取締役に近いポジションなら、年収3,000万円以上も

福山耀平氏(以下、福山):ちょうど昨日、ある大手の損保企業の担当者と話していたら、データサイエンティストのチームの統括ができて、経営層としゃべれる人材を募集されていました。これはもちろんチームを率いた経験など、難易度は高くなるんですけど、取締役に近いポジションの仕事です。

この年収レンジがどれくらいかと言うと、優秀な人材なら「3,000万円以上出せます」とおっしゃっていました。データサイエンスだけではなく、経営やマネジメントの経験が必要ではありますが。

立川裕之氏(以下、立川):確かにそれは本当にそうだと思いますね。なるほど。次のスライドはどんな感じですか?

福山:次はデータミックスの転職の成功事例です。

立川:わかりました。ちょっと文脈も変わるので、たまった質問に少し答えてみようと思います。まず「財務分析をPythonでする時にどんなデータを使っていますか? XBRLなどですか?」という質問を頂戴しているんですけど。私、XBRLが何かを存じ上げていなくて。

福山:私もExcelでしていたので、Pythonでデータ分析をしてないんですよね。

立川:なるほど。XBRLというのは財務データのことなんですかね? 私は財務分析はやったことがなくて……。今調べたらXMLベースのプログラミング言語みたいですね。書類用の言語なんだそうです。初めてうかがったので、ちょっと調べてみます。ありがとうございます。

ちなみに私は基本的にはPythonが多いのですが、状況に応じてExcelもBIツールも使い分けますね。

あともう1個。すごく真剣な感じのご質問をいただいています。いろいろ経歴が書いてあるんですけど、録画をしているので部分的に読み上げますね。

今の話につながるのかもしれませんが、これはたぶん、質問が2つあるんですよね。「副業としてデータサイエンティストの業務を考えた場合、年齢は関係ないと考えてよいでしょうか?」。もう1つの質問が、「コンサル業務の方向でデータサイエンスを武器としてよいか悩んでいます」ということなんですよ。

でも、ご経歴だけ見ると本当に素晴らしいので、どこでも通用するように見えるんですけど。年齢と、コンサルの方向がいいかデータサイエンスがいいかで悩んでいらっしゃるみたいですね。

顧客の役に立つことか、自分のやりたいことか

福山:私が同じ経歴だったら、正直、副業としてデータサイエンティストで勝負しないです。データサイエンティストよりもコンサルの副業をしたほうが強いんじゃないかなと思いますね。それで、ビジネス課題をデータ分析に落とし込んで、データ分析者と一緒に組んでやるほうが強そうな気がします。

この後の話で出てくるんですけど、ECサイトについてデータドリブンのマーケティングをしてほしいという案件が副業としてあって、そこでマーケターの方とデータサイエンティストの方が組んで案件をやるという提案をしたことがあります。

立川:いいですね。

福山:はい。みなさんがわかりやすいところで言うと、USJの森岡(毅)さんと今西(聖貴)さんが共著で本を書いているじゃないですか。あの2人の関係に近いなと思っています。今西さんがデータサイエンティストで森岡さんはマーケター、森岡さんも数学に強い方なので、そこの掛け合わせで価値を出していると。

立川:なるほどですね。私はこの質問には、たぶんつまらない答えしか出せないんですけど。副業に関して言うと、仕事が取れたら取れるということですし、取れなかったら取れないということでしかないと思うんです。

クライアントが「お金を払います」と言ったらそれが答えなので、私には答えは出せないし、お金を払うつもりのない人に聞いてもしょうがないと思いますね。だから、真剣に提案をして払ってくれるかどうか決断が出るまで、この答えは出ないんじゃないかなと思いました。

コンサルの方向に行くかどうかもたぶん、「クライアントの役に立てるか」と「自分でやりたいか」の2つの論点があるんだと思うんですよ。

シンプルにお金という面で言えば、やっぱり「いくらの仕事を取ってこれるか」という話だと思いますし、自分がやりたいんだったらやりたいことをやればいい。どこの価値観でぶつかっているのかによって、けっこう変わってくるかなという感じがしました。すみません、なんだかあんまりいい答えじゃない気がするんですけど(笑)。

でも、これだけのご経歴で学位もお持ちでいらっしゃるようなので、すごく勉強熱心でお仕事もされてきたんだと思います。たぶんこの方でしたら、悩むんじゃなくて決断してしまえば、どちらを選んでも成果は出せるんじゃないんでしょうかね。

データサイエンティストたちの転職の成功事例

福山:私もそう思いますよ。もし個人で業務委託をするとなったら、仕事が取れたものをやるしかないじゃないですか。

立川:そうなんですよね。私も講師をしていると、転職相談を受けることが時々あるんです。一応表面上はそれっぽいことを言うこともあるんですけど、正直、私は採用側じゃないからわからない部分もあります。自分が行きたい会社の人事に聞いたほうがいいんじゃないかなと思うのですが、同じようなことかなと。

福山:もし副業で勝負する場合は、今までの実績を見られるパターンが多いかなと思います。

立川:確かに副業はそうですよね。

福山:採用する側は、それまでの実績が魅力的に映る人を色眼鏡で見ていると思うので、そのポジションに刺さるものをいろいろ試してみるのがいいのかなとは思います。

立川:そうですね。みなさん、たくさんのご質問ありがとうございます。ここで転職成功事例の話もうかがいましょうか。

福山:転職成功事例として、直近のデータミックスのスクール卒業生3名を出させていただきました。Aさんはデータサイエンティスト、データアナリストというかたちではないんですが、営業や営業企画でデータ分析を経験されていて、データサイエンティストのポジションに転職した方です。

Aさんは30代前半で、本職でなくてもデータ分析の仕事はしていて、統計検定2級を取ったり、Kaggleのコンペに参加したりと、自主的に継続学習をしていました。

実務でデータ分析をしていた経験があり、スクールの卒業発表の評価も非常に高かったので、私たちも推薦しやすかったというのもあります。Aさんがどれくらいの年収で転職したかというと、600万円から700万円の間ぐらいなので、けっこういい条件です。

データサイエンスを学び、年収1,000万円超で転職

立川:おお。マネージャーじゃなくてプレイヤーという感じですか?

福山:はい、プレイヤーで転職しています。続いてBさんはもともとのご経験もあったんですが、いろいろなデータを使って戦略を立てていたり、事業企画といったポジションで仕事をされていた方ではありました。

その中で、弊社でデータサイエンスを学んでいただきました。DX推進室に転職されました。自分が担当してきた事業で売上を向上させた経験を持っていらっしゃったことはかなり高い評価ポイントで、やはり結果を出したというところですね。

休職中の女性の方だったんですが、オファー年収は1,000万円超えでしたね。

立川:え、そうなんですか? すごい。

福山:はい。(Bさんは)そういうレベル感なので、データサイエンスを武器にする生き方もあるという説明にはなるかなと。

Cさんは完全未経験からデータアナリストというところで、もともと金融系の営業企画をやられていた方でした。これこそ未経験で応募できるところだったんですけど、初年度は400万円弱ぐらいの年収レンジで転職されてました。

今まで説明してきた事例の中で、イメージはつかんでいただけたでしょうか。

転職市場で高く評価されやすいポイント

立川:今日は卒業生・在校生以外の方もお見えなので、Cさんの「インテグレーションステップ」という言葉を補足させていただきます。

データミックスの7ヶ月間の講座の最後のステップとして、自分でテーマを考えてデータを集め、分析のプロジェクトを1ヶ月間でやってみるというものがあります。そこで金融系の分析を採り入れられたということですね。

福山:データサイエンティストやデータアナリストに転職したい方について、どこまでを未経験と言うかによるんですけど。①の「データ分析の実務経験」はデータサイエンティスト、データアナリストとしてではなく、自分が今所属している会社でデータ分析をしてみた経験があるかないかということです。その経験があるかないかが大きな違いを生みます。

会社として分析できる環境が与えられているかどうかで、やりやすさ・やりにくさはあるとは思うんですが、やはり、やってみた経験は高く評価してもらえます。

①と②、③、④とでは、超えられない壁があるとは思っています。資格、コンペ、継続学習については、勉強意欲や向上心があるという評価をしてはいただけるんですけど、実際に手を動かしてみた経験と比べると弱いですね。

もちろん「あったらいいな」ですが、データ分析の実務経験をして、特に事業にいいインパクトを与えたことがあれば、高く評価はしていただけますね。

立川:なるほど。これは転職の時っていうことですよね。「そうなんだろうな」という感じもします(笑)。

資格取得より強いのは、実務経験の有無

福山:「資格とか取ればいいですか?」とよく聞かれるんですけれど、資格では証明できないところもあるので、ある意味、一番強いのはこれ(実務経験)しかないですね。

多少宣伝になります。データミックスのデータサイエンティスト育成コースの本講座を卒業した方の主な就職先・転職先はこういったところです。もちろん転職自体は弊社経由でないところも含まれますが、7ヶ月間受講していただいた方は、皆さんもご存じの有名な企業さまに転職されています。

立川:すごい。

福山:そうですね。でも、やっぱり立川さんが一番すごいですけどね(笑)。

立川:いや、私は本当にそんな大したことはないので勘弁してください(笑)。

福山:要らないですか?(笑)。ずっと話してきたから、そろそろこういうのも欲しいのかなと思って。

立川:いや、「ちょっと挟んでほしいな」って本当は思っていたんですけど、ありがとうございます。

福山:転職に関してはこういう状況です。

立川:けっこういいところに行っていますね。最後は副業ですね。福山さんに2つ質問がきています。1つが「データサイエンティストのサラリーレンジで600万円~1,200万円というのは、マネージャークラスですか?」というのが質問その1です。これはプレイヤーも含みますよね?

福山:プレイヤーレベルがほとんどです。もちろん1,000万円超えになってくると、一部マネージャークラスに被ってくることはあります。また、企業さんによるところもあるんですけど、基本的にプレイヤーでも600万円超えは普通です。

自分がやりたいことが具体的なら、やるべきことも分かる

立川:もう1つは、「研究所や大学でのデータサイエンティスト(HRアナリスト)などの求人や活躍されている方はいますか?」という質問ですね。

福山:そういう意味では、正直に言うと、弊社では研究所や大学でのデータサイエンティストの求人は持ち合わせていないという回答になります。

立川:求人は持っていないですが、卒業した後に大学院へ行かれた方はけっこういますよね。

福山:そうですね。

立川:やっぱり研究所とかになっちゃうと、一応大抵の場合は、実務というよりはマスター以上、修士課程以上が必要になることが多い気がします。さすがにデータミックスの卒業生だと多くはないでしょうね。

福山:そうですね。やっぱり研究所や大学は、純粋なアカデミック(大学院)出身の方が強い場所かなとは思います。

立川:そういう感じですよね。あともう1つのご質問は私から。「Pythonでデータサイエンスの基礎を学んで、これからKaggleなどのコンペに参加しようと考えているのですが、やったことに対してフィードバックや改善はどうしていけばいいと思いますか?」。

自分がやっていることをさらにレベルアップするためにどうしたらいいかということなのかな。すみません、間違っていたらまたチャットをいただければと思うんですけど。

全部自分がやりたいこと次第ですね。自分がやりたいことやなりたい姿のビジョンが軟らかいからどうしていいかわからないのであって、具体的だったら絶対、「これをやるべきだ」とわかるはずなんですよ。

福山:厳しめですね。

立川:偉そうに言っちゃいましたけど、絶対そうだと思いますよ。楽しくてやってるなら、気にせずにそのままやればいいと思いますし、なんとなく自分なりにイメージがあるんだったら、それをもっと具体的にしていく時期なんじゃないかなと思います。

副業で求められるのは、プロとして仕事を完遂する意志

福山:そのあたりは、「質問の意図はこうです」ということがありましたら、具体的に聞いていただければお答えさせていただきますので。最後の問いに進ませていただきます。副業の話ですね。

副業者には、フリーランスも含まれます。「副業に求められる能力とは?」について、お話しさせていただきたいなと思います。

立川:ちなみに時間があと12分ぐらいなので、なんとなく空気を読みながらお願いします。

福山:じゃあ一言でいきます。「プロフェッショナルであるかどうか」ですね。副業だと業務委託契約をするので、やっぱり価値を与えてお金をもらえるかというところです。

立川:そういうことですよね。だからこの場合は、単純にビジネスを作れるかということですよね。

福山:この前立川さんが、お医者さんと弁護士さんの例を出して、すごくわかりやすいお話をしてくれましたよね。

立川:そんな話ありましたね。例えばみなさんが病気で病院に行った時に、検査したらなかなか珍しい症例で、「私はこの手術を経験したことがなくて初めてなんですけど、ぜひ勉強のために手術させてください」とお願いする人は絶対にいないと思うんですよ(笑)。

絶対にすごく経験のある人にお金を払ってお願いすると思うんです。専門職はそういう仕事だと思うので、副業で何か学んだり新しいことを身につけるのは、もう2番目、3番目、4番目、5番目ぐらいに考えるべきです。

基本的にはプロフェッショナルとしての仕事を完遂することが一番重要で、そもそも完遂するつもりがあるかどうかが大事なんじゃないかなと個人的には思うんですけどね。

それと、副業のやり方にもよるんですけど、「技術を身につけると副業ができる」と言われる方が時々いらっしゃいます。実はあんまり関係がないというのは、忘れがちな視点だと思います。

やっぱり、仕事を取ってくる力そのものがすごく必要なんですよね。「仕事を取るために技術そのものをどうアピールするか」は、もちろんあるとは思うんですけど、私はどちらかと言うと競争市場の中で仕事を取る力のほうが圧倒的に重要な気がします。

ビジネスは「売る能力」と「作る能力」の両輪で動くもの

福山:私も同意です。ビジネスは売る能力と作る能力の両輪で動いていると思います。だから作る能力だけではダメなんですよね。

これはどちらが先かということがよく論点になるんですけど、その人に「やってほしい」という同意の上で契約しているので、ちょっと(技術が)足りなかったとしても、(売った以上は)やり切るところは必要になってくるのかもしれないなと思います。

レベルが足りなくても、そこをキャッチアップして結果を出す。初めはお金の面は絶対に割に合わないと思うんですね。そこに踏み出せるかということではあるかもしれないです。

立川:なるほど。また質問をたくさんいただいたので、残りの時間でお答えしていきましょうか。「立川さんがデータサイエンティストを目指した一番のきっかけは何ですか?」。ありがとうございます。これは逆に(答えるのが)難しいですね。

実は、私はもともとソフトウェアエンジニアになりたかったんですよ。でも、いろいろあってまともに就職活動をせずにいいかげんな生き方をして、なんとなく営業になったんですよね。

その後、ある時に「データサイエンティストなるものがどうも流行っているらしい」と知ったんです。この仕事はプログラムを書く仕事なんだけど、まだできたばかりの職種だし、「今からがんばればなんとかなるんじゃないか」と(笑)。最初のきっかけはそれですね。

いざやってみたら、おもしろくて、めちゃくちゃハマったという感じでございます。ありがとうございます(笑)。

学ぶことで得られるものは、やりたいことの明確化か知識か?

立川:続きまして、「データミックスを卒業することで自分のやりたいことが明確になっていくものでしょうか? それともテクニカルな知識が得られるという感じでしょうか?」。これは難しいですね。

やりたいことが明確になるか。どうなんだろう。明確になる部分は絶対あると思うんです。技術に明るくなって、データサイエンスで行われていることが見えてくるので、多少見える世界が変わると思うんですけど。ただ、それでやりたいことに光が当たるかどうかはやってみないとわからないので、卒業しましょう(笑)。

福山:(笑)。でもその気持ちはわかります。何でもやってみないと自分がやりたいかどうかわからないので、とりあえずやってみることが大事かなと。

立川:ただすみません、とりあえずやってみるにしては金額と時間の拘束が半端じゃないんですけど。やってみましょう(笑)。

あともう1つ質問が来ましたが、Kaggleの件ですね。Kaggleのモデル自体を良くしようということですね。今どんな取り組みをされているかわからないので、「もうそんなことをやっているよ」だったらすみません。とりあえず人のコードを読んでみたりすると勉強になると思いますよ。

人のコードを「なんでこういうことをやっているのかな?」と、自分なりに興味を持って調べてみると、絶対理由があってやっているはずなので、けっこうヒントになると思います。

あとは、確かKaggleのKaggler-jaというSlackグループなどで、コミュニケーションを取ったりもできるので、誰か仲間を探して一緒にチームでやったりするのもいいかもしれないです。がんばっていきましょう(笑)。

製薬業界がデータサイエンティストを大募集

立川:続きまして、「お二人の感覚でいいですが、求人情報等を見られている中で、データサイエンス分野を求めている業界、今後求めているであろう業界」と。ああ、おもしろい。難しいですね。福山さん、どう思います?

福山:いや、めちゃくちゃ難しいですけど。むしろ求めてない業界のほうが珍しいんじゃないかなと思います。直近で私が動向を知っているところでは、製薬業界は募集拡大するとうかがって。

立川:そうなんですか。

福山:そういう情報をつかんでいるだけではありますけど、求めていない業界はないと思います。なぜなら、販売機能を持っていない業界はほぼないと思うので。営業があるなら、データ分析をしてより売ろうという流れにはなると思います。

立川:マテリアルの開発や創薬は、日本はデータサイエンスの活用が若干遅れていたと思うんですよね。アメリカが国策ですごいお金を研究に投じていて、そっちはもともとお金もある業界なので、日本も必然的に広がりそうな感覚はありますね。

あとは業界という観点でもないんですけど、わりとデータサイエンスが一般的になってきたので、ちょっと遅れていた会社も採り入れ始めている感じがします。

だから業界で言うと、日本に多いと言われる製造業は、なんとなく今増えているんじゃないかなという感じがしています。ただすみません、ちゃんと調べていないので、これはあんまり自信がないです(笑)。

データにお金をかけられるのは、儲かっている企業

福山:やっぱりデータサイエンスやデータ分析にお金をかけられるのは、儲かっている会社さんなので、(どこでも)売れるんじゃないかなというところはあります。

立川:これは私もちょっと調べてみようかな。ありがとうございます。なんとなく時間もいいところだと思うので、この辺にしたいと思います。みなさん、たくさん質問していただいてありがとうございました。

正直、福山さんとの打ち合わせで、「あんまり質問が来なかったらどうしよう」「適当に2人でおしゃべりするか」と言ってたんですけど、本当にいろんな質問をいただけて良かったです。私も「言われてみれば、それは考えたことがなかったな」という質問もあって、私自身も今日はすごく楽しかったです。

最後に卒業生・在校生のみなさんは、ぜひ引き続きよろしくお願いします。受講を検討いただいているみなさまは、個別相談や説明会などをやっておりますので、ぜひ前向きにご検討いただけましたら幸いでございます(笑)。

福山:転職を考えている方も福山が支援しますので、ぜひよろしくお願いします。

立川:みなさん、福山さんが強烈に支援してくれるみたいなので。

福山:任せてください!!!

立川:ではみなさま、引き続きこのようなイベントを時々やっていきますので、ぜひまたイベントのお知らせを楽しみにしていただけたらと思います。今日は1時間、どうもありがとうございました。今回は以上になります。失礼いたします。ありがとうございました。

福山:ありがとうございました。