データサイエンティストを辞めたい。同職種なら前処理は残りうる。業務は求人票、比重・人数は面接

最近「辞めたい」と思った場面を3〜5個、今の職場の仕事の比重・人数・回数と一緒に書いてください。前処理は、会社を移ればなくなる作業とは限りません。厚生労働省の職業情報では、データを加工しながらモデリングすることがデータサイエンティストの仕事の流れに含まれます。一方、前処理が仕事の何割を占めるか、何人で分けるかは職種名から読めません。担当業務は求人票で読み、比重・人数は面接で聞きます。

例にするのは、分析支援会社で顧客企業の需要予測を3年担当する架空の人です。直近3か月は前処理が仕事の6割で、データサイエンティストは本人を含め2人、データエンジニアはいません。

辞めたい場面を3〜5個、今の職場の値と一緒に書く

「前処理ばかり」「分析が使われない」のままでは、応募先と比べる値が決まりません。最近辞めたいと思った場面を3〜5個選び、同じ期間の比重・人数・回数を添えます。

例の人について書くと、次のようになります。値は架空ですが、この後の求人票と面接でも同じ単位を使います。

辞めたい場面	今の職場の値	比べる単位	確認先
前処理に時間を取られる	直近3か月は仕事の6割	期間と仕事の比重	予定表、作業記録
PoCの後を担当できない	直近1年の4案件すべてで検証まで。本番運用は0件	案件数、担当した段階	案件記録、担当表
分析結果が顧客の施策に採用されない	直近6か月の提案8件のうち採用1件	期間、提案数、採用数、決めた人	提案書、会議記録
相談相手が少ない	データサイエンティスト2人、データエンジニア0人。週の相談は1回	職種別人数、相談回数	組織図、予定表
評価されにくい	評価4項目のうち分析の質・施策への貢献を見る項目は0	評価項目、評価者	評価票、面談記録

集計・ダッシュボードが多い人は、直近3か月の集計、可視化、前処理、モデル構築、資料作成の割合を分けます。「一人で抱える」なら、配属先の職種別人数と、実際に誰へ何回相談したかを分けます。さかのぼれない値は推測せず、未記録と残します。

辞めたい場面を三つの置き場所へ振り分ける

書き出した場面を振り分ける前に、三つの置き場所を決めます。

• 同職種なら残りうる作業: 厚生労働省job tagの「データサイエンティスト - 職業詳細」が仕事の流れに挙げる、責任者やデータ担当者へのヒアリング、データを加工しながらのモデリング、効果検証、環境の変化やより良いモデルのための反復などです（2026年9月30日確認）。データサイエンティストが会社を移っても、その作業自体は残りえます。データアナリストはこの説明だけでここへ置かず、同じ作業が現職と応募先の担当業務にあると確認できた場合に置きます。
• 会社ごとに聞き比べる値: 仕事の比重、担当範囲、職種別人数、評価項目、直近の採用実績など、今の職場と応募先を同じ単位で比べる値です。会社を移れば必ず良くなるという意味ではありません。
• 原因を決めずに分け直す場面: 何が使われなかったのか、誰との関係がつらいのか、比較する値は何かがまだ分かれていない場面です。現職の記録を見て二つ以上の行に分け、同職種の担当業務として確認できる行は「同職種なら残りうる作業」、同じ単位で比べられる行は「会社ごとに聞き比べる値」へ置き直します。どちらとも決められなければ、足りない記録を添えてこの置き場所に残します。

一つの不満が二つの置き場所にまたがるときは、一方へ寄せずに行を分けます。前処理なら、データを加工する作業そのものと、仕事の6割を占めることは別です。効果検証なら、検証する作業と、その先の本番運用を担当できないことを分けます。

例の人の場面を三つの置き場所へ置く

例の人の5場面を分けると、前処理や効果検証そのものと、比重・担当範囲・人数は別の行になります。

分けた場面	最初の置き場所	そう置く根拠	次に確かめる値
データを加工しながらモデルを作る	同職種なら残りうる作業	厚生労働省job tagが挙げる仕事の流れ	加工するデータと作業範囲
前処理が仕事の6割を占める	会社ごとに聞き比べる値	比重を現職と応募先で比べるための、この記事の整理	入社後1年の前処理の割合
モデルの効果を検証する	同職種なら残りうる作業	厚生労働省job tagが挙げる仕事の流れ	検証する対象
PoCの後、本番運用を担当しない	会社ごとに聞き比べる値	担当範囲を現職と応募先で比べるための、この記事の整理	直近案件の担当範囲
分析結果が顧客の施策に採用されない	会社ごとに聞き比べる値	求人票に書かれた期待だけでは実際の採用例を読めない	採用数、採否を決めた人
相談できるデータ人材が少ない	会社ごとに聞き比べる値	職種別人数と相談回数を比べるための、この記事の整理	職種別人数、日常の相談先
評価項目に分析の質や施策への貢献がない	会社ごとに聞き比べる値	評価項目と評価者を比べるための、この記事の整理	評価項目、評価者、昇格例

分析結果を出すことと、その結果を採用することは同じではありません。分析者が採否を決めない仕事もあります。採否を自分で決めない仕事そのものがつらい場面は「原因を決めずに分け直す場面」に置き、決め方や結果を知らされないことがつらいなら「会社ごとに聞き比べる値」へ置きます。職種を続けるかどうかの判定は、この記事では扱いません。

よくある場面は、原因を分けてから置く

例の人にない場面は、次の早見表から近い行を選びます。

場面	最初の置き場所	そう置く根拠	次にすること
集計・ダッシュボードが仕事の7割	会社ごとに聞き比べる値	仕事の比重を比べるための、この記事の整理	集計・可視化・モデル構築の割合を聞く
自社で、別部署からの依頼だけを受ける	会社ごとに聞き比べる値	分析の相手と目標の決め方を比べるための、この記事の整理	依頼元、目標を決める人、採否を決める人を聞く
データ基盤への依頼が2週間待ち	会社ごとに聞き比べる値	依頼から着手までの日数を比べるための、この記事の整理	依頼日から着手日までの日数を聞く
分析後、結果を知らされない	会社ごとに聞き比べる値	結果の連絡の有無を比べるための、この記事の整理	直近3か月に結果を知らされた件数を聞く
モデルが現場で使われない	原因を決めずに分け直す場面	本番に入らないのか、判断に採用されないのか不明	実装の有無と採用の有無を分ける
モデルが業務システムへ入らない	会社ごとに聞き比べる値	PoCと本番運用の担当範囲を比べるための、この記事の整理	直近案件で誰が本番化したかを聞く
分析結果は届いたが施策に採用されない	会社ごとに聞き比べる値	分析の採否を現職と応募先で比べるための、この記事の整理	直近の採用例と決めた人を聞く
相談相手や教える人がいない	会社ごとに聞き比べる値	職種別人数と相談回数を比べるための、この記事の整理	職種別人数、相談先、確認の頻度を聞く
上司・経営層が分析を理解しない	原因を決めずに分け直す場面	期待、説明、採否のどこで止まったか不明	直近の一件を三つに分ける
評価されず、キャリアが見えない	会社ごとに聞き比べる値	評価基準と専門職の道は求人票だけで読みにくい	評価項目、評価者、直近の昇格例を聞く
モデルが最善か検討し続けることがつらい	同職種なら残りうる作業	job tagが継続的な検討を仕事に挙げる	この置き場所に残し、職種を続けるかの判定とは分ける

相談相手や教える人がいない場面には、データサイエンティスト協会の個人会員調査（2026年版）もあります。詳細資料「データサイエンティストの就労意識～2015 → 2026 一般(個人)会員アンケートより」のp.30「スキルアップ時の困りごと」では、データ分析に関わる会員284人への複数回答で、手本になる人が周囲にいない人が49%、教えてくれる人がいない人が33%でした（2026年9月30日確認）。協会の個人会員への調査であり、データサイエンティスト全体の割合でも、会社ごとの差を示す数字でもありません。応募先では人数だけでなく、実際に誰へ相談するかを聞く理由になります。

分析の相手は、自社か顧客かの二択にしません。自社の意思決定を直接支える仕事、自社にいながら別部署から依頼を受ける社内支援、社外の顧客を支援する仕事の三つに分けます。マーケティング部など依頼元の部署に所属し、その部署の判断を支えるなら一つ目に置きます。自社事業と社外顧客の両方を扱う求人は一つに決めず、それぞれの仕事の比重を面接へ回します。社内支援では、依頼元の部署と、分析目標・採否を決める人を確かめます。

job tagのデータサイエンティストは、ヒアリングや検証を行い、実装・反復へ進むこともある

厚生労働省job tagの「データサイエンティスト - 職業詳細」は、分析する業務の責任者とデータ担当者へヒアリングし、データを加工しながらモデリングし、効果を検証する流れを示しています。問題がなければサービスとして実装し、環境の変化やモデルの改善に応じて作業を反復すること、自分の分析結果やモデルが最善か検討を続けることも挙げています（2026年9月30日確認）。

したがって、前処理・データ加工をすること自体、効果を検証すること、モデルを見直すことは、今の会社だけの仕事とは決めません。ただし、前処理が何割を占めるか、どこからどこまで本人が担うかは、この職業情報から分かりません。

同ページは、自社の業務として分析する場合と、顧客へサービスを提供する場合があるとしています。この記事では社内支援も加え、分析の相手を三つに分けます。job tagが説明するのはデータサイエンティストです。データアナリストの担当範囲は、職種名だけで同じとせず、応募する求人ごとに読みます。

モデルが最善か検討を続ける作業と、勤務時間外の学習や残業は分けます。残業も比べたい人は、会社・部門・配属予定先のどの値かを確認します。給与欄の固定残業時間は手当に含む時間、年収例や想定年収にある残業時間は金額の計算前提であり、実際の残業実績ではありません。学習支援は制度名だけでなく、対象、費用、勤務時間として扱うかを確かめます。

求人票で読める担当業務と、面接へ回す値を分ける

求人票は担当業務の手がかりになりますが、実際の比重や人数まで読めるとは限りません。

以下は、2026年9月30日時点で当サイトPREVIOに掲載中の求人を、勤務地を限定せず全件集計した結果です。職種にAIエンジニア・データサイエンティストを含む求人から、題名がデータサイエンティスト、データ分析、データアナリスト、アナリスト、統計解析と読めるものへ絞りました。機械学習・AIエンジニア、データエンジニア、PM・コンサルなどの題名でも、これらの語を同時に含むものは残し、含まないものを対象外にしました。題名、仕事内容、勤務時間、休日、勤務地、在宅・フレックス、給与、福利厚生、PR、募集の経緯、賞与を各行で同じ範囲として数えています。会社単位で、対象求人のどれか1件に記載があれば「書いてある」、どの求人にもなければ「書いていない」とし、割合は5%単位に丸めました。当サイトの掲載求人の構成であり、日本の求人全体を示す数字ではありません。

求人票で探す記載	書いてある会社	読めること	面接へ回すこと
前処理・データ整備	約25%	担当業務に含む手がかり	入社後1年の比重、分担
PoC	約20%	検証を担当する手がかり	その後を誰が担うか
本番運用・サービスへの組み込み	約30%	本番化に関わる手がかり	本人の担当範囲
PoC・本番運用のどちらも記載なし	約60%	求人票では担当段階を読めない	直近案件の担当段階
意思決定・施策につなげる仕事	約25%	会社が書いた役割への期待	実際に採用された例、決めた人
顧客向けの分析・支援	約25%	社外顧客へ提供する手がかり	自社・社内支援・社外顧客の比重
人数の記載またはデータエンジニアの在籍・連携	約20%	体制の手がかり	配属先の職種別人数、相談先
人数・データエンジニアのどちらも記載なし	約80%	求人票では体制を読めない	配属時の人数、分担

PoCを書く会社の約半分は、本番運用・組み込みも同じ求人群に書いていました。PoCの記載だけで、PoCで終わる会社とは判断できません。反対に、どちらも書かない会社に本番運用がないとも言えません。

対象会社の約60%は求人が1件だけで、対象求人を複数出す会社ほど、どれか1件が「書いてある」に入りやすい数え方です。

意思決定・施策の約25%は、会社が求人票に書いた期待です。分析結果が実際に使われている会社の割合ではありません。集計・可視化と機械学習の語も数えましたが、会社紹介や開発環境の説明を拾う例があり、割合は使いません。前処理が業務の何割かまで書く求人は確認できませんでした。個別求人の本文で担当業務を読み、実際の比重は面接で聞きます。

求人を1件開き、想定する配属と担当業務を読む

会社ごとに聞き比べる値を一つ選び、データサイエンティスト・データアナリストの求人を1件開きます。最初に応募する職種と配属を確かめ、その後は、比重・担当範囲なら手順2、人数・相談先なら手順3、評価なら手順4を中心に読みます。欄の名前を順番に読むのではなく、求人票の全文から語と説明を探します。情報は仕事内容の中の見出し、福利厚生の「その他」、PR、会社・事業の説明などに散ることがあります。専用の欄が空でも、全文を探してから「確認できず」とします。

1. 応募する職種と配属の決まり方

題名と本文全体で、データサイエンティスト・データアナリストとしての募集かを確かめます。データサイエンティストとデータエンジニアをまとめた募集や、入社後に配属を提案する募集では、想定する職種、配属を決める時期と人、選考中に確定するかを先に確認します。決まらなければ、配属未確定のまま次へ進みます。

2. 全文から担当業務を探す

ページ内検索も使い、集計、可視化、ダッシュボード、レポート、前処理、データ整備、モデル、検証、効果、A/B、PoC、本番、運用、組み込み、意思決定、施策、顧客、クライアントを探します。当たった語が仕事内容にあるのか、応募資格の必須・歓迎要件にあるのかを分けます。応募資格にだけある語は経験を求める手がかりであり、入社後の担当業務とは読みません。仕事内容に仕事名があれば、担当業務の手がかりとして残します。仕事の割合や、入社直後に本人が担当する範囲までは読み足しません。

自社の分析か、社内支援か、社外顧客への支援かも全文で確かめます。自社サービスの利用者を顧客と書く求人もあるため、顧客の一語だけで分析支援会社とは決めず、誰のデータを使い、誰が依頼し、誰が結果を採用する仕事かを読みます。

3. 全文から人数と相談先を探す

チーム、組織、部署、データエンジニア、データ基盤、一人目、立ち上げを探します。人数は2名、5人のように数字と名・人が続く箇所を見ます。会社全体や開発部門全体の人数を、配属予定のデータ職の人数とは読みません。社員紹介に出る人数が現在の配属先と同じかも分けます。

PRなどに、相談したい時はすぐ相談できるという趣旨だけが書かれていても、人数や相談頻度の実績とは読みません。相談しやすさを示す手がかりとして残し、配属先の人数と直近の相談例を面接で聞きます。

4. 評価の記載を確かめる

評価制度、専門職、スペシャリスト、昇格、昇給の記載を探します。制度名があっても、データ職の評価項目や直近の昇格例までは分かりません。

別の場所にある記載が食い違う場合は、都合のよい方だけを採りません。どちらの記載も残して、面接の質問にします。

比重・人数・評価・分析の採否を、同じ単位で面接に聞く

求人票を読んだ後は、今の職場と同じ期間・対象・単位で聞きます。多いか、整っているかと聞くと、答える人の基準になります。

場面	今の職場の値	求人票で読む記載	面接で聞く質問
前処理の比重を下げたい	直近3か月は6割	前処理・データ整備、モデル構築	同じ役割で直近に入社した人の入社後1年は、集計・可視化、前処理、モデル構築、資料作成がそれぞれ何割でしたか
本番運用まで担当したい	直近1年の4案件すべてで検証まで	PoC、本番運用、組み込み	直近の案件1件では、PoCから本番運用までを誰が担当しましたか。配属予定者はどこを担いますか
分析結果を施策につなげたい	直近6か月の提案8件中、採用1件	意思決定、施策、提言	直近6か月で、配属先の分析が施策に採用された例は何件あり、誰が採否を決めましたか
相談相手を増やしたい	データサイエンティスト2人、データエンジニア0人、相談は週1回	人数、データエンジニア、データ基盤チーム	配属時の職種別人数は何人ですか。直近1か月、配属先のデータ職の人は誰へ何回相談しましたか
評価の基準を変えたい	4項目中、分析の質・施策への貢献は0	評価制度、専門職、昇格	データ職の評価項目は何で、誰が評価しますか。直近で専門職として昇格した人は何を評価されましたか

集計・ダッシュボードが7割なら、前処理だけでなく集計・可視化も同じ質問に入れます。回答が会社全体の数字なら、配属予定先に絞って聞き直します。答えが得られなければ、その会社に制度や実績がないとは決めず、比較材料が得られなかったと記録します。

社内支援をしている人は、最初に作った「辞めたい場面」の一覧で別の行にし、直近3か月の依頼件数、目標を決めた人、結果を知らされた件数を今の値にします。面接では、直近の社内依頼1件で目標を決めた人、分析した人、結果を採用した人と、分析者へ結果を伝えたかを聞きます。

この見分け方で分からないこと

求人集計は2026年9月30日時点の掲載中求人に限り、職種タグから題名で対象を絞っています。職種の境界にある求人を一律に分けられる集計ではありません。

求人票と面接で分かるのは、会社が書いた担当業務と、説明時点の比重・人数・実例までです。入社後も同じ配属、担当範囲、人数、評価が続くとは限りません。会社を変えれば全部解けるとも、職種を辞めるしかないとも判定できません。

よくある質問

データサイエンティストはなぜきついと言われるのですか？

検索上位の記事では、前処理や集計の比重、学び続けること、相談相手の少なさ、分析が使われないこと、評価の分かりにくさが理由として挙がります。この記事では、作業そのものと、仕事に占める比重・人数・評価を分け、三つの置き場所で扱います。

前処理ばかりなら、会社を変えれば解決しますか？

一律には言えません。データを加工しながらモデルを作る作業は、データサイエンティストの仕事の流れに含まれます。一方、当サイトの対象求人では、前処理が業務の何割かまで書く求人は見当たりませんでした。担当業務を求人票で読み、入社後1年の比重と分担を面接で聞きます。

PoCで終わる会社は求人票で分かりますか？

PoCと本番運用・組み込みの記載は手がかりになりますが、実態までは決まりません。PoCを書く会社の約半分は本番運用・組み込みも書いていました。直近の案件で、誰がどこまで担当したかを面接で聞きます。

データサイエンティストの離職率は分かりますか？

職種単独の離職率は確認できません。情報通信業など広い産業の離職率を、データサイエンティストの値として使うことはできません。

データサイエンティストはAIに代替されますか？

この記事では将来予測を扱いません。AIによる仕事の変化は、AIに代替されにくい仕事を求人票から確かめる記事で扱っています。

面接で聞く値を一つ選ぶ

最初に書いた3〜5個から、「会社ごとに聞き比べる値」を一つ選んでください。求人を1件開いて想定する配属と担当業務を読み、分からなかった値を、今の職場と同じ期間・対象・単位の質問にします。