3つの違い、全然わからん
最初データアナリストを調べてて、データサイエンティストも調べて…
ふと疑問が。
「あれ、データサイエンティスト？データアナリスト？どっちがいいんだろうか…」
って。
なんならデータエンジニアってのもあるし。
何が違うの？？？
正直、そんなに大差ないと思ってました。
データ使う仕事でしょ？って。
で、Udemyで何個か講座を受講して少し学んでみたのでその学んだ事を共有します！
そして、手っ取り早く学びたい人に向けてデータサイエンス、データアナリスト、データエンジニアを学べるコースを作ったので興味がある人は覗いてみてください。
3つの職種の違い（簡単に）
まず結論から
めちゃくちゃざっくり言うと：
データアナリスト：過去のデータを分析して、ビジネスの意思決定をサポート
データサイエンティスト：機械学習とかAIとか使って、予測モデルを作る
データエンジニア：大量のデータを扱えるシステムを作る（インフラ寄り）
うん、これだけ見てもよく分からん。
もうちょっと詳しく見ていきます。
データアナリストって何する人？
やること
- 売上データを集計して報告書作る
- 「なんで先月売上下がったの？」を調査
- A/Bテストして効果測定
- ダッシュボード作って可視化
- 経営陣にデータで説明
使うツール
- Excel（めっちゃ使う）
- SQL（データ取得）
- Tableau、Power BI（可視化）
- Python（たまに）
- Google Analytics（Web系なら）
必要なスキル
- 統計の基礎（平均、分散、相関とか）
- SQLでデータ取得
- Excelでの集計
- グラフで分かりやすく伝える
- ビジネス理解
こんな人向け
- 数字を見るのが好き
- 「なぜ？」を考えるのが好き
- 人に説明するのが得意
- ビジネス課題に興味ある
データサイエンティストって何する人？
やること
- 機械学習モデルで予測（売上予測、需要予測）
- レコメンドシステム作る（Amazonのおすすめみたいな）
- 画像認識、自然言語処理
- アルゴリズム開発
- 研究要素もある
使うツール
- Python（メイン）
- R
- scikit-learn、TensorFlow、PyTorch
- Jupyter Notebook
- Git/GitHub
必要なスキル
- 統計学（けっこう深め）
- 機械学習のアルゴリズム
- プログラミング（Pythonしっかり）
- 数学（線形代数、微分、確率）
- 実験設計
こんな人向け
- 技術が好き
- 機械学習とかAIに興味
- プログラミング楽しい
- 数学アレルギーない（得意じゃなくてもOK）
- 研究的な仕事がしたい
データエンジニアって何する人？
やること
- データベース設計
- データパイプライン構築（データの流れを作る）
- 大量データを高速処理できる仕組み作り
- データウェアハウス構築
- インフラ整備
使うツール
- SQL（めっちゃ使う、複雑なやつ）
- Python
- Apache Spark、Hadoop（ビッグデータ）
- AWS、GCP、Azure（クラウド）
- Docker、Kubernetes
必要なスキル
- SQL（上級レベル）
- データベース設計
- プログラミング（Python、Javaなど）
- クラウド知識
- システム設計
こんな人向け
- インフラとか仕組み作りが好き
- 大規模システムに興味
- エンジニア寄りの仕事がしたい
- 裏方でシステム支える仕事が好き
混乱するポイント
会社によって全然違う
これが一番混乱した。
会社によって、呼び方が違うんですよ…
A社の「データアナリスト」 → 機械学習バリバリやる（実質データサイエンティスト）
B社の「データサイエンティスト」 → Excel使ったレポート作成（実質データアナリスト）
C社の「データアナリスト」 → SQLでデータ抽出だけ（実質データエンジニア寄り）
実際は境界が曖昧
3つの職種、きれいに分かれてるわけじゃないんですよね。
小さい会社だと、全部やる「データ何でも屋さん」みたいな感じです。
実際のデータアナリストの仕事例
- レポート作成（アナリスト）
- 簡単な予測モデル作成（サイエンティスト）
- SQLでデータ取得（エンジニア寄り）
全部やってる…
スタートアップと大企業でも違う
スタートアップ → 「データサイエンティスト」って名前だけど、何でもやる
大企業 → 役割がはっきり分かれてる
これも混乱の原因でした。
あなたはどれを目指すべき？診断
ということで混乱中のあなたに合った職種をAIに診断してもらいましょう！
簡単診断チャート
以下の質問に答えてみてください。
Q1: プログラミングは好き？
- めっちゃ好き → Q2へ
- まあまあ → Q3へ
- 苦手… → データアナリスト
Q2: システムとかインフラに興味ある？
- ある → データエンジニア
- ない → データサイエンティスト
Q3: 機械学習とかAIに興味ある？
- めっちゃある → データサイエンティスト
- まあまあ → Q4へ
Q4: ビジネス課題を考えるのが好き？
- 好き → データアナリスト
- 技術の方が好き → データサイエンティスト
タイプ別おすすめ
文系出身、数学苦手 → データアナリストが入りやすい
理系出身、プログラミング経験あり → データサイエンティスト目指しやすい
エンジニア経験あり → データエンジニアが近い
営業・企画出身 → データアナリストがビジネス経験活かせる
完全未経験、何もわからん → データアナリストから始めるのが無難
迷ったらまずデータアナリスト
データアナリストがおすすめの理由
迷ってるなら、データアナリストから始めるのがいいかも。
理由は5つ。
理由1：ハードルが一番低い
データアナリストは：
- Excelから始められる
- 統計も基礎レベルでOK
- プログラミングも最小限
- 文系でも目指せる
理由2：他の職種へのステップになる
データアナリスト経験があると：
→ データサイエンティスト
- 統計の基礎はある
- データの扱いに慣れてる
- ビジネス理解もある
- 機械学習を追加で学べばOK
→ データエンジニア
- SQLは既に使える
- データベースの知識もある
- エンジニアリングを追加で学ぶ
つまり、データアナリストはどっちにも進める。
理由3：求人が多い
実際に求人サイト見てみたら。
データアナリストの方が求人多いです。
理由4：未経験OKが多い
データアナリスト
- 未経験可の求人：けっこうある
- ポテンシャル採用あり
- インターンから入れることも
データサイエンティスト
- 未経験は厳しめ
- 実務経験求められる
- ポートフォリオ必須
データエンジニア
- エンジニア経験ほぼ必須
- 未経験はかなり厳しい
最初の一歩として、データアナリストが入りやすい。
理由5：やりながら方向性決められる
データアナリストとして働きながら：
「あ、機械学習もっとやりたい」→ データサイエンティストへ
「システム作る方が面白い」→ データエンジニアへ
「ビジネス寄りが合ってる」→ データアナリストを極める
こんな感じで、方向転換できます。
それぞれの学習ロードマップ
データアナリストを目指す場合
Step 1（1〜3ヶ月）
- 統計検定3級
- Excel関数とピボットテーブル
- SQLの基礎
Step 2（3〜6ヶ月）
- 統計検定2級
- Python基礎（Pandas、Matplotlib）
- Tableau or Power BI
Step 3（6ヶ月〜）
- 実践プロジェクト
- Kaggleで分析経験
- ポートフォリオ作成
データサイエンティストを目指す場合
Step 1（1〜3ヶ月）
- 統計検定3級
- Python基礎
Step 2（3〜6ヶ月）
- 統計検定2級
- 機械学習入門（scikit-learn）
- 数学の基礎（線形代数、微分）
Step 3（6〜12ヶ月）
- 深層学習（TensorFlow/PyTorch）
- Kaggleコンペ参加
- 専門分野（NLP、画像認識など）
Step 4（12ヶ月〜）
- 実務レベルのプロジェクト
- 論文読む
- ポートフォリオ充実
データサイエンスのロードマップ。数学が苦手…難易度が高い…と思っている方に朗報です！
データエンジニアを目指す場合
Step 1（1〜3ヶ月）
- SQLの基礎〜中級
- Python基礎
- データベースの基本
Step 2（3〜6ヶ月）
- SQL上級
- クラウド（AWS/GCP）
- Docker基礎
Step 3（6〜12ヶ月）
- データパイプライン設計
- Apache Spark
- データウェアハウス
Step 4（12ヶ月〜）
- 大規模システム設計
- 実務プロジェクト
- インフラ知識を深める
実際どうやって決めたらいいの？
統計検定3級から
私はとりあえず統計検定3級をやってみて続けたいと思うか、無理だな…と思うか試してみよう！と思って数学の勉強を始めました。（単純ですいません…）
学びながら、「やっぱりこっちの方がいいな」って思ったら方向転換すればいいかなと。
ただ今のところ、データアナリスト寄りかなって思ってます。
おすすめの決め方
方法1：全部ちょっとずつ試す
- Excel、SQL、Pythonを基礎レベルでやってみる
- 一番面白いと思ったのを深掘り
方法2：求人見まくる
- 実際の仕事内容を見る
- 「これやりたい！」って思うのを選ぶ
方法3：とりあえず始める
- 統計検定3級から勉強開始
- 進めながら方向性を決める
どれでもOK。
完璧に決めてから始めなくていいです。
途中で変えてもいい
最初「データサイエンティスト目指す！」って決めても。
途中で「あ、データアナリストの方が合ってる」ってなったら、変えればいい。
むしろ、やってみないと分からないことの方が多いです。
私も今後変わるかもしれません。
それでいい。
まとめ：迷ったらアナリストから
結論
迷ってるなら、データアナリストから始めよう。
理由：
- ハードルが低い
- 求人が多い
- 他の職種にも進める
- 未経験でも入りやすい
そこから：
- 機械学習に興味出たら → データサイエンティストへ
- システム作りに興味出たら → データエンジニアへ
- ビジネス寄りが好きなら → データアナリストを極める
選択肢を残したまま進めます。
共通して必要なのは統計とSQL
どの職種目指すにしても：
- 統計の基礎（統計検定3級レベル）
- SQL
- プログラミング基礎（Python）
これは共通。
だから、まずはここから始めればOK。
完璧に決めなくていい
職種なんて、後から変えられます。
大事なのは：
- とりあえず始めること
- 小さく続けること
- やりながら方向性を見つけること
なのかなと。
迷ったら、まず一歩踏み出してみましょう。
やってみないと、分からないことだらけです。
コメント