「文系からデータサイエンティストってなれる？」
「そもそもデータサイエンティストってなに？」
「どうやって順序よく学んだらいい？」
とお悩みではありませんか。
まず、文系からデータサイエンティストになるのは大変厳しいと考えておきましょう。
なぜなら、数学的な考え方で物事を考える必要があり、数学を避けて通れないからです。
そのため、本記事は以下のような条件に当てはまる方が読まれることをおすすめします。
対象読者の方
- 数学をある程度学んできている（数Ⅱ・Bレベル）
- 数学や統計学を学ぶ覚悟がある（微積分・確率を学ばなければなりません）
- 経済や経営を学んでいる（理系学生に勝てる可能性がある領域）
- プログラミングをやる覚悟がある（やってみるとそこまで難しくないです）
この記事では以上の対象読者の方に対して、私が学部で学んだカリキュラムをもとにデータサイエンティストになるためのロードマップを公開します。
また、私がデータサイエンティストの方から収集した情報もあわせて共有します。
本記事の作成者
月額980円で学べる！
データサイエンスの復習は完ぺきにできていますか？
データサイエンスは勉強する範囲が膨大で、復習に手が回りませんよね。
そんなあなたにおすすめなのが、たった月額980円でサクッと学べる『スタアカ』
数分の動画でビジネスへの活用法も含めて、サクッとデータサイエンスを復習可能。
『何冊も参考書を往復して復習する苦労』とはおさらばです！
サブスクなのでいつでも解約OK。手軽に始めてみませんか？
＼月額980円から／
講座が毎月追加されるので今後値上がりする可能性大、今買わなきゃ損するかも！
それでは本編です！
【前提】そもそもデータサイエンティストとは
データサイエンティストとは、データを用いて、ビジネスにおける課題を解決する人材のことです。
もう少し具体的に書くと、以下のような業務を行う人材をデータサイエンティストと呼びます。
- どんなデータを集めるべきかを計画する
- 既にあるデータを分析しやすいように加工する
- 集めたデータを分析して、結果を見る
- 結果からビジネスに価値のあるアクションを起こす
以上の業務をこなすのがデータサイエンティストですが、実際にはそれぞれに特化している方も多くいます。
これらの業務をこなすために必要なスキルは『一般社団法人データサイエンティスト協会』で3つであると定義されています。
- データサイエンス力：データ分析の力
- データエンジニアリング力：データ加工の力
- ビジネス力：ビジネス的な考え方の力
この3つのスキルを身につけることができれば、文系でも理系でもデータサイエンティストとして活躍できるのです。
それぞれの力について解説した後、それぞれのスキルをどこまで高めれば良いかの目安を紹介します。
データサイエンス力：データ分析の力
データサイエンス力は、統計学や人工知能・機械学習などの情報科学系の知識を理解して使える能力です。
データサイエンス力はデータを分析する力であり、ある課題に対してどのような手法を用いて解決するかを検討する力になります。
データサイエンス力を身につけるためには、以下のような学問領域を勉強しましょう。
- 基礎的な数学（微分・積分・線形代数など）
- 統計学
- データマイニング
- 自然言語処理
- 機械学習
以上の学問から、特に統計学と機械学習を勉強することをおすすめします。
機械学習とはデータサイエンスの核となる学問で、顧客のグルーピングや将来の予測を行う手法を学ぶ学問です。
また、統計学も古くからある学問ですが、簡単かつ人に説明しやすいデータ分析であることから、利用頻度が髙くなります。
データサイエンス力はデータ分析の能力だと考えておきましょう
データエンジニアリング力：データ加工の力
データエンジニアリング力は、データの収集や収集したデータを分析できる形に加工する能力です。
データ加工の力であるデータエンジニアリング力は、DXを推進している日本では大変重宝されるスキルになります。
データエンジニアリング力を習得するには、以下のようなことを学びましょう。
- データの構造やアルゴリズム
- プログラミング（Python）
- データベース（SQL）
- システム開発
データサイエンス力がどれだけあっても、以上の力がなければ良いデータを得られませんし、システムとして動かすこともできません。
特に、日本だとまだデータ蓄積の段階にある企業が多いため、データエンジニアリング力に長けた人材の需要が高まっています。
データサイエンス力を支える土台となる力ですので、サボらず勉強しておくと良いでしょう。
データエンジニアリング力はデータ加工の力で、データサイエンス力の土台です！
ビジネス力：ビジネス的な考え方の力
ビジネス力は、データの分析結果をビジネスの現場で実際に活用するための能力です。
ビジネス力がなければ、どれだけ精度の良い予測を行えたとしても、ビジネス的には価値がない...となってしまいます。
そのため、データ分析の力に加えて以下のようなことも学んでおく必要があります。
- 業界の知識
- マーケティング
- プレゼン
データサイエンティストは、データを分析するだけでなく、その結果をもとに具体的な計画を決めて実行する力が求められます。
また、分析結果を他の部門や関係者に伝える際のコミュニケーション能力も重要です。
ビジネス力は実務で身についていくものでもあるため、以下で解説するロードマップでは入れておりません。
ビジネス力は、データ分析をビジネスに活かせるようにするための力です！
【重要】どこまでスキルを高めるのか
それぞれのスキルをどこまで勉強したらいいか分からない！
データサイエンティストは様々なキャリアプランがあり、キャリアによってスキルを向上させる目安を決めなくてはなりません。
そこで、それぞれのスキルの目安を知るのに、現役データサイエンティストである「ぬるったん」さんの表が参考になります。
上図では、データサイエンティストのレベルに合わせて、身につけるべきスキルが明確に書かれています。
文系学生だとJuniorのBusinessとDomainのスキルを伸ばしていくことで、理系のデータサイエンティストと差別化を図れるでしょう。
データサイエンス力やデータエンジニアリング力も勉強しながら、ビジネス力を軸にデータサイエンティストを目指しましょう。
文系でデータサイエンティストになるためのロードマップ
ここまで、データサイエンティストになるために必要な知識について解説してきました。
ここからは、実際に文系からデータサイエンティストになるためのロードマップをご紹介します。
- データサイエンスを学ぶ方法を決める
- 統計学を学ぶ
- Pythonの基本的な関数を学ぶ
- 機械学習や最適化を学ぶ
- 機械学習手法をPythonで使ってみる
- Pythonを使ってWebアプリの開発を行う
- データサイエンティストになるためのキャリアパスを考える
初めに学ぶ方法を決定して、コツコツと学習を進めることが重要です。
私の学部のカリキュラムと似ていますので、再現性はあります！
現状、データサイエンティストに新卒でなるのは大変狭き門です。
ですが、できるだけデータサイエンティストになれるようなキャリアパスをロードマップの最後にご提案します。
それぞれのステップを解説していきます。
STEP1. データサイエンスを学ぶ方法を決める【コスパ重視】
まず初めに、データサイエンスを学ぶ方法を決めておく必要があります。
この学ぶ方法をきちんと決めないまま学習を進めると、途中で必ず挫折します。
本だけで勉強しようと思ってたんだけど...
本だけで学習を進めると全体像が見えにくくなり、挫折しやすいです
データサイエンスの範囲がとても広いため、本で学ぶにも何冊も購入して長期的に学習を進めなくてはなりません。
そのため、あくまで、本は参考書として購入して、他のサービスと組み合わせて学習を進めることをおすすめします。
今回は、サービスと組み合わせてもできるだけお金がかからない方法を2つ紹介します。
- Udemy（動画コンテンツ）× 本で学ぶ
- スタアカのサブスク× 本で学ぶ
以上の方法はどれを選んでも「買い切り」もしくは「月980円」までの費用なので、大学生でも安心です。
それぞれ解説していきます。
Udemy（動画コンテンツ）× 本で学ぶ
買い切りの動画でデータサイエンスの学習を進めたいという方はUdemyがおすすめです。
多くの講師がデータサイエンティスト職に就いていた人であることから、その経験を基にした実践的な内容を学べます。
自分のペースで講座を購入していけるのがメリットです
Udemyを用いた学習方法は以下のような人におすすめです。
- 自分のペースで学習を進めたい
- 長い通学時間を活用したい
- 困っている所をピンポイントで解決していきたい
ですが、自分に適した講座を見つける必要がある点に注意しましょう。
通常は2万円台のコンテンツなので、セール時（数千円代）を狙って買いましょう！
＼セールされているかを確認する！／
スタアカのサブスク× 本で学ぶ
スタアカとは、現役データサイエンティストの方が運営されているスク―ルですが、コスパが最強です。
スクールは高そうなイメージがある...
スタアカではたった月980円で動画コンテンツ見放題のサービスがあります！
スタアカでは、大学生でも手軽に学べる金額で、なおかつ高品質な動画コンテンツを視聴できるのです。
私もサブスクを受講していますが、大学のカリキュラムと合致しすぎて、少し大学の学費と比べて後悔したほどです。
スタアカは以下のような人におすすめします。
- 気軽に勉強を始めたい
- 学ぶ順番を決めて欲しい
- とにかく安く学びたい
スタアカは他のスクールに比べて圧倒的に安いため、大学生でも安心です。
「高額なスク―ルじゃないと本格的なデータサイエンスを学べないんじゃ...」
「大学生でも安く学べるサービスはないの...？」
とお悩みの大学生でも、サブスクなので1ヶ月だけ入会してみることができます。
＼まずは1ヶ月から！／
サブスク型でいつでも解約OK!
このように、2つの方法でコスパ良くデータサイエンスを学べます。
それぞれのサービスに向いている人の特徴は以下の表の通りです。
| Udemy | スタアカ |
|---|---|
| ・自分のペースで学習を進めたい ・長い通学時間を活用したい ・困っている所をピンポイントで解決していきたい | ・気軽に勉強を始めたい ・学ぶ順番を決めて欲しい ・とにかく安く学びたい |
2つの方法と本を組み合わせることで、より効率的に学習を進められます。
以下のステップでは、それぞれ参考となる本も紹介していきます。
STEP2. 統計学を学ぶ
データサイエンティストになるための第一歩は、統計学の基礎を理解することからです。
統計学は古くからある学問であるため多くの人が理解しており、ビジネスではデータ分析結果を説明するために用いられます。
私の学部では1年生で学びました！
統計学では主に、以下のような項目に絞って勉強するのがおすすめです。
- データの可視化（グラフ）
- 確率
- 推定
- 仮説検定
- 回帰分析
以上のことを学ぶことで、データサイエンスの基礎である統計学のある程度のことは学べます。
確率など少し敬遠したい内容は、概観だけ把握して先に進めるようにすると良いでしょう。
以上の項目を全て網羅して勉強するためには、『統計学入門』がおすすめです。
統計の概念から分かりやすく書かれており、一冊で統計学を網羅できます。
学部で参考書として採用されている安心の本です！
STEP3. Pythonの基本的な関数を学ぶ
統計学の勉強と並行して、Pythonの勉強も息抜きとして始めるのが良いでしょう。
Pythonは、データサイエンスの分野で最も人気のあるプログラミング言語で、実務でもPythonが利用されています。
プログラミング言語ってなに？
プログラミング言語とは、コンピュータに簡単に指示を送れるように開発されたツール（言語）のことです。
世の中にあるすべてのアプリはプログラミング言語で記述されたコードで動いています。
最も身近なプログラミング言語はエクセルで、エクセルも関数を打ち込んでコンピュータに計算をしてもらうツールです。
エクセルと同じように、Pythonでもコードを打ち込んで計算や文字の表示を行うイメージを持ちましょう。
Pythonで基本的に押さえておくと良いことは以下の通りです。
- 変数とデータの型
- 条件分岐の処理
- 繰り返し処理
- 関数の作り方
- モジュール（ライブラリ）の使い方
以上のことを学んでおくことで、統計学の手法や機械学習の手法をPython上で行えます。
データサイエンティストになるには、プログラミングの習得は必須ですので、自分のペースで学習を進めましょう。
以上の項目を網羅的に学べるPythonの入門書として、以下の2冊を紹介します。
2冊とも良書ですが、特徴を比較した表が以下になります
| 比較項目 | スッキリわかるPython入門 | 実践力を身につけるPythonの教科書 |
|---|---|---|
| おすすめ度（☆☆☆） | ★★★ | ★★ |
| コスパ | 良い | とても良い |
| 内容 | Pythonの基礎 | Pythonの基礎＋アプリ開発 |
| 読みやすさ | 図解や吹き出しで分かりやすい | 淡々と進む教科書タイプ |
『スッキリわかるPython入門』は、本当の初心者向けの本で、図解や吹き出しがふんだんに使われているため、簡単にPythonを理解できます。
そのため、「サクサク進めたい...」「プログラミングを学ぶので挫折しないか不安...」という方におすすめの1冊です。
私もプログラミング初心者の時はこの本から始めました！
ポチップ『実践力を身につけるPythonの教科書』は、教科書のように書かれており、内容が豊富なコスパに優れた1冊です。
入門書でありながら、機械学習やアプリ開発についてもしっかりと解説されているため、
「少し応用的な内容まで学びたい...」「コスパを考えて、内容が多い方がいい...」という方におすすめします。
著者が有名な方で、私の学部で参考書指定されている入門書です！
ポチップSTEP4. 機械学習や最適化を学ぶ
Pythonの基本的な使い方を学んだところで、データサイエンスの本題である『機械学習・最適化』を学びましょう。
2つの学問分野は、今ビジネスでも需要が高まっており、スキルとして身につけられれば、社会で活躍できる人材になれます。
それぞれのイメージがつきにくいと思うので、以下のようにイメージを置き換えると良いでしょう。
- 機械学習：統計学の応用的なデータ分析
- 最適化：いかに効率を上げられるか
特に最適化はイメージが湧きにくいと思いますが、以下のような場面で最適化が使われています。
- 無駄が生じにくい在庫管理の最適化
- 効率的に配達が行えるルートの最適化
- お店やコールセンターの人員配置の最適化
以上の場面で利用されることからも分かるように、大変需要が高い領域の学問分野になります。
これらの学問を学ぶことで、よりビジネス的に価値のある人材へと成長できるのです。
以下では、機械学習と最適化の2つの分野を学ぶための参考書を紹介します。
2冊とも学部で使われている参考書です！
機械学習を本で学ぶなら、『東京大学のデータサイエンティスト育成講座』がおすすめです。
この本は、Pythonで書きながらデータサイエンスで使われる手法について解説されています。
統計的手法や機械学習の手法までPythonコードを記述しながら学習を進めていくため、実際の分析に近い学習方法です。
『Pythonで動かしながら学びたい...』『Pythonの応用も併せて勉強したい...』という方におすすめします。
ポチップ最適化を本で学ぶなら、『最適化手法入門』がおすすめです。
この本も先ほどの本と同様、Pythonで動かす方法も説明されているため、能動的に学べます。
とはいえ、最適化は理論チックな所があるため、書かれている内容が難しいのが難点です。
ですが、その分最適化ができると他の人と差別化が図れるので、学習を進めてみてはいかがでしょうか。
STEP5. 機械学習の手法をPythonで使ってみる
機械学習の手法について勉強したら、Pythonに用意されている機械学習のライブラリやツールを利用してみましょう。
実際のデータに対して機械学習の手法を適用してみることで、勉強したこととのギャップや新たな気づきを得られます。
実務でもよく利用されるライブラリの例は以下の通りです。
- pandas
- Scikit-Learn
- Tensorflow
- PyToech
例えば、pandasはデータを扱えるライブラリで、機械学習を行うためのデータの加工を行います。
また、Scikit-Learnでは機械学習の手法をPythonで実行する関数が用意されているため、呼び出すだけで手法を行えるのです。
このように、機械学習を理論だけでなく、Pythonでの実装まで行うことで、より知識として身につきやすくなります。
機械学習に関しては先ほど紹介した『東京大学のデータサイエンティスト育成講座』で学ぶのがおすすめです。
ポチップまた、実務では「綺麗なデータ」で蓄積されていることがないため、データの加工を正確に行える人材が求められています。
そのような、実務でのデータに近いデータの加工を学ぶのには、『Python実践データ分析100本ノック』がおすすめです。
「汚いデータ」を加工する技術が学べる1冊で、「汚いデータ」にどう対処するのかの手順書として持っておくと良いでしょう。
ポチップSTEP6. Pythonを使ってWebアプリの開発を行う
データサイエンティストはデータ分析を行う職種ではありますが、Webアプリの開発なども行える方が良いです。
他企業のデータを分析して終わり...というケースは少なく、継続的にシステムを通してデータ分析結果を共有するのが現状になります。
例えば、需要予測の分析を行った場合は、常に需要を確認・調整できるようなアプリがあると企業に喜ばれるのです。
PythonでWebアプリを作るためには、以下のようなフレームワーク（ツールのようなもの）を利用します。
- Django
- Flask
- Streamlit
以上のフレームワークについてまとめた記事がありますので、気になる方は『Pythonのフレームワークとは？あなたに合うフレームワークの選び方を網羅的に解説』をご参照ください。
PythonでのWeb開発を学ぶなら、Udemyをおすすめします。
Udemyではクーポン時に2000円台で高レベルの動画コンテンツを買いきることができるので、大学生のお財布にも優しいです。
私も以下のUdemyの講座で勉強中です！
クーポンが不定期で適用されているので、見逃さないようチェックしましょう。
Pythonでアプリ開発！
PythonでWebアプリを開発したいと考えている方は、Udemyの講座の『爆速で5つのPython Webアプリを開発』を受講しましょう。
おすすめしている講座では、Pythonだけで5つのアプリを開発でき、APIなどのアプリ開発の周辺知識、公開する方法まで網羅的に解説されています。
＼セール情報を確認する！／
STEP7. データサイエンティストになるためのキャリアパスを考える
ここまで、データサイエンティストになるためのスキルの身につけ方を解説してきました。
しかし、データサイエンティストは大卒でなることが理系でも難しいため、文系だと大卒で働くのは難しいのが現状です。
そのため、この記事では以下の3つのキャリアパスをご提案します。
- 長期インターンに参加して新卒でデータサイエンティストになる
- 新卒でエンジニアになって、データサイエンティストに転職する
- データサイエンスの大学院に行き、院卒として入社する
また、データサイエンティストになるためのキャリアプランについても補足で紹介します。
まず、3つのキャリアパスについてそれぞれ解説していきます。
【パス①】長期インターンに参加して新卒でデータサイエンティストになる
文系から新卒で唯一、データサイエンティストになれる道が長期インターンに参加することです。
データサイエンスの事業を展開しているベンチャー企業が数多くあるため、それらの企業に長期インターンで参加します。
その結果、熱意や成果が認められれば、文系でもデータサイエンティストで新卒採用されることがあるのです。
しかし、理系もゴロゴロいる世界ですので、覚悟を持って取り組むことが前提です。
長期インターンに参加するには、『Wantedly』がおすすめです。
ベンチャー企業を中心に、カジュアルにインターンを応募できます。
また、スカウトが来る場合もありますので、登録しておくと良いでしょう。
【パス②】新卒でエンジニアになって、データサイエンティストに転職する
2つ目の道は、新卒でエンジニアになり、データサイエンティストに転職する方法です。
エンジニアなら新卒でも多くの求人がありますし、データエンジニアリング力を鍛える意味でも役に立ちます。
もし、まずはエンジニアとして働くと決めた場合は、以下のような就活サイトを利用するのがおすすめです。
- レバテックルーキー
- エンジニア就活
それぞれのサイトの特徴を以下の表にまとめました。
| 比較項目 | エンジニア就活 | レバテックルーキー |
|---|---|---|
| 就活サイトの種類 | 応募＆スカウト型 | スカウト型 |
| コンサル | あり | あり |
| 先輩の口コミの閲覧 | あり | なし |
| スクールやインターン | 無料 | 有料 |
文系のあなたには、エンジニア就活をおすすめします。
レバテックルーキーもITエンジニア就活としては最大規模の就活サイトで、就活生にとって有益サイトです。
とはいえ、エンジニア就活では1ヶ月ほどで成果物の作成までを行えるため、文系のエンジニア就活が楽になります。
どちらにもスカウト機能がありますので、2つとも登録後、様子を見ることが最も効率的に就活を進められるでしょう。
【パス③】データサイエンスの大学院に行き、院卒として入社する
3つ目は、データサイエンスの大学院に進学して、理系の院卒としてデータサイエンティストになる道です。
もう理系になってない？
データサイエンティストは専門的な職業であるため、一般的に文系からの就職は難しいと考えて下さい。
データサイエンスの大学院に行くことで、データサイエンスのことを学べるだけではなく、就職口も一気に広がります。
もし、大学院に行くべきかを深く知りたい方は、『データサイエンティストになるには大学院に行くべき？』の記事をご参照ください。
このように、文系からデータサイエンティストになるにも、色々なキャリアパスがあります。
以下では、データサイエンティストのキャリアプランについて解説します。
就活の参考にして下さい。
【補足】データサイエンティストの5つのキャリアプラン
データサイエンティストとして就職するには、大きく5つのキャリアプランが存在します。
このキャリアプランは、先ほども紹介した「ぬるったん」さんのブログ記事より紹介させて頂いております。
ぬるったんさんによると、下図の5つのキャリアプランが考えられるようです。
例えば、データエンジニア型なら、新卒でエンジニアとして就職した後、データエンジニア型のデータサイエンティストになれます。
このように、5つのキャリアプランを念頭に置いた上で、就活を進めていくと、成功確率を挙げられるでしょう。
文系からデータサイエンティストになるのは狭き門ではありますが、紹介したロードマップを参考にしてください
Q＆A｜文系からデータサイエンティストになる方法で「よくある質問」に回答
最後に、文系の学生や就活生がデータサイエンティストになるための方法に関する「よくある質問」に回答します。
- Q1. 何か資格は取っておいた方がいい？
- Q2. 結局どれだけ費用かかるの？
- Q3. 大学院には行かなくていい？
就活生である私も悩みました...
それぞれ解説していきます。
Q1. 何か資格は取っておいた方がいい？
何か資格は取っておいた方がいい？
大学の学部がデータサイエンスと関係なければ、取るべきでしょう！
文系からデータサイエンティストになるには、何か資格を取っておくと有利でしょう。
データサイエンティストは専門的な職種であるため、企業は少しでもスキルがある人材を求めます。
そのため、スキル・知識があるという証明のために、資格を取得する必要があります。
- データサイエンティスト検定
- G検定
以上の資格が、データサイエンティスト系の資格の初歩として有名です。
Q2. 結局どれだけ費用かかるの？
結局どれだけ費用かかるの？
選択する学習方法や教材によって大きく異なりますが、数千円で抑えられます！
「データサイエンスを学ぶ3つの方法」で紹介した方法なら、数千円台である程度の知識を身につけられます。
とはいえ、お金はかかるので、どこまで熱意があるのかをしっかりと再認識して臨みましょう。
Q3. 大学院には行かなくていい？
大学院には行かなくていい？
キャリアパスでも説明した通り、行った方がいいです！
企業によっては院卒が採用条件である場合も多いため、大学院進学をしたほうが良いです。
しかし、お金がかかることですので、ロードマップで紹介したキャリアパスを考えてから、決断しましょう。
まとめ
文系からでもデータサイエンティストになることはできます！
本記事では、データサイエンス学部に所属している私の経験から、文系からデータサイエンティストになる方法を解説してきました。
そもそもデータサイエンティストとは、以下の3つのスキルを持っているものと定義されています。
- データサイエンス力：データ分析の力
- データエンジニアリング力：データ加工の力
- ビジネス力：ビジネス的な考え方の力
以上のスキルを身につけるためには、以下のようなロードマップで学習を進めると良いでしょう。
- 統計学を学ぶ
- Pythonの基本的な関数を学ぶ
- 機械学習や最適化を学ぶ
- 機械学習手法をPythonで使ってみる
- Pythonを使ってWebアプリの開発を行う
- 専門的な就活サイトに登録する
以上のロードマップは、私のこれまでの大学でのカリキュラムを参考に作成しております。
そのため、このロードマップをこなすことで、スキルや知識は身につけられるでしょう。
もし、「最もコストを抑えて学習を進めたい」という場合は、スタアカを利用することをおすすめします。
大学4年間で学習する内容をほとんど網羅しているのが、月980円で学べるスタアカです！
＼まずは1ヶ月から！／
サブスク型でいつでも解約OK!
