データサイエンティストは新卒・文系から目指せる？現実的な2つのルート
正直に書きます。データサイエンティストは新卒で入るのが難しい職種です。理由は統計と数学の土台が前提で、修士以上を求める企業が多いためです。文系から目指すことは可能ですが、準備の量が他の職種と桁違いです。
企業が選考で見ているもの
話を進める前に、企業が実際に何を見ているかを押さえます。思い込みで対策すると的を外すからです。
| 企業が特に期待する能力 | 割合 |
|---|---|
| 課題設定・解決能力 | 80.1% |
| 論理的思考力 | 72.1% |
| 創造力 | 42.6% |
| 傾聴力 | 35.9% |
| 発信力 | 35.1% |
「プログラミングができるか」は上位に入っていません。ここを誤解しないでください。企業が見たいのは課題を決めて解ける力と筋道を立てて考える力です。プログラミングが評価されるのは、それを示す材料になるからです。
なぜ新卒では難しいのか
| 求められるもの | 学部で身につくか |
|---|---|
| 統計学（検定、回帰、確率分布） | 専攻していないと難しい |
| 線形代数・微積分 | 理系なら授業で触れる |
| 機械学習の手法の理解 | 独学では表面的になりやすい |
| Python・SQL | 独学で身につく |
| 業務ドメインの理解 | 働かないと身につかない |
「Pythonが書ける」だけでは足りません。モデルの選び方と結果の解釈が仕事の中心で、そこは統計の知識に依存します。
文系から目指す場合の現実的な2ルート
| ルート | 期間 | 現実性 |
|---|---|---|
| ①データアナリストから入る | 入社後2〜4年 | 最も現実的 |
| ②大学院に進む | 2年 | 確実だが時間とお金がかかる |
| ③新卒でデータサイエンティスト職 | — | 可能だが狭い |
| ④独学で新卒から | — | 勧めない |
①データアナリストから入る
データアナリストは、既存のデータを集計・可視化して判断材料を作る仕事です。SQLとBIツールが中心で、統計の深い知識は入社後に学べます。ここから経験を積んでデータサイエンティストに移るのが、最も人数の多い道です。
| データアナリスト | データサイエンティスト | |
|---|---|---|
| 中心の仕事 | 集計・可視化・レポート | 予測モデルの構築 |
| 必要な統計知識 | 基礎 | 深い |
| 主な道具 | SQL・BIツール・Excel | Python・R・機械学習ライブラリ |
| 新卒での入りやすさ | 入りやすい | 難しい |
学生のうちにやること
- SQLを書けるようにする。どのルートでも必ず使います。最も投資効率が良い
- 統計の基礎を1冊やり切る。検定・回帰・確率分布。ここを飛ばすと後で詰まります
- Pythonでデータを扱う（pandas）。手元のデータを集計して図にする練習
- 実際のデータで何か分析して結論を出す。「分析しました」ではなく「だから何をすべきか」まで
- 統計検定2級・データサイエンティスト検定。土台の証明になる
4番目が最も差になります。企業が期待するのは課題設定・解決能力（80.1%）です。分析の技術ではなく、何を明らかにすべきかを決められるかを見られます。「Kaggleのコンペに参加した」だけでは、課題は与えられたものなので弱くなります。
機械学習エンジニアとの違い
| データサイエンティスト | 機械学習エンジニア | |
|---|---|---|
| 中心 | 分析して判断材料を作る | モデルを本番で動かす |
| 求められるもの | 統計・ビジネス理解 | ソフトウェア開発力 |
| 新卒での難易度 | 難しい | さらに難しい |
機械学習の基礎用語は正規化（スケーリング）とは、k近傍法（k-NN）とはなどにまとめています。
テックジムの事例（1件）
私たちは通学型のプログラミング教室を運営しています。受講生の中に、日東駒専と呼ばれる大学群の出身で、メガベンチャーのエンジニア職に就職した方がいます。
これは1件の事例です。確率を示すものではありません。「プログラミングを学べば内定率が何%上がる」という数字を出す記事を見かけますが、そうした統計は公表されていません。この事例が示すのは「大学名以外の材料で戦える場面がある」という一点だけです。
ただ、なぜ通ったのかは説明できます。学生のうちに手を動かして何かを作った経験は、前の章で見た「課題設定・解決能力」と「論理的思考力」をそのまま語れる材料になります。「頑張りました」ではなく「何に詰まって、どう調べて、どう直したか」を話せるからです。
よくある質問
文系でもデータサイエンティストになれますか？
なれますが、統計の学習は避けられません。データアナリストから入って2〜4年かけて移るのが現実的です。新卒でいきなり狙うのは門が狭すぎます。
数学が苦手でも大丈夫ですか？
この職種では厳しいです。統計と線形代数が土台になるため、避けて通れません。数学を避けたいなら、他のIT職種のほうが向いています。IT業界は文系でも入れるのかで職種を比べてください。
Kaggleをやれば就職できますか？
それだけでは不足です。Kaggleは課題が与えられているため、企業が見たい「課題設定」の部分が示せません。自分でテーマを決めた分析を1つ持ってください。
修士に行くべきですか？
この職種を本気で狙うなら、有力な選択肢です。多くの企業が修士以上を求めています。ただしデータアナリストから入るルートなら学部卒で十分です。
テックジムで学ぶ場合
SQLとPythonの土台づくりの手段として書きます。
テックジムは月額22,000円の通い放題で、教材を読み進めながら分からないところをトレーナーに聞く形式です。授業を聞く形ではないので、手を動かす時間がそのまま残ります。
東京本校（永田町）では毎週土曜にゼロから始めるPython入門講座、そしてゼロから始めるClaude Code講座を無料で開いています。どちらも説明会ではなく実際に手を動かす講座なので、まず1回来て、自分に合うかを確かめてから決めてください。
関連記事
他の職種と比べる場合はIT業界は文系でも入れるのか、新卒でエンジニア職を狙う全体像は新卒・未経験からエンジニアになるをご覧ください。
テックジムは月額22,000円の通い放題でプログラミング教室を運営しています。東京本校（永田町）では毎週土曜にゼロから始めるPython入門講座、そしてゼロから始めるClaude Code講座を無料で開いています。どちらも説明会ではなく実際に手を動かす講座です。
AI企業・スタートアップの関連記事
AIの分野ごとに、国内外の企業を公式情報で確認してまとめています。
まとめ
データサイエンティストは新卒では難しい職種です。統計と数学が前提で、修士以上を求める企業が多いためです。「Pythonが書ける」だけでは足りません。
文系から目指すならデータアナリストから入って2〜4年かけて移るのが現実的です。学生のうちはSQL・統計の基礎・pandas、そして自分でテーマを決めた分析を1つ。Kaggleだけでは課題設定が示せません。
プログラミング学習に興味がある方は、まずは無料体験会へ
