データサイエンティストの転職｜転職エージェント・転職サイトの選び方と未経験の考え方

「データサイエンティストの転職は、エージェントと転職サイトのどちらを使えばいい？」
「未経験や30代からでも、データサイエンティストを目指せる？」

データサイエンティストの求人は、同じ職種名でも会社によって仕事の範囲が大きく違います。大手事業会社の分析部門、コンサル・受託分析の会社、AIスタートアップのどこを狙うかで、合う相談先も変わります。

✅️ 実務経験を活かして、年収や役職を上げるハイクラス転職をしたい
✅️ 大手かスタートアップか、自分に合う転職先を見極めたい
✅️ 未経験からのデータサイエンティスト転職で、どの入り口を選べばいいか知りたい

経験者なら、AI・データ領域に強い特化型のエージェントと、スカウト型の転職サイトを組み合わせるのが効率的だと思います。技術の話が通じる担当者に相談でき、自分の経歴への市場の評価も分かるためです。

未経験の人は、いきなりデータサイエンティストを狙うより、データアナリストなど隣の職種から入る方が現実的です。年齢が上がるほど、今の業界知識とデータ分析の掛け算で評価されます。

特化型の相談先の候補になるのが、Web3・AI・量子・ディープテックに特化したPlusWeb3です。求職者の費用は無料ですが、主な対象は中堅〜ハイクラスの人です。扱う求人の領域と相談の流れは、公式サイトで確かめられます。

👉️ PlusWeb3が扱う求人と無料キャリア相談の流れを公式サイトで確認する

PlusWeb3とAI・Web3に強い転職エージェントの比較▼

項目	PlusWeb3	Geekly	withB
得意な領域	Web3・AI・量子・ディープテック	IT・Web・ゲーム	ブロックチェーン・暗号資産・Web3
求職者の費用	無料（成功報酬型）	無料	—
主な職種	機械学習エンジニア・データサイエンティスト・事業開発など	AIエンジニア・データサイエンティスト・データエンジニアなど	エンジニア・PM/PdM・マーケティング・金融専門職など
求人数（公式の表記）	3,000件以上（2026年8月時点）	44,000件以上（2026年9月時点）	—
公式サイト	公式サイト

---

データサイエンティストの転職で求められること

データサイエンティストの求人は、会社によって中身がかなり違います。まずは仕事の範囲と、求人票でよく求められるスキルを押さえておくと、応募先を選びやすくなります。

仕事内容とデータアナリスト・機械学習エンジニアとの違い

名前が似た職種と比べると、違いは次のとおりです▼

職種	主な仕事	重く見られること
データアナリスト	データを集計・可視化し、現状を説明する	SQL・BIツール・報告のわかりやすさ
データサイエンティスト	統計・機械学習で予測や施策の効果を出す	統計・機械学習・事業課題への落とし込み
機械学習エンジニア	モデルを本番のサービスに組み込み、運用する	開発力・クラウド・MLOps

実際の求人では、この3つの境目があいまいです。「データサイエンティスト」という名前でも、集計とレポートが中心の求人もあれば、モデルの開発と運用まで任される求人もあります。

応募の前に、求人票の「業務内容」で、分析・モデル開発・運用のどこまでを担当するかを確かめておくと、入社後のずれを減らせます。

求人でよく求められるスキル

上位の転職記事や求人の見出しを見ると、求められるスキルは次の4つに整理できます▼

• Python・SQL：データを取り出し、加工し、分析できる
• 統計・機械学習：手法を選び、結果を評価して説明できる
• ビジネス理解：事業の課題を、分析で答えられる問いに変えられる
• 生成AI・MLOps：LLMを使った分析やモデルの運用（求人によって求められる）

生成AI業界に長くいる立場から見ると、生成AI（LLM）を業務に組み込んだ経験は、今後さらに評価されやすくなると思います。ただ、中心はあくまで統計と機械学習の基礎で、生成AIだけ使えても評価は限られると考えます。

採用で差がつくのは、手法の知識より「分析の結果で事業の何を変えたか」を説明できるかです。

データサイエンティストの主な転職先（大手・コンサル・スタートアップ）

データサイエンティストの転職先は、大きく3つに分かれます。同じ職種名でも、求められることと働き方が違います▼

転職先	仕事の特徴	合いやすい人
大手事業会社の分析部門	自社のデータで、事業の改善を続ける	1つの事業に長く関わりたい人
コンサル・受託分析の会社	取引先ごとに課題を分析し、提案する	多くの業界の課題に触れたい人
AIスタートアップ・自社サービスの会社	分析からモデル開発・運用まで幅広く担う	裁量を持って手を動かしたい人

大手事業会社のデータ分析部門

小売・金融・通信・メーカーなどの大手企業では、マーケティングや需要予測、顧客分析のためにデータ分析の部門を置く会社があります。大手への転職では、データの量が多く、分析の結果が大きな売上に関わる点が魅力です。

一方で、社内の調整や決裁に時間がかかり、分析より説明・合意づくりの仕事が多くなることもあります。大手の求人は、総合型のエージェントや大手の転職サイトにも多く出ています。

コンサルティング・受託分析の会社

取引先の会社から依頼を受けて、データ分析やAI導入を支援する会社です。短い期間で多くの業界の課題に関われるので、経験の幅を広げたい人に向いています。

その分、納期と成果物への要求は厳しく、取引先への説明や資料づくりの力も求められます。

AIスタートアップ・自社サービスの会社

AIを使った自社のサービスを作る会社では、分析だけでなく、モデルの開発から本番での運用まで幅広く任されることがあります。

たとえばPlusWeb3の公式サイトには、株式会社Laboro.AIの「機械学習エンジニア」（職種の分類はデータサイエンティスト）の求人が、年収450万円〜700万円（東京都・正社員）で載っています。

事業の段階によって、仕事の範囲や働き方は大きく変わります。求人票だけでは分かりにくいので、エージェントに会社の事情を聞いてから応募するのがおすすめです。

経験者がハイクラス転職を目指すときのポイント

データサイエンティストとして実務の経験がある人は、年収や役職を上げるハイクラス転職も狙えます。ここでは経験者向けのポイントをまとめます。

年収は求人票の幅で比べる

データサイエンティストの平均年収は、記事によって出典や年が違い、数字がばらつきます。自分の相場を知るには、平均よりも、応募を考える求人票の年収の幅で比べる方が確実です。

先ほどのLaboro.AIの例では、同じ会社でもリーダー候補の求人は年収600万円〜900万円（みなし残業手当を含む）と、担当の範囲で幅が変わります。

職務経歴は「分析」ではなく「事業の成果」で書く

ハイクラスの求人では、分析の手法より「その分析で事業がどう変わったか」が見られます。職務経歴書は、次の3点をそろえて書くと伝わりやすくなります▼

• 課題：事業のどんな問題を解こうとしたか
• 打ち手：どのデータと手法で、何を作ったか
• 成果：売上・コスト・作業時間などが、どれだけ変わったか

ハイクラス転職では、チームを率いた経験や、分析を事業の意思決定につなげた経験が評価の中心になります。

自分の経歴にどんな会社が声をかけてくるかは、スカウト型の転職サイトに経歴を登録すると分かります（次の節で説明します）。

データサイエンティストの転職エージェントの選び方

データサイエンティストの転職エージェントは、得意な領域で3種類に分けられます。1社だけに絞らず、種類の違うものを組み合わせるのが基本です。

組み合わせの目安は次のとおりです▼

種類	強み	気になる点
AI・データ領域の特化型	担当者が技術と業界の事情に詳しい	求人の数は総合型より少ない
IT特化型・大手総合型	求人の数が多く、大手企業の求人も探せる	担当者が技術に詳しいとは限らない
スカウト型	自分の経歴への市場の評価が分かる	待ちの形なので、届く声の数は経歴しだい

AI・データ領域に特化したエージェント

AIやデータの会社に絞ったエージェントは、担当者が技術の話についてこられる点が強みです。どんな分析やモデルを作ってきたかを、そのまま伝えられます。

PlusWeb3は、Web3・AI・量子・ディープテックに特化した転職エージェントです。公式の表記では取扱求人は3,000件以上（2026年8月時点）で、求職者の費用は無料（成功報酬型）です。

公式サイトには、機械学習エンジニアやデータサイエンティストの求人のほか、AI企業の事業開発などのビジネス職の求人も載っています。3,000件以上はAI・Web3・量子を合わせた数で、データサイエンティストだけの件数は公開されていません。

IT特化型・大手総合型のエージェント

IT特化型のGeeklyは、公式の表記で求人数が44,000件以上（2026年9月時点）で、職種の分類に「データサイエンティスト」があります。

IT業界の中で多くの求人を比べたい人には、GeeklyはPlusWeb3より向いています。

リクルートエージェントやdodaなどの大手総合型は、大手事業会社の分析部門や、AIを導入する側の会社の求人も探せます。業界を広く見て、自分の相場を知るのに役立ちます。

スカウト型のサービス

ビズリーチのようなスカウト型の転職サイトは、職務経歴を登録すると、企業やヘッドハンターから声がかかる仕組みです。経験者がハイクラスの求人を探すときや、すぐには転職しないが市場の評価を知りたいときに向いています。

各エージェントの特徴を1社ずつ比べたい人は、「AI転職エージェントおすすめ比較｜AI業界の転職相談はどこにする？特化型と総合型の選び方」で詳しく整理しています。

👉️ PlusWeb3が扱う求人と相談の流れを公式サイトで見る

データサイエンティストの転職サイトとエージェントの使い分け

転職サイトは自分で求人を探して応募する場所、転職エージェントは担当者が求人を紹介し、選考の調整まで手伝ってくれる場所です。どちらか一方ではなく、目的で使い分けます▼

	転職サイト	転職エージェント
向いている使い方	求人の数と年収の相場をつかむ	自分に合う求人を絞り込み、選考を進める
求人	公開されている求人	公開求人に加え、非公開の求人もある
手間	書類・日程調整は自分で行う	書類の添削や日程・条件の調整を任せられる
費用	無料（一部に有料プランがあるサービスもある）	求職者は無料（企業が報酬を払う）

おすすめの順番は、まず転職サイトで「データサイエンティスト」の求人を10件ほど保存し、仕事の中身と年収の幅をつかむことです。そのうえでエージェントに相談すると、話が具体的になります。

Green・doda・Indeedなどの転職サイトや求人検索では、職種名で絞り込むとデータサイエンティストの求人を一覧で見られます。ITの求人が多いサイトほど、スタートアップや自社サービスの会社の求人が見つかりやすくなります。

未経験からデータサイエンティストへ転職する考え方

未経験からデータサイエンティストへの転職は可能ですが、経験者の求人と同じ土俵で戦うのは難しいのが正直なところです。入り口の選び方で、道のりが大きく変わります。

完全未経験より「隣の職種」から入る

データサイエンティストの求人の多くは、実務の経験を条件にしています。未経験の人は、データに触れる時間が長い「隣の職種」から入り、そこで実績を作る方が近道です。

今の経歴ごとの入り口の目安は、次のとおりです▼

今の経歴	入り口になる職種	次に足すこと
ITエンジニア	データエンジニア・機械学習エンジニア	統計と機械学習
マーケティング・営業企画	データアナリスト・BIの担当	SQL・Python
研究職・理系の大学院	データサイエンティスト（研究の経験を評価する求人）	事業の課題への落とし込み
データに触れない仕事	今の職場でのデータ活用・データアナリスト	SQL・Excelの分析から始める

今の会社にデータ分析の部署があるなら、社内で異動する道もあります。転職より、職種と業界を同時に変えずにすむ分、評価される材料を失いません。

ポートフォリオと資格（統計検定・DS検定・G検定）

未経験の人にとっては、ポートフォリオ（自分で作った分析の作品）が職務経歴の代わりになります。公開データで課題を立て、分析の手順と結論を文章にまとめてGitHubなどで公開しておくと、面接で話す材料になります。

資格は必須ではありませんが、学んだことを示す材料になります。データサイエンティストの転職でよく挙がる資格は次のとおりです▼

資格	主催	中身	受験料（一般）
DS検定（リテラシーレベル）	データサイエンティスト協会	データサイエンスの基礎知識	11,000円
G検定	日本ディープラーニング協会	AI・ディープラーニングを活用する知識	13,200円
統計検定	統計質保証推進協会	統計の知識と活用力（級ごとに分かれる）	級ごとに異なる

未経験から目指す人の学ぶ順番と必要なスキルは、「AIエンジニアの転職ガイド｜求められるスキル・年収の傾向と転職エージェントの選び方」でも整理しています。

データサイエンティストの転職と年齢（20代・30代・40代以降）

データサイエンティストの転職に、公式の年齢制限があるわけではありません。ただ、年齢によって企業が見るポイントは変わります▼

年代	企業が見ること	狙いやすい方向
20代	学習の跡と伸びしろ	未経験歓迎のアナリスト職・若手の育成枠
30代	実務の経験と、業界知識との掛け算	経験者は年収アップ、未経験は隣の職種への移動
40代以降	チームを率いた経験・事業への影響	分析組織のリーダー・データ活用の責任者

20代は、実務経験が少なくても、ポートフォリオや資格で学び続けている跡を示せば、育成を前提にした採用の対象になりやすい年代です。

30代以降は、ゼロからデータサイエンティストを目指すより、今の業界の知識にデータ分析を足す方向が現実的です。たとえば金融の経験がある人が金融データの分析を担うと、業界知識そのものが評価されます。

40代以降の経験者は、分析の手を動かす力に加えて、チームの育成や経営層への提案の経験が問われます。

転職エージェントを使う良い点・気になる点

データサイエンティストの転職でエージェントを使うかどうか、判断しやすいように並べます▼

	内容
良い点	非公開の求人や、求人票に出ない会社の事情を聞ける
良い点	職務経歴書の書き方や、技術面接の準備を相談できる
良い点	年収などの条件の交渉や日程の調整を任せられる
気になる点	担当者が技術に詳しいとは限らず、相性に左右される
気になる点	希望とずれた求人を紹介されることがある
気になる点	連絡の頻度が多いと感じることがある

担当者の相性は登録してみないと分かりません。2〜3社に相談し、技術の話が通じるか、希望を正しく受け止めてくれるかで、メインで使う1社を決めるとよいと思います。

すでに応募したい会社が決まっていて、書類や面接の準備も自分でできる人は、エージェントを使わずに直接応募しても十分です。

PlusWeb3が向いている人・向いていない人

データサイエンティストの転職で、相談先の1つとしてPlusWeb3を使うかどうかの目安です。

向いている人

• データ分析や機械学習の実務経験があり、AI企業や先端領域の会社に移りたい人
• 大手やSIerから、AIスタートアップ・自社サービスの会社への転職を考えている人
• データサイエンティストの経験を、事業開発などのビジネス職に活かす道も聞きたい人
• 在職中で、すぐ転職するかは決めずに情報を集めたい人

公式サイトでは、未経験の領域でも、これまでの経験が先端領域でどう活きるかを一緒に整理すると案内されています。

👉️ PlusWeb3にデータサイエンティストの転職を相談する（公式サイト）

向いていない人

• 大手事業会社の分析部門に絞って探したい人（大手総合型のエージェントの方が求人を多く比べられます）
• IT業界の求人を数多く比べたい人（求人の数ではIT特化型のGeeklyが上回ります）
• 社会人経験が浅く、データに触れた経験もまだない人（まず未経験歓迎の求人が多い転職サイトや総合型の方が向いています）

PlusWeb3の公式サイトは、中堅〜ハイクラスの人を主な対象としています。経験が浅い段階では、紹介できる求人が少ない可能性があります。

よくある質問

Q. 転職エージェントは何社に登録すればいい？

2〜3社が目安です。

AI・データ領域の特化型に加えて、求人の数を広げる総合型かスカウト型を組み合わせると、求人の幅と相談の深さを両立できます。

登録が多すぎると、連絡の対応だけで時間がなくなります。

Q. データアナリストからデータサイエンティストに転職できる？

できます。SQLやBIツールでの分析の経験は、そのまま評価されます。足りないことが多いのは、統計と機械学習でモデルを作って評価する経験です。

今の職場で予測モデルを使った分析を1つでも担当できると、転職の時の説明の材料になります。

Q. 面接ではどんなことを聞かれる？

上位の転職記事の多くが、過去の分析の進め方と成果を深く聞かれる点を挙げています。「なぜその手法を選んだか」「結果をどう事業に活かしたか」を説明できるように準備しておくと安心です。

会社によっては、SQLやPythonの課題、統計の知識を問う技術面接があります。エージェントを使う場合は、その会社の面接の傾向を事前に聞いておくとよいと思います。

まとめ｜経験者は特化型、未経験は「隣の職種」から

データサイエンティストの転職の要点は、次のとおりです▼

• 転職先は、大手事業会社・コンサル・AIスタートアップで仕事の範囲が違う
• ハイクラス転職では、分析の手法より「事業の成果」とリーダー経験が見られる
• 転職エージェントは、特化型1〜2社＋総合型かスカウト型1社を組み合わせる
• 転職サイトで相場をつかんでから、エージェントで候補を絞る
• 未経験は、データアナリストやデータエンジニアなど隣の職種から入る
• 年齢が上がるほど、今の業界知識とデータ分析の掛け算で勝負する

迷ったら、転職サイトでデータサイエンティストの求人を10件ほど保存し、その求人を持ってAI・データ領域に詳しいエージェントに相談してみてください。

👉️ PlusWeb3の無料キャリア相談を公式サイトで申し込む

PlusWeb3とAI・Web3に強い転職エージェントの比較▼

項目	PlusWeb3	Geekly	withB
得意な領域	Web3・AI・量子・ディープテック	IT・Web・ゲーム	ブロックチェーン・暗号資産・Web3
求職者の費用	無料（成功報酬型）	無料	—
主な職種	機械学習エンジニア・データサイエンティスト・事業開発など	AIエンジニア・データサイエンティスト・データエンジニアなど	エンジニア・PM/PdM・マーケティング・金融専門職など
求人数（公式の表記）	3,000件以上（2026年8月時点）	44,000件以上（2026年9月時点）	—
公式サイト	公式サイト