仕事内容と肩書｜キャリア比較・目標・乗り換え

このページはプロモーション（広告）を含みます。

キャリア比較・目標・乗り換え（初級・読む25分＋演習30分）

この授業のゴール

• 同じ肩書の求人2件を、作業・成果物・必要技能・関係者・働き方の5つの軸で分解し、違いを表で説明できる
• 求人に書かれていない項目を推測で埋めず「不明」と記録し、確認するための質問を作れる
• 職位（レベル）を経験年数ではなく、任される範囲と成果物の水準で説明できる

仕事でどう使うか

「データサイエンティスト」「AIエンジニア」「DX推進」といった肩書（職場で名乗る職名）は、会社やチームによって中身が大きく違います。肩書だけで進路を決めると、入ってから「思っていた仕事と違う」が起きます。この授業では、肩書を実際の作業に分解して比べる方法を身につけます。

この授業で扱うのは「仕事をどう読むか」です。どの仕事があなたに向いているかを判定するものではありません。向き不向きは、後の授業で小さく体験しながら、証拠で見直していきます。

前提

次の言葉を使います。不安があれば先に戻ってください。

• DS・ML・DX・RSの4つの仕事の大まかな違い → データ・AI・4つの仕事を知る（特に DSの仕事を小例で体験〜研究の仕事を小例で体験 の体験）
• 分析・予測・生成の違い → 分析と予測と生成の違い
• 学習目標を行動で書く考え方 → 学習目標を小さな行動にする

この授業に登場する会社・求人はすべて架空です。実在の求人を読むときは、この授業で作る分解シートに「確認した日」と「情報源」を書き添えてください。求人の内容は時期によって変わるためです。

身近な状況：同じ「データサイエンティスト」なのに仕事が違う

Aさん（文系出身、社会人2年目）は、データの仕事に移りたいと考えています。求人サイトで「データサイエンティスト」と検索し、次の2件を見つけました。どちらも架空の求人です。

求人1：みどり食品（架空）マーケティング部 データサイエンティスト
- 週次の売上レポートを作成し、営業部・商品部に報告する
- SQL（データベースから集計する言語）で購買データを集計する
- 値引きキャンペーンの効果を、A/Bテスト（2つの案を比べる実験）で検証する

求人2：ソラ物流（架空）技術開発部 データサイエンティスト
- 配送量の需要予測モデルをPython（プログラミング言語）で開発する
- モデルを社内システムに組み込むための API（他のプログラムから呼び出す窓口）を作る
- 予測精度の監視と、精度が下がったときの再学習を担当する

面談で聞いた「1週間の時間の使い方」を表にすると、次のようになりました（架空の数値）。

肩書は同じでも、求人1は分析して人に伝える仕事、求人2は予測の仕組みを作って動かし続ける仕事です。ON03で学んだ4路線で言えば、求人1はDS寄り、求人2はML寄りです。

Aさんが「データサイエンティストになりたい」と言うとき、本当にやりたいのはどちらでしょうか。肩書だけでは、この問いに答えられません。

直感的な説明：肩書は看板、中身は「時間の使い方」

肩書はお店の看板のようなものです。「レストラン」という看板でも、和食か洋食か、ランチ営業か夜だけか、店に入るまでわかりません。仕事も同じで、看板（肩書）の下にある中身を見る必要があります。

中身を見るときは、次の5つの軸で考えると整理しやすくなります。

この5軸で比べると、「データが好き」という大まかな希望が、「人に説明する時間が多い仕事がよいか」「システムが動き続けることに責任を持つ仕事がよいか」という具体的な問いに変わります。

注意：5軸で分解しても、それはあくまで「求人に書かれた仕事」です。実際の担当はチームや時期によって変わります。分解は「確かめるべき点を見つけるための道具」と考えてください。

正確な定義：肩書・職種・担当工程・職位

この授業で使う言葉を定義します。会社によって呼び方が違うことがあるので、中身で判断することが原則です。

担当工程は、データの仕事の流れを次の5段階に分けて考えます。

1. 課題設定：何を決めるために、何を明らかにするか決める
2. データ準備：データを集め、確認し、使える形に整える
3. 分析・モデル化：集計・検定・予測モデルなどで答えを出す
4. 実装・運用：仕組みとして組み込み、動き続けるよう保守する
5. 報告・導入：結果を伝え、業務や意思決定を実際に変える

DSは1・2・3・5、MLは2・3・4、DXは1・5（と業務設計）、RSは1・3（と論文化）に比重があることが多い、というのが執筆時点（2026年）の一般的な傾向です。ただし小さな会社では1人が5段階すべてを担当することもあります。

職位は年数で決まらない：「経験3年なら中級」のように年数だけで職位を判断するのは誤りです。職位は、次のような任される範囲で表すのが実務的です。

同じ3年でも、手順どおりの集計だけを続けた人と、問いの設定から報告まで任された人では、示せる証拠が違います。

段階付き例題：架空の求人を5軸で分解する

入力：次の架空の求人を読み、5軸で分解します。

はやて保険（架空）デジタル推進部　AIエンジニア
業務内容：保険金請求の書類確認業務について、現場担当者へのヒアリングを行い、業務フローを整理する。AIを使った自動化の候補を洗い出し、外部ベンダーと検証（PoC：Proof of Concept、本格導入前の小さな実証）を進める。効果を測る指標を決め、経営層へ報告する。
必須：業務改善またはシステム導入の経験。歓迎：Pythonの基礎、統計の基礎。
勤務：本社勤務と在宅の併用。

ステップ1：作業を動詞で抜き出す。「ヒアリングする」「整理する」「洗い出す」「ベンダーと検証を進める」「指標を決める」「報告する」。

ステップ2：作業を担当工程に当てはめる。ヒアリング・整理・洗い出し＝①課題設定、検証を進める＝③の管理（自分でモデルを作るとは書いていない）、指標・報告＝⑤報告・導入。

ステップ3：5軸の表にする。書かれていないことは「不明」と書きます。

ステップ4：意味を読む。肩書は「AIエンジニア」ですが、中身はDX寄りです。モデルを自分で作りたい人にとっては、「自分でコードを書く時間がどれくらいあるか」が最大の確認点になります。

出力：確認したい質問を3つ作ります。
1. 1週間のうち、自分でコードを書く時間はどのくらいありますか。
2. PoCでモデルを作るのは社内とベンダーのどちらですか。
3. 成果はどの指標で評価されますか。

操作して理解する：時間配分から路線の重心を計算する

求人や面談で聞いた時間配分を、5つの担当工程に割り当てて合計すると、仕事の重心が見えます。下のコードは、冒頭の求人1・求人2の時間配分（%）を工程ごとに並べ直したものです。冒頭の表の「打ち合わせ・報告」は課題設定と報告・導入に分け（求人1は10%と20%、求人2は5%と5%）、「分析・実験の設計」と「モデル開発」は分析・モデル化にまとめ、「システムへの組み込み・監視」は実装・運用にしています。

• jobs は辞書（dict）で、キーが求人名（文字列）、値が「工程名→割合(%)」の辞書です。
• max(d, key=d.get) は、辞書 d の中で値が最大のキーを返します。

jobs = {
    "求人1": {"課題設定": 10, "データ準備": 40, "分析・モデル化": 30, "実装・運用": 0, "報告・導入": 20},
    "求人2": {"課題設定": 5, "データ準備": 20, "分析・モデル化": 40, "実装・運用": 30, "報告・導入": 5},
}
for name, d in jobs.items():
    total = sum(d.values())
    top = max(d, key=d.get)
    people = d["課題設定"] + d["報告・導入"]   # 人と話す工程の合計
    system = d["実装・運用"]                   # システムを動かす工程
    print(f"{name}: 合計{total}% / 最大の工程={top} / 人と話す工程={people}% / 実装・運用={system}%")

出力：

求人1: 合計100% / 最大の工程=データ準備 / 人と話す工程=30% / 実装・運用=0%
求人2: 合計100% / 最大の工程=分析・モデル化 / 人と話す工程=10% / 実装・運用=30%

考えてみましょう（値を書き換えて実行できます）：

• 求人2の「実装・運用」を10%に減らし、その分を「報告・導入」に足すと、人と話す工程は何%になりますか？（答え：30%。求人1と同じになり、仕事の性格が近づきます）
• 合計が100%にならない数値を入れると、何が起きますか？ 面談で聞いた数字は概算なので、合計がずれたら「どの作業が抜けているか」を聞き直すきっかけにします。

この計算は路線を決めるためではなく、「どこを確かめるか」を見つけるためのものです。

発展：求人票の限界と、確認の仕方

求人票には次のような限界があります。

• 理想像が書かれている：「課題設定から運用まで一貫して担当」と書いてあっても、実際には一部の工程だけを担当することがあります。
• 配属が決まっていない：大きな会社では、入社後に部署が決まる採用方式があります。職種別の採用か、配属先の確約があるかは確認事項です。
• 時期で変わる：チームの立ち上げ期と成熟期では、担当範囲が違います。

確認するための情報源は、面談・説明会での質問、社員の発表資料や技術ブログ、公開されている成果物などです。どれも一部しか見えないので、情報源・確認した日・不明な点を分解シートに記録しておくと、後で比べるときに「どこまでが事実か」を区別できます。

また、肩書の流行は変わります。新しい肩書が出てきても、5軸と5工程で分解すれば、既存の仕事との違いを同じ物差しで比べられます。これは、路線を乗り換えるときにも役立ちます。共通の工程（例えばデータ準備）で積んだ経験は、別の肩書でも証拠として使えるからです。

よくある失敗

失敗1：肩書だけで「やりたい仕事だ」と判断する

誤った例：「モデルを作りたいので、『データサイエンティスト』の求人に全部応募する」。

なぜ誤りか：例題の求人1は時間の5%しかモデル開発がありません。逆に、肩書が「AIエンジニア」でも中身がDX寄りの求人もあります。肩書と作業の対応は会社ごとに違うため、肩書で絞ると、やりたい仕事を見落とし、やりたくない仕事に応募することになります。

直し方：求人ごとに5軸で分解し、「モデル開発・実装の時間配分」という作業の条件で絞り込みます。わからなければ「不明」として、面談で聞く質問に回します。

失敗2：職位を経験年数だけで判断する

誤った例：「経験3年以上が条件なので、2年の自分は応募できない」「5年働いたので、自分は上級のはずだ」。

なぜ誤りか：年数は「その期間に何を任されたか」を表しません。

この場合、「自分で問いを分解できる」という自立段階の証拠を示せるのはCさんです。年数の条件は目安として書かれていることが多く、扱いは会社によって違います。

直し方：自分の経験を「任された範囲」と「成果物」で書き直します。年数の条件が気になる場合は、応募前に確認します（応募するかどうかの判断は自分で行い、この授業では実際の応募はしません）。

失敗3：書かれていない項目を推測で埋める

誤った例：分解シートの「働き方」欄に、書かれていないのに「残業は少なそう」と書く。

なぜ誤りか：推測が事実のように残ると、比べるときに誤った根拠で判断します。また、「歓迎要件」を「必須」と読み違えて応募をあきらめる、あるいは「必須」を見落とす、といった読み違いも起きます。

直し方：シートに根拠の列を作り、求人に書いてあることだけを書きます。書かれていない項目は「不明」とし、確認するための質問を書きます。必須と歓迎は別の列に分けます。

まとめ

• 肩書は会社ごとに中身が違う。作業・成果物・必要技能・関係者・働き方の5軸で分解して比べる。
• 担当工程（課題設定・データ準備・分析・実装運用・報告導入）のどこに時間を使うかが仕事の重心になる。
• 求人に書かれていない項目は推測で埋めず「不明」とし、確認する質問に変える。
• 職位は経験年数ではなく、任される範囲と成果物の水準で説明する。
• 分解は適性の判定ではなく、確かめるべき点を見つけるための道具である。

用語

肩書（job title）

名刺や求人に書かれる職名。会社ごとに定義が違い、同じ肩書でも作業が異なることがある。

担当工程（scope of responsibility）

仕事の流れ（課題設定・データ準備・分析・実装運用・報告導入）のうち、受け持つ部分。

職務記述書（job description (JD)）

職務の目的・担当・必要技能・評価基準を書いた文書。求人票はその要約であることが多い。

職位（レベル）（job level）

任される範囲と責任の大きさ。経験年数とは別に、任された範囲と成果物で表す。

PoC（Proof of Concept）

本格導入の前に、小さな規模で効果や実現可能性を確かめる実証。

よくある質問

なぜ肩書ではなく作業で比べる必要があるのですか？

肩書には業界共通の定義がなく、会社ごとに意味が違うからです。入社後に毎日行うのは肩書ではなく作業です。作業で比べておくと、「思っていた仕事と違う」というずれを減らせます。

職種と担当工程はどう違いますか？

職種は仕事の種類のまとまり（分析職など）で、担当工程は仕事の流れのうちどこを受け持つかです。同じ分析職でも、課題設定から担当する場合と、集計だけを担当する場合があります。比べるときは担当工程まで見ます。

求人票だけで分解すると、どこで失敗しやすいですか？

書かれていない項目を推測で埋めることと、理想像としての記述（「一貫して担当」など）をそのまま信じることです。根拠の列と不明の印を付け、面談や説明会で確かめます。

小さな会社で、1人がすべての工程を担当する場合はどう考えますか？

その場合は5工程すべてが作業になり、時間配分が分散します。広く経験できる一方、特定の工程を深める時間は短くなります。どの工程の時間が多いかを質問して、自分が伸ばしたい工程と合うか確かめます。

実際の仕事選びでは、この分解をどう使えばよいですか？

気になる求人を2〜3件選んで5軸の分解シートを作り、作業と成果物で比べます。そのうえで、不明な点を質問に変えて確かめます。応募するかどうかは、分解シートに加えて自分の希望・現状・制約（L03で扱う）を合わせて判断します。

確認問題

次に学ぶこと

次は 4路線の成果物 で、4路線それぞれの成果物と、それを「できることの証拠」として示す方法を学びます。

求人の読み方をさらに深めたい場合は、「求人から担当工程を読む」（有料版）（求人から担当工程を読む）で実際の応募準備に近い形で練習します。4路線の体験がまだの場合は DSの仕事を小例で体験〜研究の仕事を小例で体験 に戻ってください。