データサイエンティストはなぜ不足してる？採用・育成方法も解説
データサイエンティストはこの先採用できなくなるかもしれない、、
「データサイエンティストって不足してるの？」
「優秀なデータサイエンティストを採用するにはどうしたらいい？」
という疑問をお持ちではないでしょうか。
本記事では
など、優秀なデータサイエンティストを確保するためのノウハウを紹介します。
データサイエンティストを採用する目的もクリアになるはずですので、ぜひ一読ください。
データ分析のプロフェッショナル人材をお探しなら
ミエルカコネクトに相談してみませんか？
約1500名の中から独自審査を通過した即戦力マーケターのみを紹介！
データ分析でお困りの方はお気軽にご相談ください。
目次
そもそもデータサイエンティストとは？
最近よく耳にする「データサイエンティスト」ですが、どんな人材なのでしょうか。
データサイエンティスト協会は以下のように定義しています。
「データサイエンティストとは、データサイエンス力、データエンジニアリング力を ベースにデータから価値を創出し、ビジネス課題に答えを出すプロフェッショナル」
「データサイエンス力？データエンジニア力？ってなに？」
という声が聞こえてきそうですが、これらの言葉については後ほど解説します。
ここでは、「データを分析・解析し、ビジネスに活かせる知見を提供できる人材」
と理解しておきましょう。
データサイエンティストはどれくらい不足してる？
どれくらいデータサイエンティストが足りていないのか、いくつかデータを見ていきましょう。
データサイエンティストは既に不足している
以下は経済産業省が2019年3月に発表したIT人材需給に関する調査報告書のグラフです。
棒グラフの上にピンク部分(先端IT人材不足分)が不足分です。
調査を行った2019時点で4万人以上足りていない状態。
さらに不足数は年々増加し、2030年には54万人も足りていない状態になる予測です。
画像引用：経済産業省「IT人材需給に関する調査」（2019年3月） 
企業からもデータサイエンティストが足りないの声
以下は、データサイエンティスト協会が2019年に283社に対して実施したデータサイエンティストの採用に関する調査結果より。
「データサイエンティストが1人以上いる(左円グラフの紺色部分)」
と答えた企業はわずか29%(82社)
画像引用：「データサイエンティストの 採用に関するアンケート調査結果」（2019年11月） 
同調査によると、既にデータサイエンティスト在籍企業の77%は「さらに増やしていきたい」と答えている。しかしながら、「目標としていた人数を確保できなかった」企業が58%と、採用・育成には苦戦していることが分かります。
データ量の増加により、さらにデータサイエンティストが求められる
総務省発表のデータ流通量の予測によると、データ量は2017年から2022年までの5年間で3倍に増加すると予想されます。
画像引用：総務省「データ流通量の予測」（2019年） 
加えて同資料では、更なるデータ量増加要因として以下の4つを挙げています。
- コンテンツの大容量化（動画配信サービスの広がり）
- IoTデバイスの普及
- 5Gの普及
- 新型コロナウイルス感染症を契機とするデジタル化の進展
世の中で発生するデータ量が増えれば、企業が取り扱うデータも増えていく。
そうなれば、より一層データサイエンティストが求められてくるでしょう。
不足するデータサイエンティストに求められるスキル
具体的に、データサイエンティストが持っているべきスキルはなにがあるでしょうか。
データサイエンティスト協会の定義をもとにご説明します。
画像引用：データサイエンティスト協会「データサイエンティスト検定」 
スキル①：データサイエンス力
一言で言えば「情報処理、人工知能、統計学などの情報科学系の知恵を理解し合う力」
基本統計などの知識を有し、データ抽出・グラフ作成などができること。
複数のパラメータやアルゴリズムの選択など、適切な分析アプローチの設定ができれば、上級と言えます。
スキル②：データエンジニアリング力
一言で言えば「データサイエンスを意味ある形に使えるように実装・運用できるようにする力」
一般的なアクセス解析シス テムを使うことができること。
複数のデータソースを統合したデータシステム、もしくはデータプロダクトの構築、全体最適化ができれば、上級と言えます。
スキル③：ビジネス力
一言で言えば「課題背景を理解した上で、ビジネス課題を整理し、解決する力」
ビジネスにおける論理とデ ータの重要性を認識していること。
対象とする事業全体における課題の切り分け、テーマ、論点の明確化し、組織や市場全体にインパクトを出せれば、上級と言えます。
データサイエンティストを採用・育成する目的はなに？
ここまで、データサイエンティストの不足状況とスキルについてご説明してきました。
とはいえ、自社もデータサイエンティストが必要なのか？と疑問に思う方もいるでしょう。
闇雲にデータサイエンティストを確保しても、うまく活用できなければ意味がないのは当然のことです。
採用・育成する前に、以下のことを見直してみましょう。
データサイエンティストのスキルで解決したい社内の課題は何か？
まずはデータサイエンティストが本当に必要なのか、を考えてみましょう。
1．課題の洗い出し
- 現在社内にどんな課題があるか
- 将来社内にどんな課題が発生しそうか
2．必要なデータサイエンティストのスキル
- それらの課題解決にはどんなスキルが必要になるか
- データサイエンティストのスキルで解決できるか
データサイエンティストの業務範囲・責任範囲は？
上記の問いが「YES」であれば、データサイエンティストが必要だと言えるでしょう。
次はどんなデータサイエンティストが必要なのか、業務等の棚卸をします。
以上がクリアになれば、どんな人材を採用・育成すべきか見えてくることでしょう。
不足するデータサイエンティストの採用方法
データサイエンティストの採用方法について、3つのアプローチを紹介します。
フリーランス：エージェントを通じてデータサイエンティストを探す
フリーランスであれば、正社員よりもコストを抑えながら契約ができます。
おすすめはエージェントを利用したフリーランス採用。
前章で整理した”求めるデータサイエンティスト像”をエージェントに伝えて、それとマッチしたフリーランスを紹介してもらいましょう。
長期でプロジェクトに入ってもらったり、スポットで課題解決をサポートしてもらったりと、柔軟に契約できるのもフリーランス採用のメリットです。
中途採用：データサイエンティストの実務経験ありの人材を募集する
中途採用であれば、データサイエンティストの実務経験者を狙えます。
他社で実績があるのは心強いし、採用の際も安心できますよね。
しかし前述の通り、データサイエンティストの需要は急増中。
そのため、採用にかかるコストは高くなる可能性があります。
新卒採用：育成前提でIT系学科の学生を採用する
新卒採用であれば、データサイエンティストの素養を持ったIT系学科の学生を狙えます。
長期目線で育てていけば、優秀なデータサイエンティストになる可能性があります。
しかし育成前提となるため、現状の課題解決には向かない可能性があります。
さらに社内・社外でデータサイエンティストの育成環境を準備する必要もあります。
不足するデータサイエンティストの育成方法
データサイエンティストの育成方法について、3つのアプローチを紹介します。
社内リソースでデータサイエンスに関する研修を行う
既にデータサイエンティストがいる場合、彼らによる社内研修が考えられます。
社内事情を踏まえ、より実務を想定した研修が行えるでしょう。
一方でいくつかデメリットもあります。
以上のデメリットをクリアできれば、コストを抑えてデータサイエンティストの育成ができます。
データサイエンス研修を外注する
社内にデータサイエンティストがいない場合は、基本的に外注することになります。
研修サービスに申し込めば、社内・社外で研修を受けることができます。
画像引用：インソース「データサイエンティスト研修」 
一方で外注となりますので、気になるのは費用面。
実践的なスキルを身につけさせたいなら、研修は最低でも2-3日間は必要となるでしょう。
そうなると研修費用も高額になってきます。
オンライン学習サービスを利用する
オンライン学習サービスは、法人でも申し込むことできるものもあります。
データサイエンスを取り扱うサービスに申し込めば、外注研修よりも比較的安くデータサイエンティストを育てられる可能性があります。
画像引用：Udemy「データサイエンティスト養成講座」 
一方で、社員が自由に講義を受けられるが故に、スキルを身につけるまでに時間がかかったり、進捗・理解度の把握などの課題があります。
上手な付き合い方を考えれば、オンライン学習も有効な育成方法となるでしょう。
データサイエンティストを探すなら「ミエルカコネクト」
データサイエンティストは今後も需要が高まると予測され、ますます確保が難しくなります。
もちろん自社でデータサイエンティストを採用・育成する目的確認は必要。
欲しいデータサイエンティスト像を見定めた上で、なるべく早く採用・育成の手を打ちましょう。
「ミエルカコネクト」は、マーケティング専門のフリーランス・副業人材マッチングサービスです。約700名のマーケターが登録しており、データ分析・アクセス解析が得意なマーケターもいらっしゃいます。
記事内で述べたように、今あるデータの分析や、社内の人材の育成のために、優秀なデータサイエンティストを活用することが可能です。
ぜひご相談ください。
この記事を書いた人
金海 祥吾 / Kanaumi Shogo
本業は猟師をしながらWebマーケターとして活動中。コンテンツSEOの領域にて、キーワード選定・校正案作成からライティングまでの一貫した支援を強みとする。執筆経験ジャンルは、生活・ライフスタイル（美容・健康、保険、投資、不動産、複業、地方創生、二拠点生活、田舎暮らし）など。
記事掲載日： 記事更新日：
