データサイエンティストはやめとけと言われる理由と年収・文系からの挑戦のリアル

「データサイエンティスト やめとけ」と検索する背景には、統計学や機械学習といった高度な専門性が求められるはずなのに、実務では地道なデータ前処理や集計レポート作成に時間を取られてしまう理想と現実のギャップ、AI活用の広がりで需要が増える一方「名乗るだけの人材」も急増している供給過多の二面性、文系出身者でも挑戦できると言われながら実際は数学の基礎力で苦しむ構造があります。

これらは単なる噂ではなく、求人ボックス給料ナビの年収データやデータサイエンティスト協会の公式資料からも裏付けられる実態です。本記事ではデータサイエンティスト固有の悩みを一次情報で整理したうえで、向いている人には高年収と裁量を両立できる有望な選択肢であることも併せて解説します。

同じ「データを扱う仕事」として語られがちなシステムエンジニアやデータアナリストとは、求められる専門性の中身も、実務で直面する壁も異なります。この記事ではデータサイエンティストという職種に固有の悩みに絞って掘り下げます。

データサイエンティストがやめとけと言われる理由

データサイエンティストに「やめとけ」という声が向けられる理由は、ひとつの原因に絞れるものではありません。業務実態と華やかなイメージのギャップ、求められる専門性の幅広さ、需要と供給過多という市場構造という、性質の異なる3つの要因が重なっています。

これらはSESの多重下請けやインフラエンジニアの夜間対応のような、他のIT職種で語られる悩みとは種類が異なります。データサイエンティストという職種そのものに固有の事情を順番に見ていきます。

分析より前処理に追われる業務実態

データサイエンティストの仕事というと、機械学習モデルを構築して未来を予測する華やかな業務を想像しがちです。しかし実際の現場では、欠損値の補完や表記ゆれの統一、データの結合やクレンジングといった前処理作業が業務時間の大半を占めるという声が多く上がっています。

前処理が終わった後も、分析結果を経営層や現場担当者にわかりやすく伝えるためのレポート作成やダッシュボード整備に時間を取られることが少なくありません。統計モデルや機械学習アルゴリズムを扱う時間よりも、地道な作業に追われる時間の方が長くなりがちな点が、理想とのギャップを生む最大の要因です。

この傾向は特に、データ基盤が整っていない企業や、データサイエンティストの採用が初めての企業で顕著になります。本来はデータエンジニアが担うべきETL（データ抽出・変換・格納）業務まで任され、分析に充てられる時間がさらに圧迫されるケースもあります。

• 欠損値処理や表記ゆれの統一などの前処理作業
• BIツールやダッシュボードの整備・保守
• 経営層向けのレポート作成・資料化
• データ基盤が未整備な企業ではETL業務まで担当

これらに共通するのは、分析そのものよりも分析の前後にある地道な作業に多くの時間が割かれるという構造です。この実態を知らずに入職すると、理想と現実のギャップに悩みやすくなります。

統計・機械学習・ビジネス理解の3つの力

データサイエンティスト協会が公開しているスキルチェックリストでは、データサイエンティストに必要な能力をビジネス力・データサイエンス力・データエンジニアリング力の3分野に整理しています。

ビジネス力は課題を整理し、分析結果を事業成果に結びつける力、データサイエンス力は統計学や機械学習の知識を実装する力、データエンジニアリング力はデータ基盤を構築・運用する力を指します。1人でこの3分野をすべて高いレベルで満たす人材は多くなく、採用現場でもミスマッチが起きやすい領域です。

求人票に「データサイエンティスト」と書かれていても、実際にはデータエンジニアに近い業務だったり、BIツールを使ったレポーティングが中心だったりするケースも報告されています。職種名と実際の業務内容が一致しないことも、入職後の後悔につながる要因のひとつです。

AI時代の需要と供給過多という二面性

生成AIの普及によってデータ活用の重要性が一段と高まり、データサイエンティストへの需要は増えています。一方で、専門的な訓練を受けていないままデータサイエンティストを名乗る人材も急増しており、需要と供給がともに拡大するという珍しいミスマッチが起きています。

企業側から見ると、応募者の中に統計学や機械学習の基礎を体系的に学んだ人材と、ツールの使い方だけを独学した人材が混在するため、選考で見極めが難しくなっています。応募者側から見ても、同じ職種名の求人の中に、実務レベルがまったく異なる案件が混在する状態です。

この二面性は、データサイエンティストという職種がまだ標準化されておらず、資格や学歴だけでは実務能力を証明しにくいことに起因します。結果として、名乗るだけなら簡単だが評価される人材になるのは難しいという状況が生まれています。