2026年10月更新 ／ 筆者：大手SIerで25年。営業からキャリアを始め、マーケティング、シリコンバレー駐在を経て、現在はビジネス開発を推進
「で、我々はどう動くべきなの？」
徹夜で仕上げた市場分析レポートを経営層に出したとき、返ってきたのはこの一言だけでした。美しいグラフを何枚並べても、意思決定に使われなければ価値はない。私がそれを思い知った瞬間です。
私は大手SIerで25年、営業からキャリアを始めました。その後、マーケティング、シリコンバレー駐在を経て、いまはビジネス開発を推進しています。振り返ると、ずっと技術者ではない立場で、技術とお客様、技術とビジネスの間に立ち続けてきました。
営業時代は、ゼロからコードを書けるエンジニアたちに囲まれ、「自分はただの伝書鳩ではないか」と無力感にさいなまれた時期も何度もあります。抜け出せたのは、「お客様は技術ではなく、ビジネス課題の解決を買っている」と腹落ちしたときでした。エンジニアが「どう作るか」の専門家なら、自分は「なぜやるのか」「どうビジネスに効くのか」の専門家になればいい。そう決めてから、視界が一気に開けました。
営業やマーケティングの現場では、冒頭のレポートのように、データが意思決定に使われない痛みを知りました。シリコンバレーでは、技術とビジネスの間に立つ人が「ミニCEO」として主導する姿を目の当たりにしました。そしていまは組織を率いる立場で、AIに任せる仕事と人が担う仕事の線引きを、日々決めています。データアナリストが「やめとけ」と言われる理由の多くは、私がこの25年、技術とビジネスの間に立つ人の苦しさとして味わってきたものです。だからこのテーマは、私にとって他人事ではありません。
この記事を読んでいる方の中には、「データアナリストに興味はある。でも、自分には技術力が足りないのではないか」「結局、地味な集計作業ばかりなのではないか」と迷っている方も多いと思います。今の職場で、調整や資料づくりをがんばっても評価されにくいと感じている方なら、なおさらでしょう。
その迷いに、25年の経験から正直に答えます。「やめとけ」には、当たっている部分と、当たっていない部分があります。
【 この記事の結論 】
データアナリストが「やめとけ」と言われる理由は、実際にあります。ただし、それが当てはまるのは「単純集計だけをする働き方」に閉じた場合です。顧客の話を聞き、論点を整理し、次のアクションにつなげられる人にとっては、むしろ強みを活かせる可能性があります。
・ 「やめとけ」の8つの理由は、どの働き方でも「避けにくい4つ」と、「働き方で変わる4つ」に分かれます
・ 分かれ目は、言われたデータを出す「集計代行型」に閉じるか、目的から一緒に考える「意思決定伴走型」に踏み出せるかです
・ 向いていないのは、手順どおりの作業だけをしたい人と、分析結果を出したら終わりと考える人です
・ 入口の目安は、SQL・Excel／BIツール・統計の基礎の3つです。全部を高いレベルでそろえる必要はありません
・ AIで自動化される可能性があるのは、単純な集計・レポート作成・定型的な分析です。課題整理・業務理解・関係者との調整・ネクストアクションの提示ができる人の価値は高まりやすくなります
・ 応募先は、分析を「渡して終わり」にする会社か、「意思決定まで伴走」する会社かで見極めます
【 筆者から、調整や資料づくりが評価されないと悩む方へ 】
「裏方の調整役でいるのをやめて、プロジェクトの映画監督になってください」。この言葉の意味は、記事の最後でお伝えします。
なお、データアナリストとは、データを分析・可視化し、そこから得た示唆をもとに経営層や現場の意思決定を支援する仕事です。仕事内容や年収は、「データアナリストとは？未経験からなるには？年収・資格・仕事内容についてわかりやすく解説」をご覧ください。
データアナリストが「やめとけ」と言われる8つの理由
「やめとけ」と言われる理由は8つあります。ただし、その中には性質の違う2種類が混ざっています。
| 理由 | なぜそう言われるのか | 分類 |
| 1. 求められるスキルのハードルが高い | 数学や統計学、IT関連の知識、BIツールの操作など、なるにも続けるにも幅広い知識が必要になる | 避けにくい |
| 2. 学習範囲が広く、終わりがない | 新しい技術やツールが次々に登場し、学び続ける時間的・費用的な負担がかかる | 避けにくい |
| 3. 地道な作業の連続 | データと日々向き合い、整理や確認をコツコツ積み重ねる必要がある | 避けにくい |
| 4. データ分析が難しい環境がある | データがそろっていない、複数のシステムに分散している、組織のデータ活用への理解が浅い、といった状況がある | 避けにくい |
| 5. 相手に合わせた説明や調整を求められる | 分析結果を現場や経営層にわかりやすく伝え、認識をそろえる役割がある | 働き方で変わる |
| 6. 仕事量が多くなりがち | 分析と並行してクライアントとのやりとりが発生し、複数社を担当することもある | 働き方で変わる |
| 7. 社内で過度に期待される | 「データで何でも解決できる」と誤解され、業務範囲が際限なく広がることがある | 働き方で変わる |
| 8. 将来が見えにくい | AIの普及によって、業務の一部が代替される可能性がある | 働き方で変わる |
1〜4は、データアナリストである以上なくなりません。たとえば地道な作業です。分析屋の社員インタビュー「販売員からデータ分析の道へ進み、クライアントの課題解決に貢献」でも、入社後はデータ分析の下準備から関わることが多いと語られています。地道な作業そのものを避けたい方にとって、「やめとけ」は当たっているといえます。
一方で、5〜8は働き方によって重さが大きく変わります。本記事では、前者を「避けにくい4つ」、後者を「働き方で変わる4つ」と呼びます。その分かれ目を、次の章で説明します。
「やめとけ」が当てはまる人・当てはまらない人の分かれ目
分かれ目は、言われたデータを出す「集計代行型」の働き方に閉じるか、目的から一緒に考える「意思決定伴走型」の働き方に踏み出せるかです。
| 比べるポイント | 集計代行型 | 意思決定伴走型 |
| 依頼の受け方 | 言われたとおりのデータを出す | 目的と背景を確かめてから動く |
| 成果物 | 集計表やグラフ | 「だから何をするか」の提案 |
| 評価されるもの | 作業の速さ | 意思決定への貢献 |
| AIの影響 | 受けやすい | 価値が高まりやすい |
| 「働き方で変わる4つ」の理由 | 重くのしかかる | 強みに変わる可能性がある |
単純集計だけの働き方に閉じると、「やめとけ」は現実になる
データアナリストの仕事は、データを集計して結果を渡すことだと思われがちです。
しかし実際の現場では、「とりあえずこのデータを出して」という依頼がよく届きます。目的を確かめずに応え続けると、集計の量だけが増えていきます。結果が意思決定に使われたのかもわからない。評価されるのは作業の速さだけ。これが「地味な集計作業ばかり」「将来が見えない」と感じる正体です。
冒頭の徹夜レポートは、まさにこの集計代行型の失敗でした。営業やマーケティングを長く担当していたころの私は、美しいグラフを並べた完璧なレポートこそが、良い分析だと思い込んでいたのです。
そのとき学んだのは、提案のないデータは、ただのノイズだということです。データは意思決定の背中を押すためのもので、それ自体が価値を生むわけではありません。それ以来、私は「この資料は、どの課題について、AとBのどちらを決めるためのものか」という仮説を先に立て、必要なデータだけを取りに行くようにしています。
だからこそ、「やめとけ」の多くは職種そのものではなく、単純集計だけをする働き方、つまり集計代行型に閉じたときに現実になるといえます。
反対に、技術力が高ければ安泰というわけでもありません。日本でも海外でも、私が一番多く見てきた失敗は「技術そのものに恋をしてしまう」パターンです。既存のサービスを組み合わせればすぐ解決できる課題に、最新の技術でゼロから完璧な仕組みをつくろうとし、時間切れや予算オーバーで頓挫してしまう。ユーザーが日々どう使うかという視点が抜け落ちると、どれだけ技術があっても、ビジネスの意思決定のスピードから置いていかれます。
顧客の話を聞き、論点を整理し、次のアクションにつなげられる人には、むしろ強みを活かせる可能性がある
データ分析の相談は、最初から要件がきれいに決まっているとは限りません。顧客自身も、何を分析すればよいか整理できていない状態で相談に来ることがあります。
参考：社風はゴリラゼロ・ネコ多め
そこで必要なのは、高度な分析手法より、相手の話を聞いて目的を確かめる力です。
システムエンジニアから分析屋に転職した社員のインタビュー
「クライアントに寄り添い、最善かつ最速の実現方法をいっしょに考える」では、「売上を大きくしたい」という要望に対して、一時的に大きくしたいのか、持続的に伸ばしたいのかを確かめないと、ゴールの認識がずれてしまうと語られています。
強みを活かしやすいのは、次の3つの動きができる人です。
・ 顧客の話を聞く：依頼の背景や目的を確かめてから動く
・ 論点を整理する：何が明らかになれば判断できるのかを決める
・ 次のアクションにつなげる：分析結果を「だから何をするか」まで言葉にする
これまで出会った人の中で、技術は「そこそこ」なのに組織で一番頼られている人がいました。その人は歩く技術辞書ではなく、物事に意味を与える達人でした。ビジネス側のふわっとした要望を根気よく聞き出し、言葉になっていない前提を言語化して、技術チームが迷わず動ける要件に変えていく。関係者全員が「そういうことか」と納得するストーリーをつくるのが、抜群にうまかったのです。
海外駐在中に見た光景も忘れられません。日本では、技術とビジネスの間に立つ人は調整役や連絡係になりがちです。一方、シリコンバレーのプロダクトマネージャーは「その領域のミニCEO」として振る舞っていました。板挟みで悩むのではなく、プロジェクトの価値を基準に自分で決め、必要なら技術側にもビジネス側にも「No」と言う。間に立つ仕事は、本来それだけの主体性を持てる仕事なのです。意思決定伴走型のデータアナリストも、同じだと私は考えています。
期待値のすり合わせや、立場の違う人の間に立つ調整は、前職で調整ごとを担ってきた人が日常的にやってきた仕事です。そこにデータスキルを足すことで、その経験を強みとして活かせる可能性があります。
ただし、データスキルがなくてもよいという意味ではありません。必要なスキルと、どこまでできればよいかは「未経験者が後悔しないために、応募前に準備すべきこと」で紹介します。
データアナリストに向いていない人・向いている人【30秒セルフチェック付き】
向き不向きは、後から変えにくい「仕事への姿勢」で判断するのが大切です。後から身につけられるスキルの不足だけで、向いていないと決めつける必要はありません。
向いていない人の特徴
| 特徴 | 変えやすさ | 考え方 |
| 決められた手順の作業だけをしていたい | 変えにくい（仕事への姿勢） | データアナリストは、毎回「何を明らかにするか」から考える仕事です。この考えが変わらないなら、手順が明確に決まっている職種も含めて検討したほうが、納得のいくキャリアになるかもしれません |
| 分析結果を出したら仕事は終わり、と考える | 変えにくい（仕事への姿勢） | 分析結果は、意思決定に使われて初めて価値になります。分析屋も、技術は後から伸ばせる一方で「何のために技術を使うか」という姿勢は後から変えにくいと考えています |
| 学び続けることに強い抵抗がある | 後から身につけられる | 学習範囲は広く、終わりはありません。ただし学ぶ意志があれば伸ばせます。本気かどうかを確かめるため、半年間みっちり勉強してから転職活動を始めた社員もいます |
前の2つに強く当てはまり、考え方を変えるつもりもない場合は、「やめとけ」が当てはまる可能性が高いといえます。反対に、3つめだけが不安という方は、学び方を工夫することで乗り越えられる可能性があります（参考：分析屋はなぜスキルオンリー採用ではないのか）。
向いている人の特徴
・ 顧客とのすり合わせや調整ごとで力を発揮してきた人：話のうまさではなく、相手の意図をくみ取り、認識を合わせながら前に進める力が活きます。前述のSE出身の社員も、人と話すのが得意だったわけではないが、相手の求めているものを引き出すのは好きだったと語っています。私が見てきた「一番頼られる人」も、技術者がリスクを隠さずに相談できる空気をつくるのが上手でした
・ 論理的に考えられる人：たとえば「売上が落ちた」と聞いたとき、客数が減ったのか、客単価が下がったのかと分けて考えられる人です
・ 学び続けられる人：SQL、統計学、Pythonなど、幅広い知識を更新し続けることが成長につながります
・ 地道な作業を続けられる人：データの整理や確認を、丁寧に粘り強く積み重ねられる人です
向いている人の特徴は、こちらでも詳しく解説しています。
→データアナリストに向いている人＝3K（経験・勘・根性）が苦手
30秒セルフチェック
次の5つのうち、いくつ当てはまるかを数えてみてください。
□ 依頼を受けたとき、目的や背景を確かめてから作業を始めることが多い
□ 期限や予算、人手などの条件の中で、現実的な進め方を考えてきた
□ 会議で散らかった話を整理し、次にやることをまとめた経験がある
□ 数字や表を見ると、「なぜこうなっているのか」が気になる
□ Excelの関数やSQL、新しいツールなどを、自分で調べて使ったことがある
| 当てはまった数 | 今の状態と、次の一歩 |
| 4〜5個 | 意思決定伴走型の素地があり、強みを活かせる可能性が高い状態です。実際に働く人の考え方や募集職種を見て、具体的に確かめてみてください |
| 2〜3個 | 方向性は合っている可能性があります。足りないのは主にスキルです。「未経験者が後悔しないために、応募前に準備すべきこと」から準備を始めましょう |
| 0〜1個 | 今は「やめとけ」の理由が当てはまりやすい状態かもしれません。応募を急ぐより、まず今の仕事の数字をExcelで集計し、気づきを1つまとめてみてください。それを面白いと感じるかどうかが、次の判断材料になります |
分析屋で働く人の考え方や、採用で何を見ているかを知りたい方はこちら
→分析屋はなぜスキルオンリー採用ではないのか
データアナリストの将来性：AIで自動化される仕事、価値が高まる仕事
データアナリストの需要は今後も高まる見込みです。ただし、価値が残りやすいのは「作業」ではなく「判断を前に進める仕事」です。
ビジネスにおけるデータ活用は、IT業界に限らず、金融、医療、小売、製造といったさまざまな業界に広がっています。データ分析の知識とスキルは企業にとって価値が高く、比較的高い年収も期待できます。経験を積めば、プロジェクトリーダーへのキャリアアップや、フリーランスとして独立する道もあります。
一方で、AIの普及によって仕事の中身は変わっていきます。
| 区分 | 具体的な仕事 |
| AIで自動化される可能性がある仕事 | 単純な集計／レポート作成／定型的な分析 |
| 価値が高まりやすい仕事 | 課題整理／業務理解／関係者との調整／ネクストアクションの提示 |
私自身も、ビジネス開発を推進する立場として、AIには「情報処理（何を・どうやるか）」を渡し、人には「意味づけと合意形成（なぜやるのか・誰を動かすのか）」を残すと、はっきり線を引いています。議事録や定型の報告書づくりは生成AIに任せて、作業時間を極限まで削る。その分、不確実な中でのリスクを伴う決断や、他部門との泥臭い信頼関係づくり、理屈だけでは動かない人の気持ちに向き合うことに、全力で時間を使います。
分析屋の代表・溝口も、コードを書く、データを処理する、レポートを作る、一定の分析をする、といった仕事は今後さらに自動化されていくと見ています。そのうえで差がつくのは、数字の背景を読むことや、要件があいまいな状態から顧客と一緒に整理することだと述べています。
参考：分析屋が「人間らしさ」にこだわる理由 / 現代表・溝口のストーリー
つまり、単純集計だけの働き方ほどAIの影響を受けやすく、課題整理から次のアクションまで担える働き方ほど価値が残りやすいということです。「やめとけ」の分かれ目は、そのまま将来性の分かれ目でもあります。
データアナリストとして経験を積んだ先には、データサイエンティストへ進む道もあります。
→データサイエンティストになるには？必要な知識とスキルを解説
未経験者が後悔しないために、応募前に準備すべきこと
準備しておきたいのは、「スキル」「経験の棚卸し」「応募先の見極め」の3つです。
1. 最低限そろえたいスキルと、どこまでできればよいか
スキルは、全部を高いレベルでそろえる必要はありません。まずは次の優先順位で、入口に立つ目安を目指しましょう。
| 優先順位 | スキル | どこまでできればよいか（入口の目安） |
| 1 | SQL（データベースから必要なデータを取り出すための言語） | 必要なデータを自分で抽出し、結合・集計できる |
| 2 | Excel・BIツール（データをグラフなどで見える化するツール） | 集計結果を表やグラフにまとめ、相手に説明できる |
| 3 | 統計の基礎 | 平均とばらつきの意味や、「一緒に動いていること（相関）」と「原因と結果の関係（因果）」の違いを説明できる |
これは一般的な入口の目安です。Pythonなどのプログラミング言語は、この3つの次に学ぶと、集計の自動化やより高度な分析に進みやすくなります。
学び方は、オンライン講座で体系的に学ぶ、統計検定・情報処理技術者試験・オラクルマスターなどの資格で理解度を確かめる、といった方法があります。最も効率的なのは、就職して実務の中で学ぶことです。分析屋の社員インタビューでも、入社後にExcel・SQL・Python・BIツールの研修を受け、その内容が最初の案件で活きたと語られています。
未経験からデータアナリストになる方法は、こちらで詳しく解説しています。
→データアナリストとは？未経験からなるには？年収・資格・仕事内容についてわかりやすく解説
2. 前職の経験を「データ人材の言葉」に置き換える
スキルと同じくらい大切なのが、これまでの経験の棚卸しです。
私は営業として、複雑な技術の仕様を、お客様の日々の業務や経営課題の言葉に翻訳して届けることを、自分の価値にしてきました。同じように、前職でやってきたことも、データアナリストの仕事の言葉に翻訳できます。
| 前職でやってきたこと | データアナリストの仕事では |
| 要件整理 | 分析の目的設定（何が明らかになれば判断できるかを決める） |
| 進行管理 | 分析プロジェクトの段取り（データの準備から報告までを組み立てる） |
| 顧客折衝 | 分析結果の合意形成（結果をもとに関係者の認識をそろえる） |
| 資料作成 | 示唆の伝え方（数字から「だから何をするか」を伝える） |
実際に分析屋には、高校教員として「誰が意思決定者か」を見極める感覚を身につけた人、芸能プロダクションの現場マネージャーとして人の強みを見つける力を養った人、自動車メーカーで調整・交渉・論理的な報告の力を身につけた人がいます。一見バラバラな経験が、分析の仕事につながっています。
参考：ただいま社員だから分かる他社と分析屋の絶妙な違い
3. 応募先を見極める
同じデータアナリストという職種名でも、会社によって働き方は大きく違います。見極めるポイントは、分析を「渡して終わり」にする会社か、「意思決定まで伴走」する会社かです。面接では、次のような質問で確かめられます。
・ 分析結果は、誰がどのように意思決定に使っていますか
・ 依頼の目的や背景を、分析担当者が顧客と直接すり合わせる機会はありますか
・ 入社後、最初はどのような業務から担当することが多いですか
もう1つの視点は、会社が自社の弱みや過去の課題を正直に開示しているかです。分析屋自身も、社名で検索すると「やばい」という候補が出てくることに触れたうえで、創業からしばらくは分析の仕事を十分に用意できなかった時期があったことを公開しています。
分析屋が考えるデータアナリスト
分析屋では、データアナリストを単純集計の担当者ではなく、データをもとに課題を整理し、意思決定につなげる人材と捉えています。
分析屋は、上流の戦略づくりだけでも、開発だけでもなく、その両方を一社で担う「中流」のポジションにいます。だからこそ、技術とビジネスの間に立てる人が必要です。社員は元SEと元非SEがほぼ半々で、営業、販売、マーケター、金融、教育、医療など、さまざまな業界から人が集まっています。
分析屋が重視しているのは、会話しながら目的・背景・制約・次の一手を整理できる人です。折衝・調整・橋渡しが得意な人が、データスキルを身につけることで価値を伸ばせる。もちろん技術を軽く見ているわけではなく、技術を顧客の判断や行動につなげるところまでやって初めて価値になる、と考えています。
家電量販店の販売員から転身した社員や、データ分析の技術よりもクライアント視点を強みに顧客に近い役割を任されるようになったSE出身の社員が、実際に活躍しています。
→販売員からデータ分析の道へ進み、クライアントの課題解決に貢献
→クライアントに寄り添い、最善かつ最速の実現方法をいっしょに考える
データアナリストの「やめとけ」に関するよくある質問
Q. データアナリストは「やめとけ」って本当ですか？
A. 理由は実際にあります。ただし、多くが当てはまるのは単純集計だけをする働き方（集計代行型）に閉じた場合です。顧客の話を聞き、論点を整理し、次のアクションにつなげられる人にとっては、むしろ強みを活かせる可能性があります。
Q. 技術力に自信がなくてもデータアナリストになれますか？
A. 技術力にまだ圧倒的な自信がなくても、折衝・調整・整理の経験はデータ人材への入口になります。ただし、データスキルが不要という意味ではありません。SQL、Excel・BIツール、統計の基礎を入口の目安として準備することをおすすめします。
Q. データアナリストは地味な集計作業ばかりですか？
A. 地道な作業はなくなりません。ただし、集計した結果を「だから何をするか」まで言葉にし、意思決定につなげるところまで担えるかどうかで、仕事の中身と評価は大きく変わります。
Q. AIでデータアナリストの仕事はなくなりますか？
A. 単純な集計、レポート作成、定型的な分析は、自動化される可能性があります。一方で、課題整理、業務理解、関係者との調整、ネクストアクションの提示ができる人材の価値は高まりやすいと考えられます。
Q. データアナリストとデータサイエンティストの違いは何ですか？
A. データアナリストは、データを分析・可視化して意思決定を支援する仕事です。データサイエンティストは、統計や機械学習を使って予測モデルなどをつくる役割まで担うことが多い職種です。
詳しくは「データサイエンティストとデータアナリストの違いを詳しく解説」をご覧ください。
まとめ：「やめとけ」の理由を知ったうえで、自分の強みが活きるかで判断しよう
データアナリストが「やめとけ」と言われる理由は、実際にあります。地道な作業や学び続ける負担は、どの働き方でもなくなりません。ただし、その多くが重くのしかかるのは、単純集計だけをする働き方に閉じた場合です。顧客の話を聞き、論点を整理し、次のアクションにつなげられる人にとっては、むしろ強みを活かせる可能性があります。
最後に、冒頭でお約束したメッセージです。今の職場で調整や資料づくりが評価されないと悩んでいる方へ、私はこう伝えます。
「裏方の調整役でいるのをやめて、プロジェクトの映画監督になってください」
評価されにくいのは、その仕事を「頼まれた作業」としてこなしているからかもしれません。資料づくりや調整は、本来、関係者の認識をそろえ、プロジェクトの方向を決める最強の武器です。
これからは、資料の作成時間を生成AIで徹底的に縮めてください。そして浮いた時間で、関係者への根回しや課題の先回りをして、あなたが思い描くゴールへ周りを動かしていく。それが、集計代行型から意思決定伴走型への一歩です。板挟みの苦しさを知っている人ほど、全体を見渡せる監督になれる可能性は十分にあります。
あなたがいま抱えている調整業務の中で、AIに任せられそうなのはどの部分でしょうか。そこを考えることが、データアナリストへの一歩目になるかもしれません。
分析屋がどんな会社なのか、良いところも課題も含めて知りたい方は、まずはこちらをご覧ください。そのうえで、データアナリストの募集職種もあわせてご確認ください。
エントリーはこちら
