転職サイトに登録はした。エージェントとも面談した。それでも、送られてくる求人を眺めるだけで、なかなか応募に踏み切れない——。データアナリストへの転職を考え始めた人が、いちばんつまずくのは、実は「活動の進め方」です。
スキルの勉強は続けているのに、いざ応募となると、どのエージェントを選べばいいか、ポートフォリオに何を載せるか、志望動機に何を書くかで手が止まる。そして、どうにか書けても“どの会社にも出せる”内容になってしまう。心当たりはないでしょうか。
この記事では、データアナリストへの転職活動を遠回りせずに進める方法を、採用する側の視点も交えてお伝えします。ひとつ提案があります。転職活動そのものを、“ひとつのデータ分析プロジェクト”として設計してみませんか。実は、その設計の仕方こそが、データアナリストに求められる力そのものなのです。
【この記事の結論】データアナリストへの転職は、活動そのものを“ひとつのデータ分析プロジェクト”として設計すると、遠回りなく進みます。「①自分の経験の棚卸し → ②エージェント選び → ③ポートフォリオ → ④志望動機 → ⑤応募」の順で組み立て、ポートフォリオは精度より「課題設定と示唆」を、志望動機は相手の課題に自分の経験を接続することを重視する——これが、採用する側に評価される進め方です。未経験でも、前職の経験を武器にできます。
この記事でわかること
・ 転職活動を“データ分析プロジェクト”として設計する5つのフェーズ
・ 転職活動でよくある“空回り”の正体
・ 採用する側が、ポートフォリオと志望動機の“どこ”を見ているか
・ 今すぐ動くべきか、あと少し整理してからかの見分け方
データアナリスト転職で“よくある空回り”3パターン
転職活動が前に進まないとき、多くの人が同じ空回りにはまっています。よく見かける3つのパターンを、先に整理しておきます。
1つめは「エージェント任せ」。登録して求人が届くのを待つだけになり、“何を軸に選ぶか”を自分で決めていないので、送られてくる求人を眺めるうちに時間だけが過ぎます。2つめは「自己満足のポートフォリオ」。Kaggleの順位や凝ったグラフを並べたものの、“何の課題を、なぜ解いたのか”が抜けている。3つめは「テンプレ志望動機」。「成長したい」「スキルを活かしたい」——どの会社にも出せる内容で、読む相手の心を動かしません。
この3つに共通するのは、“手段”が先に立って、“何のために”が抜けていることです。これは、データ分析でいちばん大事な「課題設定」が抜けている状態とまったく同じ。だからこそ、転職活動もデータ分析と同じ順番で設計すると、空回りが止まります。
【フレーム】転職活動を“ひとつのデータ分析プロジェクト”として設計する
データアナリストは、いきなり分析を始めたりしません。まず「何を解くのか（課題設定）」から入り、データを集めて整え、分析し、示唆を出し、意思決定者に提案し、実行して調整する——この順番で進めます。転職活動も、まったく同じ順番で設計できます。下の表のように、5つのフェーズを一枚で対応させてみてください。
| フェーズ | データ分析プロジェクト | あなたの転職活動 |
| ① 現状分析 | データの棚卸し・前処理 | 自分の経験・強みの棚卸し（何を武器にするか） |
| ② 基盤選び | 分析基盤・ツールの選定 | エージェント選び（目的に合う相棒を選ぶ） |
| ③ アウトプット | 分析結果を形にする | ポートフォリオ（課題設定と示唆を見せる） |
| ④ 提案 | 意思決定者に届ける | 志望動機（相手を動かすストーリー） |
| ⑤ 実行 | 施策を回して調整 | 応募・面接（動かしながら整える） |
この順番で進めると、「エージェント任せ」「自己満足ポートフォリオ」「テンプレ志望動機」といった空回りが起きません。まず自分の棚卸し（現状分析）から始めるので、軸が定まり、その後のエージェント選び・ポートフォリオ・志望動機が一本の線でつながるからです。
まず「自己棚卸し」から：3つの問い
フェーズ1の自己棚卸しは、すべての土台です。難しく考えず、次の3つの問いに答えてみてください。
（1）これまでの仕事で、数字やデータを見て動いた場面はどこか（売上、来店数、問い合わせ件数、在庫——なんでも構いません）。
（2）そのとき、どんな課題があって、どう考え、何を変えたか。
（3）その経験は、データアナリストの「課題設定・分析・示唆」のどれにあたるか。
この3問に答えるだけで、一見データと無関係に見える経験も、“データで課題を解いた話”に翻訳できます。非IT・未経験の人ほど、ここで見つけた一つの経験が、このあとのポートフォリオと志望動機の芯になります。まずは箇条書きで書き出してみてください。
そして、この設計そのものに、大きな副産物があります。転職活動を課題設定から設計できる人は、採用担当から見れば「自分の転職活動すら、データ分析のように組み立てられる人」に映ります。つまり、活動の進め方そのものが、あなたの実力のデモンストレーションになるのです。以降では、フェーズ2〜4（エージェント・ポートフォリオ・志望動機）を、採る側の視点で掘り下げます。
エージェントの選び方＝“分析の道具選び”
フェーズ2、エージェント選びは、分析でいう“道具選び”です。道具は「数」ではなく「目的に合うか」で選ぶもの。転職エージェントも同じで、たくさん登録すればいいわけではありません。
イメージとしては、家探しで“どの不動産屋に相談するか”を選ぶのに近いです。良い物件（求人）を多く持っていて、こちらの希望条件（軸）を最初に伝えられる相手を選び、1社に絞らず得意エリアの違う仲介を数社あたる——エージェントもまったく同じ発想で選びます。
押さえたい点は3つです。第一に、任せきりにしないこと。エージェントは求人を運んでくれますが、“どんな軸で探すか”を伝えるのはあなたの役目です。フェーズ1の棚卸しで決めた軸を、最初にはっきり共有しましょう。第二に、データ分析職の求人に強いかどうか。総合型で一般職が中心のところより、データ・IT領域に明るいエージェントの方が、求人の質も会話の解像度も上がります。第三に、複数を使い分けること。1社に依存せず、得意分野の違うエージェントを2〜3社併用すると、視野が偏りません。
分析屋のある社員は、未経験からデータ分析職を志したとき、そもそも応募できる求人がほとんど見つからず悩んだと振り返っています。転機は、「業務でデータに触れた経験があれば、エンジニアやデータ分析の実務経験は問わない」と明記された求人に出会えたこと。“経験不問”の入り口を持つ求人にたどり着けるかどうかは、探し方と、軸の伝え方で変わります。
参考：販売員からデータ分析の道へ
ポートフォリオ＝“アウトプット”：採る側が“見送る”3つの型と、通すための「課題設定と示唆」
フェーズ3のポートフォリオは、分析でいう“アウトプット”です。ここで採用担当が見ているのは、実は「精度」や「見た目の凝り具合」ではありません。むしろ、採る側が思わず見送ってしまうポートフォリオには、はっきりした型があります。
ポートフォリオは、学校の“自由研究”に似ています。どれだけ精密に実験しても、“何を知りたくてやったのか（問い）”と“だから何が分かったのか（結論）”がなければ、良い自由研究とは呼ばれません。ポートフォリオも同じで、精度そのものより、問い＝課題設定と、結論＝示唆があるかが見られます。
見送られやすいのは次の3つの型です。ひとつめは「精度自慢型」——「精度95%」といった数字だけが前に出て、それが何の役に立つのかが見えない。ふたつめは「課題不在型」——きれいな可視化やモデルはあるのに、“そもそも何の課題を解いたのか”が書かれていない。みっつめは「示唆なし型」——分析結果は載っているが、“だから何をすべきか”という次の一手がない。いずれも、技術は伝わるのに、ビジネスに効く感じがしないのです。
では、通るポートフォリオは何が違うのか。答えはシンプルで、「どんな課題を（課題設定）／どう解いて／だから何が言えるか（示唆）」という一連の流れがあることです。精度は、その流れを支える一要素にすぎません。分析屋のある社員は、前職で“売上をどう伸ばすか”という現場の課題からデータを見始めましたし、システムエンジニアから移った社員は、同じ手法が別の案件でも通用することを示す“再現性”を強みにしています。課題起点と示唆、そして再現性——ここを一枚で見せられると、採る側の目は止まります。
「そもそも見せられる分析がまだない」という人もいるはずです。その場合は、身近なデータで小さな1本を作れば十分です。家計や勤務先で扱える数字、あるいは政府統計（e-Stat）や自治体のオープンデータ、Kaggleなどの公開データを使い、「どんな問いを立て（課題設定）、どう分析し、だから何が言えるか（示唆）」という流れをひとつ形にする。規模も精度も問いません。大切なのは、課題起点で考えられることを見せることです。
→ SEからデータ分析へ転じた社員の話：システムエンジニアからデータ分析のプロへ
志望動機＝“提案”：ダメ例→刺さる例で学ぶ、意思決定を動かす3要素
フェーズ4の志望動機は、分析でいう“提案（レポート）”にあたります。どんなに良い分析も、相手に響く形で提案しなければ意思決定は動きません。志望動機もまったく同じです。
まず、ありがちなダメ例から見てみましょう。
【ありがちなダメ例】「データ分析のスキルを活かして成長したいと考え、志望しました」——一見きれいですが、これは“どの会社にも出せる”文章です。相手（採用担当）の課題に一言も触れていないので、誰の意思決定も動かしません。
“どの会社にも出せる志望動機”は、いわば宛名のない手紙です。誰にでも出せる手紙は、結局、誰の心にも届きません。
一方、刺さる志望動機には、共通して3つの要素が入っています。
①なぜデータアナリストなのか（あなたの原体験）、②なぜこの会社なのか（相手の事業課題への言及）、③入社後の絵（どう貢献するか）。この3つを、自分の経験と相手の課題を接続する形で書きます。
このうち②「なぜこの会社か」は、相手が“いま解きたい課題”を知らないと書けません。難しく考えなくても、手がかりは公開されています。求人票の「なぜこの人を採りたいのか（背景・任せたい役割）」、採用サイトや会社のニュース・IR、事業内容のページ——ここからその会社が向き合っているテーマを1つ拾い、自分の経験と結びつけます。ここまでやる応募者は多くないので、それだけで差がつきます。
【刺さる例】「御社が◯◯（具体的な事業課題）に取り組まれていると知り、前職で◯◯という課題をデータで解決した経験が活かせると考えました。入社後は、まず◯◯の分析で意思決定を支えたいです」——原体験・相手の課題・入社後の絵が一本でつながっています。
一般論では、志望動機は“自分のスキルをアピールするもの”と思われがちです。けれど実際に採る側は、相手の課題に触れていない志望動機を静かに見送ります。だから、スキルの羅列ではなく、相手の課題に自分の経験を接続することが要になります。実際、未経験からデータ分析の世界に入った人の多くが、学ぶ意欲と、これまでの経験を自分の言葉で語れたことを入り口にしています。
→ 非IT・異業種からの転職事例：公務員、事務職を経てデータ分析の世界へ
年収・未経験可否・DAとDS/DEの違いをざっくり
転職活動を進めるうえで気になる“基本のところ”も、ここで軽く整理しておきます。深く知りたいテーマは、それぞれ詳しい記事に案内します。
年収と未経験可否
年収は、経験を積むほど上がっていく傾向があります。未経験可の求人も存在し、「業務でデータに触れた経験があれば実務経験は問わない」と掲げる企業もあります。まずは今の自分で応募できる求人が“ある”ことを知っておくと、動きやすくなります。
データアナリストと、データサイエンティスト／データエンジニアの違い
ざっくり言うと、データアナリスト（DA）は既存のデータから示唆を出し意思決定を支える役割、データサイエンティスト（DS）はモデル構築や予測、データエンジニア（DE）は分析の土台となるデータ基盤づくりが中心です。転職の軸を決めるうえで、自分がどの役割に近いかを押さえておくと、エージェントにも伝えやすくなります。
30秒セルフチェック：今動く人／あと少し整理してからの人
ここまでの5フェーズ設計が、いま自分にどれくらいできているか。かんたんに確かめてみましょう。
30秒セルフチェック：いくつ当てはまりますか？
□ 自分の経験を“どんな課題を、どう解いたか”の形で語れる
□ 応募したい会社の“事業課題”を、1社でも具体的に言える
□ エージェントに“どんな軸で求人を探すか”を伝えられる
→ 2つ以上なら、設計は十分。いまが動きどきです。1つ以下なら、上の設計シートを一度埋めてから動くと、ぐっとスムーズになります。どちらの場合も、まず社員に話を聞くのがいちばんの近道です。
2つ以上あてはまった人は、フェーズ1の棚卸しができているということ。あとは手を動かしながら整えていけます。1つ以下だった人も、諦める必要はありません。準備と応募は並行して進められますし、現場の人に話を聞くだけでも、軸は驚くほどはっきりします。厳しい面や向き不向きが気になる方は、こちらもあわせてどうぞ。
→ 向いている人の傾向：データアナリストに向いている人とは？
「未経験・異業種から、実際にどう転職したのか」を知りたい方は、社員のインタビューがいちばんの近道です。販売員から、システムエンジニアから、公務員・事務職から——それぞれの入り口が語られています。
→ 販売員からデータ分析の道へ／システムエンジニアからデータ分析のプロへ／公務員・事務職からデータ分析の世界へ
よくある質問（未経験・ポートフォリオ・志望動機）
データアナリスト転職でよく寄せられる疑問を、要点だけ先にお答えします。
Q. 未経験でもデータアナリストに転職できますか？
A. できます。「業務でデータに触れた経験があれば実務経験は問わない」と掲げる求人もあり、営業・接客・企画などの前職経験も、課題を見つけて動いた経験として武器になります。
Q. ポートフォリオは必須ですか？
A. 必須ではありませんが、あると有利です。大切なのは精度そのものより、「どんな課題を、なぜ解いて、だから何が言えるか」という一連の流れを示せているかどうかです。
Q. どんな志望動機が評価されますか？
A. 「なぜデータアナリストか（原体験）」「なぜこの会社か（相手の事業課題への言及）」「入社後の絵」の3つがつながり、相手の課題に自分の経験を接続できている志望動機です。
Q. 転職エージェントは何社くらい使うべきですか？
A. 1社に依存せず、データ・IT領域に強いエージェントを2〜3社、自分の軸を伝えたうえで使い分けるのがおすすめです。
Q. データアナリストとデータサイエンティストは何が違いますか？
A. データアナリスト（DA）は既存のデータから示唆を出して意思決定を支える役割、データサイエンティスト（DS）はモデル構築や予測が中心です。まず自分がどちらに近いかを押さえると、転職の軸が定まります。
まとめ：データアナリスト転職を成功させる5つのポイント
この記事の要点を、最後に5つに整理します。
・ 転職活動は“ひとつのデータ分析プロジェクト”として、課題設定（自己棚卸し）から設計する
・ エージェントは数より“目的に合うか”。軸を伝え、2〜3社を使い分ける
・ ポートフォリオは精度より「課題設定と示唆」。採る側が“見送る3つの型”を避ける
・ 志望動機は“宛名のない手紙”を避け、相手の課題に自分の経験を接続する3要素で書く
・ 迷ったら、まず社員の話を聞く。準備と応募は並行して進めてよい
分析屋で、“使われる分析”ができるデータアナリストへ
ここまで、転職活動を“ひとつのデータ分析プロジェクト”として設計する方法を見てきました。最後に、その設計を一段深めるヒントをお伝えします。
分析屋が大切にしている理念に「おもてなし分析」があります。これは、データ（合理）に、相手の経験や想い、事情といった“情理”を掛け合わせて、その企業らしい納得のいく意思決定を支える、という考え方です。実は、あなたの転職活動もこれと同じ。スキル（合理）だけを並べるのではなく、あなたのこれまでの経験や想い（情理）を乗せて設計したとき、はじめて“あなたにしか出せない応募”になります。
分析屋は、ゼロから経験を積める環境を大切にし、精度の高い分析そのものより、その分析が現場で“使われること”を重視しています。技術だけに偏らず、相手と丁寧にすり合わせながら成果を出せる仲間を求めています。まずは、実際に働く人の声から雰囲気を知ってみてください。
→ 社員インタビュー：販売員からデータ分析の道へ
→ 社員インタビュー：公務員、事務職を経てデータ分析の世界へ
そのうえで、一歩踏み出せそうなら、中途採用の募集要項をご覧ください。あなたの“これまで”が、データ分析の現場で活きるはずです。
▼ 中途採用 募集要項（https://recruit.analytics-jp.com/recruit-career/）
