近年、「ビッグデータ」や、「データドリブン」という言葉を耳にする機会が増えました。
ビジネスシーンにおいて、売上データやマーケティングデータ、WE解析データなど、データに基づいて意思決定をする場面が多くなってきております。そのようなビジネスの意思決定の判断基準となるデータを駆使し、有益な知見を提供するデータサイエンティストの需要は今後増えてくると予想されます。
そもそもデータサイエンティストとは、どのような方を指し、どのようなスキルが必要なのか？を本記事では述べていきます。

言葉の定義として、まずデータサイエンスとは、アルゴリズムや統計など情報科学理論を活用してデータを分析、有益な知見を見いだすことを指します。そして、データサイエンティスト協会によるとデータサイエンティストとは、「データサイエンス力、データエンジニアリング力をベースにデータから価値を創出し、ビジネス課題に答えを出すプロフェッショナル」と定義されています。

データサイエンティストの仕事内容を簡略に表現すると、ビジネスシーンにおける様々な課題の抽出をし、データを活用して、その課題解決に向けたレポーティングを行うことです。

具体的には、以下の大きく４つの工程に分かれます。
１， 経営課題の把握と戦略立案
２， データ収集・加工・分析
３， 分析結果からの仮説・検証
４， 検証結果のレポーティング・提言

よく似たような仕事として、データアナリストがあります。大きく共通する部分もありますが、データアナリストは２のデータ収集・加工・分析を専門にしているケースを指すことが多いです。一方で、データサイエンティストは上記のように、より高度な専門知識（統計学やコンピュータサイエンスなど）を駆使し、課題の解決まで導く領域までが仕事内容となります。

データサイエンティストになるには、主に３つの道が考えられます。
１， 大学・大学院を卒業して新入社員として就職する
２， エンジニアとして業務経験を積んだ後、データサイエンティストに転職する
３， ITコンサルやマーケティングの専門領域で経験を積んで、データサイエンティストへ転職する

まず一つ目が、新卒としてキャリアをスタートすることです。新卒によるポテンシャル採用となるため、文系・理系問わず、チャレンジできるようですが、データサイエンティストは高度な知見・技術を要する仕事なため、大学・大学院で統計学や数学、情報工学などのコンピュータサイエンスを学んでいる学生が入社後も学んだことを活かせる機会は多いと思われます。　
その他、2パターンについては、データサイエンティストに必要な経験を積んで、キャリアアップを目指すパターンと言えます。データを駆使し、企業の課題解決に導く仕事が故、エンジニアでいうと、機械学習の実装経験や、Pythonを用いた開発経験、SQLのスキル、ITコンサル・マーケターでいうとビジネス課題の背景を理解して課題を整理し解決に導くビジネス力などが活かされます。

データサイエンティストの年収は、経験、地域、業界、企業規模など様々な要素によって変動します。以下に、いくつかの年収例を示しますが、これらはあくまで目安であり、最新の情報や特定の地域・企業における具体的な年収については、求人情報や案件情報サイトにて確認してみてください。

データサイエンティストは、専門性を磨いてビジネスの現場で活躍することでさらに社会の発展に貢献できる、やりがいのある職業といえます。文部科学省も、2018年より『超スマート社会の実現に向けたデータサイエンティスト育成事業』と称し、産官学にて『データから価値を創出し、ビジネス課題に答えを出す人材（データサイエンティスト）を育成する。』と施策を開始しております。

専門領域が故、データサイエンティストとして活躍するまで身につけるべきスキルは多いですが、今後の社会や、様々なビジネスシーンにおいて必要とされていく人材となることは過言ではないと思われます。