスおよび電力事業者向けの燃料価格リスクヘッジ・サービスのクリアリング関連事業において、リスク管理のクオンツ関連業務を担い、モデルの企画・設計・導入...続きを読む
職種：データサイエンティスト
稼働日数：週3〜5日四ツ谷
報酬：〜88万円／月
・クライアントとの打ち合わせ、課題ヒアリング
・分析方針や業務要件の整理・ドキュメンテーション
・課題に基づく仮説立案、分析設計
・Python/SQLを用いたデータ抽出・加工
・データ可視化、指標設計、インサ...続きを読む
職種：データサイエンティスト
稼働日数：週3〜5日六本木一丁目
報酬：〜128万円／月
既存機能の改善、および新機能開発をお任せします。
具体的には、下記のような業務に携わっていただきます。
・自社開発AIプロダクトにおける機械学習モデルや機械学習を活用したシステムの設計・開発・評価・改...続きを読む
職種：データサイエンティスト
稼働日数：週5日青山一丁目
報酬：〜80万円／月
・AIソリューションの研究開発: 金融機関向けAIソリューションの研究開発および実装。
・データ分析: データ分析と洞察の抽出、ビジネス課題解決への応用。
・モデル開発: 機械学習モデルの設計、トレーニング、評...続きを読む
職種：データサイエンティスト
稼働日数：週5日天神
報酬：〜80万円／月
テーブルデータ、自然言語、画像など幅広いデータを用い、クライアントの課題を解決する機械学習アルゴリズムの設計・実装をリードしていただきます。ビジネス課題のヒアリングから最適なアルゴリズムの提案、実装、...続きを読む
職種：データサイエンティスト
稼働日数：週5日恵比寿
報酬：〜70万円／月
機械学習エンジニアとして、プロダクトのデータ解析にとって必要なものを実装していただく方が必要です。
１：プロダクトのコアとなる建設業界のデータ予測モデル開発
- 会社ごとの建設データに対しての、解析...続きを読む
職種：データサイエンティスト
稼働日数：週5日五反田
報酬：〜80万円／月
・論文にある先端的な機械学習モデル、学習アルゴリズムの実装・評価
・当研究所内の研究者が開発した機械学習モデル、学習アルゴリズムの実装・評価
・サービス実装を想定し、データベース設計やプログラムコード...続きを読む
職種：データサイエンティスト
稼働日数：週5日恵比寿
報酬：〜75万円／月
プロダクトのデータ解析に必要な実装を担当
機械学習エンジニアとして、プロダクトのデータ解析にとって必要なものを実装していただく方が必要です。
１：プロダクトのコアとなる建設業界のデータ予測モデル開発...続きを読む
データサイエンティストは、日々膨大に生み出されるデータを活用し、経営に役立つ情報を提供するスキルをもった専門家と言えるでしょう。ビッグデータを解析し、ビジネスや経営課題の解決に役立つインサイトを引き出します。
例えば、SNSやブログ記事の内容から見える世の中の消費動向を分析するといった業務があります。ほかにはAIを活用して、SNSの投稿内容から、自社商品・サービスの評判を分析することもあります。また、ユーザーの検索・購入履歴などを基にしたネット通販のレコメンド機能もデータサイエンスの要素が入っています。
データサイエンティストと似た仕事として、データアナリストがありますが、その違いは、データアナリストがデータ集計や現状分析の比重が比較的重いのに対し、データサイエンティストはビジネスや経営の課題解決も担います。データサイエンティストの職域がより広いと言えるでしょう。
データサイエンティストは、データを適切に活用し、自社やクライアントが抱えている課題を解決するまでを担当します。主な業務内容は、課題の抽出・データ収集・データ分析・課題解決策の提案です。
まず、解決すべき課題を洗い出し、そのために必要なデータを検討します。既存データを取得する場合もあれば、新たにデータ収集を行うこともあるでしょう。その場合は属性や収集方法、サンプル数などを検討し、データの格納方法も含めた設計が必要です。
続いて、分析しやすいようにデータのクレンジング・加工などの下処理を行ったうえでデータを分析・照合し、課題解決につながるインサイトを見つけ出します。データサイエンティストの業務は、分析結果をただまとめるだけでは終わりません。レポートを作成して、課題解決の方向性や対策を提案することが必要です。
FLEXYで扱いのあったデータサイエンティスト案件は、幅広い業界に及びます。例えば教育、出版、介護・福祉、健康、生活関連、製造、金融、保険、調査、不動産、行政関連、ITベンダー、AIスタートアップ、ゲームなどです。
クローズになっている案件も含めると、職種はITコンサルタントもあれば、サーバサイド・インフラ・フロントエンド・iOS・Androidなどのエンジニア系で募集されるケースもあるでしょう。週1日の支援業務から週5日のプラットフォームやアプリ開発業務まで、稼働日数も内容も多様です。
データ分析・解析を行うには、基本的な数学・統計の知識が必要です。システムやアルゴリズムを用いてコンピュータに実装する基礎知識があると、特定ツールやシステムによらないスキルとして役立つでしょう。また、統計やデータ解析用のプログラミング言語であるRやMATLABなどのスキルも求められます。
ビッグデータを解析するにはデータベース関連の知識も不可欠です。SQLやデータベースの操作をスムーズに行うために、データ構造や管理方法などを把握しましょう。
また、大量で多様なデータを短時間に処理するためには、AIや機械学習の基本的な理解と、機械学習モデルの利用スキルを要します。AIライブラリが整備されているPythonは、データサイエンティストが身に付けておくべき基本のプログラミング言語です。
課題解決策の提案も担うデータサイエンティストには、エンジニアとしてのスキル以外にも、ビジネスの課題を理解し解決する力も要求されます。そのためには、業務および分析対象に関する知識や経験が欠かせません。自社やクライアントの抱える課題を解決に導くには、プロジェクト全体を管理するマネジメントスキル、要求ヒアリングのためのコミュニケーションスキルも重要になります。
データサイエンティストとして働くにあたっては、統計やAIなどに関する資格を取得していると、自身がもつ知識の証明となり有利です。ここでは、データサイエンティストの業務に関係のある資格を紹介します。
・データサイエンティスト検定 リテラシーレベル
2021年に始まった、一般社団法人データサイエンティスト協会の認定資格です。試験範囲はデータサイエンティストに必要な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領域で構成されています。この検定はこれからデータサイエンティストを目指す初学者を対象としており、問われるのは最も初歩的なアシスタントレベルの知識です。
・統計検定
一般財団法人統計質保証推進協会が主催の、統計活用能力を測る全国統一検定です。統計検定1級から4級、統計検定データサイエンス基礎、統計検定データサイエンス発展など、複数の検定が設けられています。1級から4級の検定は主に統計学の知識を問うものです。統計検定データサイエンス基礎は主に基礎的なデータの分析力を評価します。データサイエンティストとして実務で使えるレベルのスキルを示すには、「統計検定データサイエンス発展」の取得が適しているでしょう。
・G検定・E資格
一般社団法人日本ディープラーニング協会の資格試験です。G検定はAIを用いてビジネスに役立てるための知見が問われ、E検定は数学の理解や開発実装能力などエンジニアのスキルが問われます。どちらの試験でも、データサイエンティストの業務と深い関わりをもつディープラーニングの知識が必要です。
このほか、データベーススペシャリスト試験、OSS-DB技術者認定試験、オラクルマスター、Python3エンジニア認定基礎試験などを目指す方も多く見られます。
前述したように、データサイエンティスト業務はエンジニアとしてのスキルとビジネスの知見・経験が問われます。未経験で知識もない人が簡単に担える業務ではありません。
エンジニアとしてのスキルは、統計学やデータベースの基本操作、SQLの書き方などデータエンジニアリングの基礎から、Pythonなどのプログラミング言語スキル、機械学習の手法も学ぶ必要があります。基本的知識の習得後はデータサイエンスのコンペに参加すると、実践的なスキルを磨くことが可能です。
専門講座を受講すると体系的学習が可能になり、実務に役立つスキルも身に付けられます。独学で習得するなら、資格取得を目指しましょう。資格があることで未経験者でも採用で優遇される可能性があります。また、効率よく学ぶために、自身の強みとして伸ばしたい分野に絞って集中的に学んでいくのも良いでしょう。国や地方公共団体が公開しているオープンデータを利用すれば、データ分析の実践ができます。
ビッグデータから有益なデータを抽出し、分析、解析、可視化するデータサイエンティストは、AI開発でも重要な役割を担います。先端IT技術を扱える人材が不足すると見込まれる中、データサイエンティストはAIを使いこなす人材として今後も活躍が期待される存在です。
FLEXYにはPMやITコンサルタント、CTO、サーバサイドエンジニア、フロントエンドエンジニア、iOS・Androidエンジニア、インフラエンジニアなど、自分の強みを活かせる分野の案件が多数揃っています。週1～5日の幅広い稼働日数、土日案件やフルリモート案件など、副業やフリーランスで働きやすい条件が用意されているのも特長です。FLEXYなら、こうした豊富な案件の中から、自身の希望にそう形でデータサイエンティストとして活躍できるチャンスが得られやすいでしょう。
データサイエンティストの正社員の平均年収は約647万円で、ITエンジニアの中でも高水準の報酬です。
出典：求人ボックス「データサイエンティストの仕事の年収・時給・給料（求人統計データ）」
フリーランスでも市場価値は高く、平均年収は700～1,300万円とされます。週5日フル稼働であれば、月単価100～160万円と高単価案件が期待できます。
これからフリーランスを目指すなら、まずはシステム受託会社で仕事の実績と人脈を作っておくと、フリーランスとして案件を獲得しやすくなります。すでに独立しているなら、クラウドソーシングサービスに登録して案件を受注する方法や、ビジネスSNS経由で案件を探すことも可能です。また、募集案件が多いフリーランスエージェントを活用すると案件を探す手間がかかりません。
大きなメリットは、市場価値が非常に高く高収入を見込めることです。フリーランスは正社員より高収入を得るチャンスがあり、最先端のAIと協業できて、経営や事業の根幹に関わる仕事ができるのでやりがいもあるでしょう。その分、責任が重大で幅広い知識やスキルが求められ、激務になりやすいことがデメリットです。
DXを進めている企業が業界を問わず多い昨今、経営改革や改善につながるデータサイエンティストは売り手市場となっているため、案件数は豊富です。そのため、自分の条件に合ったものを選びやすい傾向にあります。
