データサイエンティストのリアル－2015年～2019年一般(個人)会員アンケートより

データサイエンティストのリアル
2015年～2019年一般（個人）会員アンケートより
2020年6月10日
データサイエンティスト協会調査・研究委員会

Copyright © 2020 The Japan DataScientist Society. All Rights Reserved.
本日お話する内容
 調査目的と概要
 調査結果
– 会員属性の特徴
– データ分析とのかかわり
– スキルレベルと得意カテゴリ
– DS の活用・人材育成について
 まとめ
2

調査目的と概要
3

調査の目的
4
データサイエンティストの人材育成やスキルアップ、
組織内外の需要（企業）と供給（データサイエンテイスト）の
マッチングに関する現状を明らかにするため
データ分析に携わる個人が抱える課題を把握・考察する
≒データサイエンティスト協会一般（個人）会員

調査の概要
 2015年調査
– 調査対象者：DS協会一般会員（実務者層およびマネジメント層）
– 調査日： 2015年10月4日～ 10月28日
– 回収数： 245（うち85は実務･マネジメント以外）
 2016年調査
– 調査対象者：DS協会一般会員（データ分析関与者）
– 調査日： 2016年9月23日～ 10月3日
– 回収数： 145（うち54はデータ分析非関与）
 2018年調査
– 調査対象者：DS協会一般（個人）会員全体
– 調査日： 2018年9月4日～ 9月28日
– 回収数： 391
 2019年調査
– 調査対象者：DS協会一般（個人）会員全体
– 調査日： 2019年11月26日～ 12月22日
– 回収数： 414
5
アンケート画面URLを一般(個人)会員にメールで送信し任意回答いただく

調査結果：
会員属性の特徴
6

性別
7
男女比は９：１
女子比率が微増傾向
93
89
89
87
6
9
11
13
1
2
2015年
2016年
2018年
2019年
n=160
n=91
n=391
n=414
男性女性答えたくない

年齢
8
30～40代が中心層
50代比率が増加中
0 0 1 1
8
13 14 12
36
38
32
29
38
32 32 31
12 11
17
21
4 4 4
7
2 1 0 0
0%
10%
20%
30%
40%
50%
2015年 2016年 2018年 2019年
n=160 n=91 n=391 n=414
40代
30代
50代
60代以上
答えたくない
20代
10代
40代
30代
50代
60代以上
答えたくない
20代
10代
40代
30代
50代
60代以上
答えたくない
20代
10代
40代
30代
50代
60代以上
答えたくない
20代
10代

業種
9
IT・通信業務の従事者が多い
製造、コンサル・リサーチ・専門事務所なども多い
0
2
7 6
7
3
2
12
5
12
2 3
2
2
6
1
0 0
2
2
13
5
3
1 1
2
0
2
8
5 5
3
1
14
4
11
4
3
1
3
6
1
2
1
3 4
10
3 3
1
2
3
0%
5%
10%
15%
2018年(n=384)
2019年(n=394)
Q. あなたの所属する企業・組織の業種を教えてください ※複数所属する場合は主たるものを選択してください
（勤め人のみ回答／SA）

調査結果：
データ分析とのかかわり
10

データ分析とのかかわり
11
データ分析業務に携わる人よりも
データ分析について学ぶ人が増加傾向
59
67
21
10
64
58
17
9
0%
10%
20%
30%
40%
50%
60%
70%
80%
データ分析・解析について
学んでいる
データ分析・解析に関わる
業務を行っている
所属する企業・組織内のデータ
分析・解析に関わる人材・組織の
マネジメント・配置・採用に
関わっている
いずれにも関与していない
2018年(n=384)
2019年(n=414)
Q4. あなたは、データ分析・解析についてどのように関わっていますか。（MA）

分析業務従事期間
12
21
13
15
9
15
13
14
11
13
15
18
18
14
19
17
26
25
24
2016年
2018年
2019年
n=91
n=274
n=263
1年未満 10年以上1年以上 2年以上 3年以上 5年以上
Q7. あなたはデータ分析・解析にどのくらいの期間従事されていますか。（データ分析業務従事者のみ回答／SA）
※期間は現在所属されている企業・組織を問わずご自身の経歴全体でお答えください。
5年以上の分析業務従事者は 4割程度
比率が大きく変動しないことから
一定量の人材の流動があるのではないかと推察される

分析業務従事期間（2019年・業種別）
13
15
16
19
13
13
21
15
7
13
14
14
12
18
11
24
18
17
11
11
23
24
27
17
28
2019年全体
製造業
IT・通信
その他
n=128
n=56
n=263
1年未満 10年以上1年以上 2年以上 3年以上 5年以上
n=79
Q7. あなたはデータ分析・解析にどのくらいの期間従事されていますか。（データ分析業務従事者のみ回答／SA）
※期間は現在所属されている企業・組織を問わずご自身の経歴全体でお答えください。
IT･通信では5年以上の分析業務従事者が少ない
製造、IT･通信以外の「その他」の業種では
分析業務従事期間が長い人の割合が高まる

業務を表現する職名
14
13
4
12
9
0
3
20
10
6
11
18
26
30
20 20
30
9
11
17
12 11
23
10 9
42
17
25
30
6
9
17
14 12
18
15
9
4
32
17
26
33
2
6
18
11 10
18 17
7 6
0%
10%
20%
30%
40%
50%
データ
サイエン
ティスト
ビジネス
アナリスト
コンサル
タント
データ
アナリスト
データ
マイナー
データ
マイニング
エンジニア
エンジニアプログラマ・
ソフトウェア
開発者
マーケターリサーチャーマネージャーその他あてはまる
ものはない
2015年(n=160)
2016年(n=91)
2018年(n=274)
2019年(n=263)
Q9. あなたの現在の業務を表現する職名として、当てはまると思うものを以下から選んでください。
（データ分析業務従事者が回答／MA）
※2015/2016年は
調査なし
「データサイエンティスト｣が2018年より減少
「アナリスト」「コンサルタント」が増加傾向

業務を表現する職名（2019年・年代別）
15
32
17
26
33
2
6
18
11 10
18 17
7 6
43
17 17
47
3
10
27
7
10
17
7
0
7
46
21
25
40
4
10
19
14 12
24
9
5 5
18
13
26 27
1
4
17
9
11
17
26
6 6
22
17
26
24
0
2
17
15
7
15
26
11
6
0%
10%
20%
30%
40%
50%
データ
サイエン
ティスト
ビジネス
アナリスト
コンサル
タント
データ
アナリスト
データ
マイナー
データ
マイニング
エンジニア
エンジニアプログラマ・
ソフトウェア
開発者
マーケターリサーチャーマネージャーその他あてはまる
ものはない
2019年(n=263) 10-20代 30代 40代 50代以上
Q9. あなたの現在の業務を表現する職名として、当てはまると思うものを以下から選んでください。
※2015/2016年は
調査なし
その他の回答 FA
AI，機械学習 / CEO / アーキテクト/ アクチュアリー＊2 / クレジットリスク管理者 / ディレクター /
データサイエンス営業 / データディレクター / テクノロジープロデューサー /
ビジネス・デベロッパー / 企業調査員 / 技術開発 / 計装エンジニア/研修講師 / 見習い / 社内講座講師
「データサイエンティスト｣は若年層に多い
20代では「データアナリスト」が最多

調査結果：
スキルレベルと得意カテゴリの分布
16

データサイエンティストに求められるスキルセットとレベル
３つのスキルセットについて
一人で現実的に全て持てる多くの場合の目標点は
棟梁レベル
 業界を代表するレベル Senior Data Scientist
 棟梁レベル (full) Data Scientist
 独り立ちレベル Associate Data Scientist
 見習いレベル Assistant Data Scientist
 業界を代表するレベル SeniorDataScientist
 業界を代表するレベル SeniorDataScientist
ビジネス力
business problem
solving
データ
エンジニアリング力
data engineering
データ
サイエンス力
data science
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
データサイエンスを
意味のある形に使えるようにし
実装、運用できるようにする力
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、使う力
17

ビジネス力
business problem
solving
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
独り立ちレベル Associate Data Scientist
見習いレベル Assistant Data Scientist
18

現在のスキルレベル＜ビジネス力＞
19
棟梁レベル以上に達しているのは 2割程度
5
7
4
3
20
20
20
20
40
33
35
32
31
34
31
31
4
7
11
14
2015年
2016年
2018年
2019年
n=378
n=91
n=117
業界を代表それ以下/業務外
n=346
Q13. 現在のご自身のデータ分析・解析業務におけるスキルは、データサイエンティスト協会の定義では
どのレベルに当てはまると思いますか。（データ分析関与者／SA）
「独り立ち」レベルが年々減少傾向し「それ以下/業務外」が増加

スキルレベル目標＜ビジネス力＞
20
棟梁レベル以上を目標とする割合が
年々低下傾向にある
30
37
27
25
48
40
46
41
15
20
22
27
5
2
5
6
2
1
1
3
2015年
2016年
2018年
2019年
n=378
n=91
n=117
業界を代表
それ以下/業務外
n=346
Q14. あなたはご自身のデータ分析・解析業務におけるスキルを、
それぞれどのレベルまで向上させるべきであると考えていますか。（データ分析関与者／SA）

特に得意なスキルカテゴリ
21
71
66
33
26
18
11
0
64 62
32
28
23
17
7
1
61 59 59
50
36
28 28
21
15
8
1
0%
10%
20%
30%
40%
50%
60%
70%
80%
課題の定義ビジネス
観点の
データの理解
論理的思考分析評価着想・
デザイン
事業に
実装する
データ入手活動
マネジメント
行動規範契約・
権利保護
その他
2016年(n=85)
2018年(n-309)
2019年(n=327)
Q15. スキルカテゴリとして、ご自身が特に得意とされていることを教えてください（MA／スキル見習い以上）
※2019年
追加項目
「課題定義｣を得意とする割合が高い
「データ理解」「論理的思考」など下降傾向の項目が多い
※2019年
追加項目
※2019年
追加項目
※2018年
追加項目

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、使う力
データ
サイエンス力
data science
22

現在のスキルレベル＜データサイエンス力＞
23
棟梁レベル以上が年々減少
5
6
2
1
12
15
13
10
31
31
30
29
44
39
44
44
8
10
11
16
2015年
2016年
2018年
2019年
n=378
n=91
n=117
業界を代表棟梁独り立ち見習いそれ以下/業務外
n=346
「それ以下/業務外」が増加

スキルレベル目標＜データサイエンス力＞
24
棟梁レベル以上を目指す人が
減少傾向にある
22
28
17
17
50
36
45
41
22
30
30
32
3
6
6
7
3
1
1
3
2015年
2016年
2018年
2019年
n=378
n=91
n=117
業界を代表棟梁独り立ち見習い
n=346
2019年調査では「棟梁以上」を目標としているは6割未満

25
28
51
45
54
35
29
26
12
15
9 10
6 5
2 1
59
55
47
45
39 41
39
34
26
20
13
10
8 9 7
5
3
1
59
51
44 43
38 35 35
31 30
24
12 10 8 8 7
4 2 2
0%
10%
20%
30%
40%
50%
60%
70%
データの
理解・
検証
データ
可視化
データ
加工
意味合い
の抽出、
洞察
分析
プロセス
予測基礎数学
(統計数理
基礎)
性質・
関係性の
把握
検定／
判断
時系列
分析
最適化パターン
発見
シミュ
レーション
／データ
同化
言語処理画像・
動画処理
グラフィカル
モデル
音声／
音楽処理
その他
2016年(n=82)
2018年(n=307)
2019年(n=317)
「データの理解・検証｣は6割が得意
「基礎数学」は2016年と比べて急下降
※2018年
追加項目
※2018年
追加項目
※2018年
追加項目

データサイエンスを
意味のある形に使えるようにし
実装、運用できるようにする力
データ
エンジニアリング力
data engineering
26

現在のスキルレベル＜データエンジニアリング力＞
27
棟梁レベル以上が年々減少
3
3
1
0
16
9
12
10
27
30
25
25
44
41
45
42
10
18
16
23
2015年
2016年
2018年
2019年
n=378
n=91
n=117
業界を代表棟梁独り立ち見習いそれ以下/業務外
n=346
「それ以下/業務外」が増加

スキルレベル目標＜データエンジニアリング力＞
28
棟梁レベル以上を目標とする割合が
減少傾向
21
18
12
12
45
29
42
36
21
39
31
37
9
13
11
12
3
2
4
4
2015年
2016年
2018年
2019年
n=378
n=91
n=117
業界を代表棟梁独り立ち見習い
n=346

29
76
44
36
43
36
15 15
7
1
58
53
43
36
22 24
18
12
3
67
47
39
36
26
18 17
11
2
0%
10%
20%
30%
40%
50%
60%
70%
80%
データ加工データ収集プログラミングデータ構造データ蓄積環境構築データ共有 IT
セキュリティ
その他
2016年(n=75)
2018年(n=290)
2019年(n=293)
「データ加工｣を得意とする割合が高い
過去と比較して高くなっている項目は見られない

スキルセット（棟梁レベル以上）の重なり
いずれのスキルセットも
棟梁レベルにない人の割合が増加
30
9
12
11
12
3
3
2
2
2
1
4
2
2
7
6
3
3
3
3
2
5
2
9
8
5
6
67
66
67
73
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
2015年
2016年
2018年
2019年
BIZのみ DSのみ EGのみ BIZ+DS BIZ+EG DS+EG BIZ+DS+EG いずれもあてはまらない
n=378
n=346
n=91
n=117

スキルレベル（棟梁レベル以上）現在と目標のギャップまとめ
31
25 26 24 23
78 77
72
65
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2015年 2016年 2018年 2019年
現在目標
17
21
15
11
72
64 62
57
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2015年 2016年 2018年 2019年
現在目標
19
12 14
10
67
46
54
48
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2015年 2016年 2018年 2019年
現在目標
棟梁レベル以上を目標とする割合が下降傾向

調査結果：
DS の活用・人材育成について
32
データサイエンティスト

育成プログラムの有無
33
育成プログラムを備える企業・組織が増加中
9
13
17
23
91
87
83
77
2015年
2016年
2018年
2019年
n=394
n=91
n=156
存在する存在しない
n=380
Q20. あなたの所属する企業や組織では、データ分析・解析に従事する専門人材について独自の育成プログラムなどが
ありますか（勤め人が回答／SA）

スキルアップ時の困りごと
34
データ分析に関する
相談先やロールモデルの不足が課題
67
31
13
44
14
70
29
11
36
46
6 6
64
21
15
35
46
6 6
0%
10%
20%
30%
40%
50%
60%
70%
80%
手本になる・
教えてくれる人が
周囲にいない
同僚・上司の
理解がない
地方在住のため、
情報が少ない
育成プログラムがないスキルアップのための
時間がない
その他困っていることは
ない
2016年(n=91)
2018年(n=274)
2019年(n=263)
Q19. あなたが、データ分析・解析に関わるスキルアップを考える際に、困っていることがあれば教えてください
※2016年は
調査なし
※2016年は
調査なし

スキルアップ時の困りごと（2019年・業種別）
35
製造業ではスキルアップにつながる
「育成プログラムがない」と感じられている
64
21
15
35
46
6 6
65
30
18
49
43
3 3
69
20
11
32
47
7
3
59
18 17
32
47
7 9
0%
10%
20%
30%
40%
50%
60%
70%
80%
手本になる・
教えてくれる人が
周囲にいない
同僚・上司の
理解がない
地方在住のため、
情報が少ない
育成プログラムがないスキルアップのための
時間がない
その他困っていることは
ない
2019年全体
製造業
IT・通信
その他
Q19. あなたが、データ分析・解析に関わるスキルアップを考える際に、困っていることがあれば教えてください
※2016年は
調査なし
※2016年は
調査なし

人材・スキル活用度
36
データ分析スキルが活かせていると
感じている人は減少傾向
8
7
6
6
28
30
21
17
24
22
21
22
28
28
30
30
12
14
22
26
2015年
2016年
2018年
2019年
n=394
n=91
n=156
十分に活かせているまあ活かせているどちらともいえないあまり活かせていない活かせていない
n=380
Q21. 所属する企業・組織内で、ご自分を含め、データ分析・解析に関わる人材のスキルが活かせていると感じていますか。
（勤め人が回答／SA）

スキル活用における不満
37
「分析インフラに対する不満」が増加中
上司・他部署の理解がない不満は減少傾向
39
34
42 42
40
15 14
5
41
29
46
37 37
13 13 14
40
28
45
42
37
15
8
11
35
25
37
44
38
17
9
14
0%
10%
20%
30%
40%
50%
上司・経営層の
理解がない
他部署の
理解がない
同僚・部下の
スキルレベルが
低い
分析・解析の
インフラ
(DB・DWH等)
の設備に
不満がある
分析・解析ツール
(統計解析ソフト・
BIツール等)の
設備に
不満がある
クライアント・
顧客の理解が
ない
その他困っている・
不満に思っている
ことはない
2015年(n=156)
2016年(n=91)
2018年(n=380)
2019年(n=394)
Q22. あなたが所属する企業・組織内で、データ分析・解析に関するスキルを活かすうえで、
困っている・不満に思っていることがあれば教えてください。（勤め人が回答／ MA）

スキル活用における不満（2019年・業種別）
38
IT・通信では設備への不満が低い傾向
製造では設備および社内での理解・レベル不足が浮き彫りに
35
25
37
44
38
17
9
14
39
33
42
59
45
12
4
13
36
17
30 30 29
21
14 14
33
27
39
48
43
15
8
14
0%
10%
20%
30%
40%
50%
60%
70%
上司・経営層の
理解がない
他部署の
理解がない
同僚・部下の
スキルレベルが
低い
分析・解析の
インフラ
(DB・DWH等)
の設備に
不満がある
分析・解析ツール
(統計解析ソフト・
BIツール等)の
設備に
不満がある
クライアント・
顧客の理解が
ない
その他困っている・
不満に思っている
ことはない
2019年全体
製造
IT・通信
その他
Q22. あなたが所属する企業・組織内で、データ分析・解析に関するスキルを活かすうえで、
困っている・不満に思っていることがあれば教えてください。（勤め人が回答／ MA）

まとめ
39

まとめ
40
女性比率が増加傾向
2015年 2019年
50代以上の比率が増加
8 36 38 12 412 29 31 21 7
0%
10%
20%
30%
40%
20代 30代 40代 50代 60歳以上
2015年
2019年
多様な層が「データサイエンティスト」に関心を持ち始めた

まとめ
41
棟梁以上のスキルを
持つ人の割合も
目標とする割合も
減少傾向
分析業務従事者の減少と学習者の増加から
高いスキルを目指す手前の段階にいる人の増加がうかがえる
25 23
78
65
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2015年 2019年
現在目標
17
11
72
57
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2015年 2019年
現在目標
19
10
67
48
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
2015年 2019年
現在目標
59
6764
58
0%
20%
40%
60%
データ分析・解析に
ついて学んでいる
2015年 2019年 2015年 2019年
データ分析・解析に関わる
業務を行っている
業務として分析するよりも
学習者が増加傾向

0
10
20
30
40
まとめ
42
人材育成に注力しはじめている企業や組織は増えているが
スキル活用においてミスマッチが発生している
2015年 2019年
実務において
データ分析スキルを
活かせていると感じている人は
減少している
36
23
十分に活かせている
まあ活かせている
9
23
0
10
20
2015年 2019年
育成プログラムを備える
企業・組織が増加中

まとめ
43
製造業では
インフラやツールといった
設備面での不満が見られる
業種別でみると製造業では設備・人材への投資が遅れている傾向
+15 pt
+8 pt
+6 pt
+4 pt
0 2 4 6 8 10 12 14 16
分析・解析のインフラの設備に不満がある
他部署の理解がない
分析・解析のツールの設備に不満がある
上司・経営層の理解がない
▼2019年スキル活用における不満（製造業－全体のスコア差が大きいもの）
製造業では
育成プログラムが
不足していると
感じられている
+13 pt
+9 pt
+3 pt
+1 pt
0 2 4 6 8 10 12 14 16
育成プログラムがない
同僚・上司の理解がない
地方在住のため、情報が少ない
手本になる・教えてくれる人が周囲にいない
▼2019年スキルアップ時の困りごと（製造業－全体のスコア差が大きいもの）

まとめ
 多様な層が「データサイエンティスト」に関心を持ち始めた
 分析業務従事者の減少と学習者の増加から
高いスキルを目指す手前の段階にいる人の増加がうかがえる
 人材育成に注力しはじめている企業や組織は増えているが
スキル活用においてミスマッチが発生している
 業種別では製造業で設備・人材への投資が遅れている傾向
44
実務には従事していないデータサイエンティストの増加裾野の広がり
= ｢市民データサイエンティスト｣の増加が確認できた
ただし、業務において人材活用面でミスマッチが発生している
特に製造業では各種投資が遅れ気味
データサイエンティストの不足を補うためには
｢市民データサイエンティスト｣を
より業務で活躍してもらえるような人材としてどう育成していくかが課題

データサイエンティストのリアル－2015年～2019年一般(個人)会員アンケートより

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to データサイエンティストのリアル－2015年～2019年一般(個人)会員アンケートより

Similar to データサイエンティストのリアル－2015年～2019年一般(個人)会員アンケートより (20)

More from The Japan DataScientist Society

More from The Japan DataScientist Society (17)