データサイエンティスト
Dランクモデリングやデータ加工の多くがAIに移りやすく、分析目標の設定や実装判断は人に残る職業です。
RESULT ANALYSIS
4つの指標で見る、あなたの結果
指標について画面で完結する度合い
非常に高い
ほぼ画面の中で完結するため、AIの射程に入りやすい業務です。
手順の決まりやすさ
低い
決まった手順どおりに進む作業は、少なめです。
対人・現場の多さ
非常に低い
人と直接やり取りする場面や現場での作業は、ほとんどありません。
判断の重さ
高い
自分の判断で決め、結果に責任を負う場面が多い仕事です。
474職業の中での相対的な位置です。
ロボットや自動運転による影響は、この診断の対象外です。
同じデータサイエンティストでも、働き方によって結果は変わります。13の質問で、あなた自身の立ち位置を確認できます。
自分の結果を診断する6軸で見る業務特性
各軸は474職業の中での相対値です。
AIに任せやすい業務と、人に残りやすい業務
AIで支援できる業務
データを加工してのモデリング作業
91.1%中データ加工処理は定型化しやすい
モデルが適切かの効果検証
91.1%中検証計算はできても最終判断は人
反復的なデータ分析・モデリング
91.1%中反復処理は自動化しやすい
日報・月報等からのデータ収集
80.0%高定型的なデータ収集は自動化向き
先に置き換えが進むのは「データを加工してのモデリング作業」です。反復的な処理が中心のため、AIに引き受けられやすい業務で、実施率は91.1%です。
人の判断が求められやすい場面
分析目標の決定のためのヒアリング
3.85意図を汲み取る対面でのヒアリング
モデルが新たなデータに有効かの判断
3.71総合的に見極める専門的な判断
有効なモデルをサービスとして実装
3.64独自の工夫を要する実装設計
新たな分析ツール・アルゴリズムの開発
3.14専門知識に基づく独自の開発
人の判断が求められやすいのは「モデルが新たなデータに有効かの判断」のような場面です。数値だけでなく実務での使われ方を踏まえて総合的に見極める必要があり、単純な検証計算では終わりません。
実施率はjob tag（厚生労働省職業情報提供サイト）の調査値です。「AIの影響」は当サイトの独自評価で、公的機関による判定ではありません。重要度もjob tagの調査値で、その職業における業務の重要さを示すものです。AIに代替されにくいことを示す数字ではありません。
あなたが活かせる経験
分析目標を決めるヒアリングを重ねてきた経験は、AIが作ったモデルの出力が、依頼元の本当の課題に合っているか確認する材料として使えます。
この先に起きること
まず変わること
データ加工やモデリング、効果検証、データ収集など、データに基づく作業からAI活用が広がっていきます。
次に変わること
反復的なモデリング処理が、機械側に移っていくことが一般化していきます。
その先で変わること
分析目標のヒアリングやモデルの有効性判断、実装設計、ツール開発など、専門業務は引き続き人が担っていきます。
労働市場データ
有効求人倍率8.91倍で、あなたが職場を選べる側にいる数字です。平均年収は611.9万円です。
令和7年度 ハローワーク求人統計
有効求人倍率・求人賃金は令和7年度ハローワーク求人統計、年収は令和7年賃金構造基本統計調査。
同じデータサイエンティストでも、働き方によって結果は変わります。13の質問で、あなた自身の立ち位置を確認できます。
自分の結果を診断する本診断はエンタメコンテンツです。出典：job tag（厚生労働省職業情報提供サイト）／ 独立行政法人労働政策研究・研修機構（JILPT）作成「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」「解説系ダウンロードデータ ver.7.01」職業情報提供サイト（job tag）より2026年9月にダウンロードして加工。有効求人倍率・求人賃金は令和7年度ハローワーク求人統計、年収は令和7年賃金構造基本統計調査、就業者数は令和2年国勢調査。ランクは2026年時点の生成AIによる業務影響を対象に当サイト独自の係数で算出したもので、公的機関が認定した代替率ではありません。ロボット・自動運転による影響は対象外です。
算出方法とデータの出典を見る