月曜の朝、また同じ集計表を開きながら、ふと「このままでいいんだろうか」と思う——。データを扱う仕事に興味はあるのに、どこか自分には縁のない世界のようにも感じる。その“気になるけれど動けない”気持ちを、この記事で少しずつほどいていきます。
「データを活用しろと言われるけれど、何をすればいいのか分からない」「技術は評価されても、ビジネスに貢献できている実感がない」——そんなモヤモヤを抱えながら、データサイエンティストという仕事が気になっている方は少なくありません。
一方で、いざ一歩を踏み出そうとすると、「もう年齢的に遅いのでは」「文系だから無理では」「実務経験がないと門前払いでは」と、不安が先に立ってしまう。興味はあるのに動けない、という状態です。
この記事は、その不安の正体を一つずつ分解し、「自分はいけるのか」を判断して、最初の一歩を決めるための記事です。結論から言えば、未経験からデータサイエンティストを目指せるかどうかは、年齢や専攻よりも「これまでの経験をどう活かすか」で決まります。
この記事でわかること
・ 経験がつまずきやすい「年齢・専攻・経験ゼロ」という不安の正体
・ 企業が未経験者に本当に求めているもの
・ これまでの仕事の経験が、データ分析の現場でどう活きるか
・ 「今すぐ動いていい人」と「あと少し準備した方がいい人」の見分け方と、最初の一歩
→ そもそもの仕事内容から知りたい方はこちら：データサイエンティストとは？
未経験からのデータサイエンティストに「無理」と感じる3つの壁
未経験からデータサイエンティストを目指すとき、多くの人が同じ3つの壁の前で立ち止まります。「もう年齢的に遅い」という〈年齢の壁〉、「文系・非情報系だから畑違い」という〈専攻の壁〉、「高度な数学や実務経験がないと相手にされない」という〈経験ゼロの壁〉——この3つです。この記事では、後半にかけて、この壁を一つずつ壊していきます。
この壁が手ごわいのは、能力が足りないからではなく、“最初の一歩の踏み出し方”が見えないからです。求人を眺めても「システムエンジニア経験者向け」ばかりで、未経験がどこから入ればいいのか分からない。実際、分析屋のある社員も、未経験で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。壁の正体は、あなたの適性ではなく、入り口の情報が世の中に少ないことなのです。
そしてもう一つ、先に知っておいてほしいことがあります。データ分析の現場でつまずく理由の多くは、技術力そのものではありません。次章から、その中身を一つずつ見ていきます。
あるデータ分析職の社員（Sena.Nさん）は、前職の家電量販店時代をこう振り返っています。売上はとても使えるデータなのに、それを活かして売り方を変えようとする人は職場にほとんどおらず、売上が伸び悩むと、接客の仕方や一人ひとりのがんばりといった精神論に帰結しがちだった——と。データはあるのに意思決定に使われない。多くの現場で起きているこの状況は、裏を返せば、そのデータを動かせる人がいかに足りていないか、ということでもあります。
（参考：販売員からデータ分析の道へ）
企業が「未経験」に本当に求めているもの
「未経験からデータサイエンティストになるには、まず高度な数学を——」と語られがちです。もちろん統計や数学の知識は、あるに越したことはありません。
けれど実際の現場で評価されるのは、数式を解く力よりも、「この分析は何のために必要なのか」を言葉にして、周りの人を動かせる力です。たとえるなら、統計や数学は“よく切れる包丁”のようなもの。切れ味は大事ですが、いいレストランに必要なのは、お客さんが本当に食べたい一皿を聞き出して形にする力です。どれだけ精度の高い分析をそろえても、相手に伝わり、意思決定に使われなければ、成果という“料理”にはなりません。
さらに企業は「学び続けられるか」という再現性を見ています。先ほどの社員は、大学時代に敬遠していたプログラミングを転職前に半年間みっちり学び直し、それでも心が折れなかったら本気だと、自分を試してから応募したそうです。入社後の研修（Excel・SQL・Python・BIツールの4つ）も、その学ぶ姿勢があってこそ活きるものでした。
未経験にとって心強いのは、実際にその道を通った先輩がいることです。同じ社員は、面接担当者自身がまったくの未経験から入社していて、よく似た境遇のリアルな経験談を聞けたことで、強く背中を押されたと話しています。企業が見ているのは、完成されたスキルではなく、そこからどう伸びるか——つまりポテンシャルと学ぶ力なのです。
だから、未経験の段階でまず問われるのは数学力ではなく、課題を言語化する力と、学び続けられる姿勢です。
年齢は本当にハンデか
「30代・40代からでは遅い」とよく言われます。確かに、新卒とまったく同じ土俵で“若さ”だけを比べるなら、不利に見えるかもしれません。
しかし実際の現場では、年齢そのものより「これまでに何を経験してきたか」の方がはるかに効きます。なぜなら、データ分析は数字をいじる作業ではなく、「どの課題を、なぜ解くのか」を決めるところから始まるからです。前職で予算や現場、事業の意思決定に関わってきた人ほど、その“問いの立て方”を体で知っています。年齢は、その問いの引き出しの多さ——いわゆるドメイン知識や課題発見力——に変換できるのです。長く厨房に立ってきた料理人が、どんなお客さんに何が喜ばれるかを体で知っているのと同じです。
つまり年齢は、20代・30代・40代で「効かせ方」が変わるだけで、ハンデと決めつけるものではありません。実際、分析屋の中途採用では、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そのものは問わない、という方針をとっています。
→30代の未経験転職をより具体的に知りたい方はこちら：30代未経験からデータサイエンティストに転職可能？
文系・非情報系でも大丈夫か
「理系じゃないと無理」という思い込みも根強いですが、これも現場の実感とはズレています。
むしろ文系の強みは、相手の話を丁寧にヒアリングし、分析結果を資料やプレゼンで“伝わる形”に翻訳できることにあります。どんなに腕のいい厨房（分析）があっても、注文を聞き、料理の魅力を伝えて選んでもらう“ホール”がいなければ、お客さんの席には届きません。文系の力は、この厨房とお客さんをつなぐ翻訳力なのです。分析屋には、「文系未経験からWEBアナリストになるまで」として語られている社員（Yukariさん）もいます。就職活動のときはデータ分析に興味すらなかったところから、WEB解析の担当としてキャリアを築き、いまはWEB解析士として顧客課題の解決に貢献しています。文系ならではの強みとして、課題のヒアリングや資料作成・プレゼン、そしてビジネスの視点が挙げられています。数学は、必要になったときに道具として後から身につけても十分間に合います。
実際、分析屋の解説でも、データサイエンスはビジネス力・データサイエンス力・データエンジニアリング力の3つが重なり合う領域で、文系出身者はビジネス課題を設定する力が、現職SEはデータ基盤を扱う力が、それぞれ最初から強みになる、と整理されています。年齢や専攻そのものより、こうした“これまでの強み”をどこに効かせるかが要なのです。
専攻より効くのは、この“現場の翻訳力”です。文系・未経験ならではの活かし方や、なるための具体的な手順は、こちらもあわせてご覧ください。
→ データサイエンスとは（文系・未経験SEのための3つの真実）
→ なるための知識・スキルの手順：データサイエンティストになるには？
これまでの仕事の経験（IT以外も含む）は、DS転職でこう活きる
「未経験＝ゼロからのスタート」と思われがちですが、実際には、これまでの仕事の経験がそのまま武器になります。しかもそれは、IT系の仕事に限りません。料理にたとえるなら、前職で培った経験は“持ち込みの食材”のようなもの。ゼロから食材をそろえるのではなく、いま手元にある食材を、データ分析という料理にどう活かすかが問われるのです。
先ほどの社員は、家電量販店の販売員時代、もっと売上を伸ばせないかと考えるうちに、自然と店の売上データを見るようになりました。商品配置や季節商品の売り出し方をデータから考えるのが面白く、やがて「この売り場はどうすればいい？」という相談が本人に集中し、休憩時間を全部つぎ込んで分析するほどになったそうです。誰かに指示された勉強ではなく、現場の課題から生まれた分析でした。
次に移った教育業界の営業職でも、扱っていたネットワーク機器のトラブル対応で、発生した日時や種類をデータとして集め、Pythonで原因を分析し、相手に説明できるようグラフや図表で可視化していたといいます。職種が変わっても、「データで課題を解く」という力は積み上がっていたのです。
別の社員（Kさん）は、塾講師や保険の営業を経て、データ分析はほぼ未経験のまま分析屋に入社しました。いまはアパレル会社に常駐し、業務効率化につながるレポートを作成したり、顧客との関係をLTV（顧客生涯価値）の観点から分析したりしています。人に教える仕事や、人と向き合う営業で培った力は、そのまま“課題を捉えて相手に届ける”データ分析の仕事に地続きでした。本人も、未経験でも学ぶ意欲がある人にはチャンスがある、と振り返っています。
→ 塾講師・保険営業からの転身：実務経験ゼロからデータのスペシャリストへ
営業・接客・企画・事務——どんな職種であっても、そこで培った「ドメイン知識」「課題を見つける力」「人を動かす力」は、データ分析の現場で確実に効きます。システムエンジニアからデータ分析へ移り、対話から相手の意図を読み取る力を強みにしている社員もいます。SQLなどの経験があればさらに有利ですが、それは“強み”であって“必須”ではありません。
→ 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
未経験からの現実的なルート（仕事内容・学習・年収をざっくり）
不安の正体がほぐれてきたところで、気になる“具体的なところ”も一度、ざっくり整理しておきます。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。
仕事内容をざっくり
データサイエンティストの仕事は、データの収集・加工から、モデルの設計・構築・運用、そして課題の抽出から施策の提案まで多岐にわたります。1人で完結する仕事ではなく、チームやクライアントと対話しながら進めるのが実際です。
最短の学習ステップ
学ぶ順番はシンプルです。まずSQLとPythonでデータを触れるようにし、次に統計、そして機械学習へ。独学かスクールかは、自分が続けやすい方で構いません。大切なのは、完璧な網羅より“手を動かして続けること”です。
年収の目安と資格の考え方
年収は、経験を積むほど上がっていく傾向があります。資格は必須ではありません。実務が先で、統計検定・G検定・Python試験などは、対外的にスキルを証明したいときに役立つ“補助輪”です。前述の社員も、資格そのものは絶対に必要なわけではないとしつつ、対外的な証明のために取得を進めていると話しています。
正直に言うと、「今すぐ応募していい人」と「あと少し準備した方がいい人」がいます
ここまで読んで、「じゃあ自分はどうなんだ」と思った方へ、正直にお伝えします。ここまでで、〈年齢の壁〉〈専攻の壁〉〈経験ゼロの壁〉は、どれも越えられない壁ではないと見えてきたはずです。無理に背中を押すよりも、自分の現在地を知ってもらう方が遠回りにならないので、最後に、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？
□ 前職で、売上や業務の課題を自分で見つけて動いたことがある
□ 学んだことを、人に説明した経験がある
□ 「なぜこの分析が必要なのか」を考えるのは、嫌いではない
→ 2つ以上あてはまるなら、いまが動きどきです。1つ以下でも大丈夫。まずは社員に話を聞くところから、準備と並行して始められます。
今すぐ動いていい人
学ぶ意欲があり、これまでの仕事の経験を自分の言葉で語れる人は、今すぐ動いていい人です。具体的には、前職で売上や業務の課題を自分で見つけて動いた経験がある、学んだことを人に説明できる、という方。IT経験は必須ではありません。仕事の中でデータに触れた経験や、課題を見つけて動いた経験があれば、それが十分な出発点になります。
→ 自分が向いているか気になる方はこちら：データサイエンティストに向いている人とは？
「あと少し」の人の出口
一方で、「まだ自信がない」という方もいるはずです。そういう方も、ここで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。まずは実際に働いている人の話を聞いてみるのが、いちばん手っ取り早く“距離感”をつかめます。厳しい面も含めて先に知っておきたい方は、こちらも参考にしてください。
→ データサイエンティストはやめとけ？（現実的な側面も解説）
「未経験から実際にどう飛び込んだのか」を具体的に知りたい方は、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——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
最初の一歩は「完璧な準備」より「現場に近づくこと」
最後に、いちばん大事なことを。
未経験の人ほど「完璧に準備してから」と考えがちですが、完璧を待つほど、かえって動けなくなります。レシピ本を最後まで読み込んでからでないと厨房に立てない、と思っていると、いつまでも一皿目は作れません。実際に伸びている人は、まず簡単な一品を作るように、現場に近い環境で小さく始めています。
先ほどの社員の最初の案件は、ゲーム業界で、分析用の基盤システムに必要なデータの抽出・加工でした。未経験者の最初のステップにふさわしい、その後の基礎になる仕事です。しかも初めてのフルリモートで、対面で培った対話のノウハウが通用せず、はじめは苦労したそうです。それでも、聞きたいことがあるときは相手のスケジュールを先に押さえ、自分からミーティングの枠を作る——先輩にならったそんな工夫で、少しずつ進め方のコツをつかんでいきました。腐らずに足固めの期間を活用してほしい、というのが本人からのメッセージです。
だからこそ、最初の一歩は「完璧な準備」ではなく「現場に近づくこと」。足りないスキルは、動きながらの方がはっきり見えてきます。その一歩が、いちばん大きな差になります。
分析屋で、未経験から「使われる分析」ができるデータサイエンティストへ
分析屋が大切にしているのは、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”です。先ほどの社員も、自分が関わるデータが何に使われるのかをイメージし、100%役に立つものを届けようと、分かるまで調べ抜いて納品していたところ、クライアントから高く評価された、と語っています。「分析＝成功につなげること」「おもてなし＝顧客努力の軽減」という考え方が、こうした一人ひとりの仕事に表れています。ここまで“料理”にたとえてきましたが、分析屋のいう「おもてなし」は、まさにお客さんの“食べたい”を汲み取り、その人にとって最高の一皿を出す姿勢そのものです。包丁（技術）を磨くことと、誰のために何をつくるのかを考えること——その両方があってこそ、“使われる分析”になります。
私たちは、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。未経験でも、これまでの経験を活かしながら「使われる分析」ができるデータサイエンティストを目指せます。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：システムエンジニアからデータ分析のプロへ
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。
