「データサイエンティスト」は2026年に5つの専門職へ細分化
かつて「データサイエンティスト」は一括りで扱われていましたが、2026年現在は「ML/AIエンジニア」「データエンジニア」「アナリティクス系」「リサーチ系」「MLOps系」の5職種に明確に分化しました。求人で「データサイエンティスト募集」とあっても、実際に求められるスキルは職種により全く異なります。本記事では5職種の比較・必須スキル・学習ロードマップ・年収レンジを完全網羅します。
データ系5職種の比較
| 職種 | 主業務 | 主要スキル | 年収レンジ |
|---|---|---|---|
| ML/AIエンジニア | モデル開発・LLM応用 | Python・PyTorch・MLOps | 700〜1,400万円 |
| データエンジニア | データ基盤構築・ETL | SQL・dbt・Snowflake・Airflow | 600〜1,200万円 |
| アナリティクス（BizDev寄り） | 事業KPI設計・分析 | SQL・BI・統計・ドメイン知識 | 500〜900万円 |
| リサーチ系 | 研究・論文・PoC | 数理統計・論文読解・実装 | 800〜2,000万円 |
| MLOps/プラットフォーム | ML運用・推論基盤 | K8s・Terraform・GPU運用 | 700〜1,300万円 |
※doda・レバテック・Findy・LinkedIn求人の2026年データをもとにした目安。経験年数・企業規模で大きく変動します。
必須スキルマップ
| レイヤー | 必須スキル | 推奨学習 |
|---|---|---|
| 基礎 | Python・SQL・統計 | Progate→Udemy→Kaggle Learn |
| 機械学習 | scikit-learn・PyTorch・特徴量設計 | DeepLearning.AI / Kaggle |
| データ基盤 | BigQuery/Snowflake・dbt・Airflow | 公式チュートリアル+実装 |
| LLM応用 | RAG・エージェント・MCP | Claude/OpenAI API + 個人プロダクト |
| MLOps | Docker・K8s・MLflow・推論最適化 | AWS SageMaker / GCP Vertex AI |
学習ロードマップ（未経験〜転職まで）
| フェーズ | 達成目標 | 期間目安 |
|---|---|---|
| STEP 1: 基礎 | Python/SQL/統計の基本＋Kaggle Titanic完走 | 2〜3ヶ月 |
| STEP 2: 実装 | 機械学習プロジェクト1本＋データ前処理パイプ | 2〜3ヶ月 |
| STEP 3: 応用 | LLM応用（RAG/エージェント）orデータ基盤実装 | 2〜3ヶ月 |
| STEP 4: 転職 | ポートフォリオ公開＋エージェント登録＋面接 | 1〜3ヶ月 |
2026年に評価される「掛け算」スキル
2026年の市場では「機械学習だけ」より「業界知識×ML」「データ基盤×ML」など掛け算の希少性が評価されます。前職の業界経験（金融/医療/物流/小売/製造）×データサイエンスPR
の組み合わせは、特に未経験からの転向で最大の武器になります。AWS/GCPの認定資格はAWS認定資格の取り方・難易度・勉強法2026を、年収全般の市況はIT転職市場2026を参照してください。
