データサイエンティストには、統計や数学の力（データを正しく扱う）、プログラミングやITの力（大量のデータを処理する）、ビジネスの力（何のために分析するかを考える）の3つが必要だといわれます。一般社団法人データサイエンティスト協会も、この3つの力でデータサイエンティストのスキルを整理しています。

動画アプリのおすすめ、ネット通販の「この商品を買った人はこんな商品も」、天気予報、電車の混雑予測、スマホの写真アプリが人の顔をまとめる機能、迷惑メールの自動振り分けなど、毎日使っている多くのものにデータ分析やAIが使われています。

データ分析の土台は統計学です。平均やばらつき、相関、推定、検定といった統計の考え方を使って、データから正しい結論を導きます。AI（機械学習）は、その発展として、たくさんのデータからコンピューターが自動でパターンを学ぶ技術です。

2017年に滋賀大学が日本で初めてデータサイエンス学部をつくり、その後、横浜市立大学、武蔵野大学、立正大学、一橋大学（ソーシャル・データサイエンス学部）など、データサイエンスを学べる学部や学科が全国に増えています。文系の受験科目で入れる学部もあります。

システムエンジニア、マーケティング、研究職、金融の仕事などから、働きながら統計やプログラミングを学び、データ分析職に移る人も多いです。オンラインの講座や資格試験で学ぶ人もいます。

一般財団法人統計質保証推進協会が行う、統計学の知識を問う検定です。4級から1級まであり、大学で学ぶ基礎の統計は2級が目安とされています。2級は現在、パソコンで受けるCBT方式で、紙の試験だった2018〜2021年の合格率は3〜4割台でした。

日本ディープラーニング協会が行う、AIやディープラーニングを活用するための基礎知識を問う検定です。オンラインで受験でき、2025年第3回の合格率は81.72%、累計の合格者数は10万人を超えています。

IT企業の採用では、その場でSQLやPythonの問題を解くコーディング試験や、データを渡して分析させる課題が出されることがあります。大学での研究や、分析コンペティションの成績、自分で作った分析の成果物が評価されることもあります。

データを集計してグラフにする仕事と、新しいAIのモデルを開発する仕事では、求められる専門性がちがい、年収にも差が出ます。統計や機械学習の深い知識と、それをビジネスに生かした実績がある人ほど、高く評価されます。

IT企業などでは、データサイエンティストやAIエンジニアに対して、新卒でも能力に応じて高い給与を払う制度を設ける会社も出てきています。管理職にならなくても、専門家として給与が上がっていく制度を持つ会社もあります。

「なぜ売上が下がったのか」「なぜこのお客さんは解約したのか」をデータから探るのは、探偵が手がかりから謎を解くような面白さがあります。仮説を立て、データで確かめ、答えにたどり着いたときの喜びは大きいです。

AIの技術は毎年のように大きく進歩しています。新しい論文や技術を学び、実際の仕事で試せるのは、データ分析の仕事ならではの魅力です。

どんなにすごい分析をしても、現場の人に理解されて使ってもらえなければ、会社にとっての価値は生まれません。専門用語を使わずに、わかりやすく説明する力が必要で、ここに苦労する人も多いです。

お客さんの個人情報をふくむデータを扱うことも多いので、法律やルールを守り、情報がもれないように注意する責任があります。また、AIが差別的な判断をしないように気をつけることも大切です。

数学の力はあるほど有利ですが、データアナリストやマーケティングアナリストなど、ビジネスに近い分析の仕事では、高度な数学よりも、データの読み方と伝える力が重視されることもあります。基礎の統計は、大学や働き始めてからでも学べます。

データ分析の対象は、売上、スポーツ、医療、天気、SNSなど何でもあります。いろいろなことに興味を持ち、「データで調べたらどうなるだろう」と考えられる人は、この仕事を楽しめます。

部活動の記録、テストの点数、天気と気温、好きなスポーツチームの成績などのデータをExcelやスプレッドシートにまとめ、グラフにしてみましょう。「気温が高い日はどうなるか」など、自分で疑問を立てて調べるのがよい練習になります。

Pythonはデータ分析でもっともよく使われる言語で、無料の学習サイトや本で高校生からでも学べます。統計検定4級・3級や、データ分析のコンテストに挑戦するのもよい経験になります。

LINEヤフー、楽天グループ、メルカリ、サイバーエージェントなどのネット企業では、サービスの改善や広告、おすすめ機能のために、多くのデータサイエンティストが働いています。

ブレインパッドのようなデータ分析を専門に請け負う会社、Preferred NetworksのようなAIの研究開発の会社、アクセンチュアなどのコンサルティング会社でも、データ分析の専門家が多く働いています。

データアナリストやマーケティングアナリストはビジネスに近く、会社の人と話して課題を見つけることが多い仕事です。データエンジニアや機械学習エンジニアは技術に近く、プログラミングやシステムを作ることが中心です。データサイエンティストはその間にあります。

データアナリストからデータサイエンティストへ、エンジニアからデータサイエンティストへなど、経験を積みながら別の役割に移る人も多いです。最初から一つに決める必要はありません。

会社の資料や問い合わせの記録を生成AIに読み込ませ、社員の質問に答えるしくみを作るなど、生成AIを業務に生かす仕事が急速に増えています。データサイエンティストや機械学習エンジニアが、こうしたしくみの開発を担っています。

国は、すべての大学生がデータサイエンスやAIの基礎を学べるように、大学の教育プログラムを認定する制度を進めています。データを読み解く力は、データサイエンティストだけでなく、これからのすべての社会人に必要な力になりつつあります。