本文へスキップ
EigoHero
職種

データアナリストとは⁠|仕事内容・年収・必要なスキル(SQL・BI)

データアナリストは、社内外のデータを集計・分析し、事業の意思決定に使える形で示す職種です。データサイエンティストとの違い、仕事内容、SQLやBIなど必要なスキル、公開データの年収、未経験からのなり方を解説します。

データアナリストは、売上・顧客・Webアクセスなどのデータを集計・分析し、「何が起きているか」「次に何をすべきか」を事業部門が判断できる形で示す職種です。中心になる道具はSQL(データベースからデータを取り出す言語)、Excelなどの表計算、BIツール(データを集計してグラフやダッシュボードにするツール)です。年収は、doda「平均年収ランキング(2025年)」の「データアナリスト/データサイエンティスト」が607万円で、近い職業の公的データとしては厚生労働省job tagの「データサイエンティスト」が全国611.9万円(令和7年賃金構造基本統計調査を加工)です。

データアナリストとは:データを「判断の材料」に変える仕事

多くの会社には、販売データ、顧客データ、Webサイトのアクセスログ、アンケート結果などが大量にたまっています。しかし、データがあるだけでは意思決定に使えません。データアナリストは、事業部門の「知りたいこと」を聞き、必要なデータを取り出して集計・分析し、結論と根拠を分かりやすく伝えます。

分析の例は次のようなものです。

  • 先月から解約が増えたのは、どの顧客層・どの経路から来た顧客か
  • 新しく始めたキャンペーンで、売上は本当に増えたのか
  • Webサイトのどの画面で、購入をやめる人が多いのか
  • 営業部門が毎週見るべき指標は何で、どう可視化するか

データサイエンティスト・データエンジニアとの違い

データを扱う職種は名前が似ていて、会社によって境界も違います。job tagの説明をもとに整理すると、次のようになります。

職種主な役割中心になる技術(例)
データアナリスト事業の問いに答えるため、データを集計・分析して示す。指標やダッシュボードを整えるSQL、表計算、BIツール、基本的な統計
データサイエンティスト大量のデータを分析し、統計モデルや機械学習で新しい商品・サービスや業務改善につなげる統計学、機械学習、Python・Rなど
データエンジニア分析のためのデータの収集・整理・管理と、情報基盤の構築・運用データベース、データパイプライン、クラウド

job tagは、データサイエンティストの仕事を、業務の責任者にヒアリングして分析の目標を決め、データを加工しながらモデリングを行い、効果を検証する流れで説明しています(job tag「データサイエンティスト」)。一方、データエンジニアについては、データサイエンティストが分析で知見を引き出すのに対し、データエンジニアはそのためのデータの収集、整理、管理、情報基盤の構築や運用を行うとしています(job tag「データエンジニア」)。

データアナリストは、この中で最も事業部門に近い位置で、「今あるデータから何が言えるか」を素早く示す役割と考えると分かりやすいです。ただし、求人票の「データアナリスト」にモデリングや機械学習が含まれていることもあるため、業務内容は必ず確認してください。

仕事内容:主な業務と1日の流れ

主な業務

  • 要件のヒアリング:事業部門が「何を判断したいのか」を確認し、分析の問いを具体的にする。
  • データの抽出:SQLでデータベースやデータウェアハウスから必要なデータを取り出す。
  • データの整形:欠損、重複、表記のゆれなどを整える。
  • 集計・分析:比較、推移、セグメント別の集計、必要に応じて統計的な検定や回帰分析を行う。
  • 可視化・ダッシュボード作成:BIツールで、関係者が継続的に見られる画面を作る。
  • 報告・提案:結論、根拠、限界(データで言えないこと)をまとめて伝える。
  • 指標の設計:KPIの定義をそろえ、部署によって数字が食い違わないようにする。

1日の流れ(例)

以下は、Webサービス企業のマーケティング部門を担当するデータアナリストを想定した一例です。

時間内容(例)
9:30主要指標のダッシュボードを確認し、前日から大きく動いた数字がないか見る
10:00マーケティング担当と打ち合わせ。新キャンペーンの効果測定の進め方を決める
11:00SQLで対象期間の購入データと流入経路データを抽出
13:30抽出したデータを整形し、キャンペーン前後と対象・非対象のグループで比較
15:30結果を資料にまとめる。言えること・言えないことを分けて記載
16:30営業部門から依頼された週次レポートのダッシュボードを修正
17:30データエンジニアと、新しく必要になったデータの取り込みについて相談

必要なスキル:学ぶ順番

1. 表計算(Excel・Googleスプレッドシート)

ピボットテーブル、関数(SUMIFS、XLOOKUPなど)、グラフ作成は、ほぼすべての職場で使います。今の仕事で使えるため、最初に固めやすいスキルです。job tagでも、データサイエンティストがよく使う道具として表計算ソフトが挙がっています(job tag「データサイエンティスト」)。

2. SQL

データアナリストの求人で最もよく求められる技術の一つです。まずは次の順で身につけると、実務の多くに対応できます。

  1. SELECT、WHERE、ORDER BYでデータを取り出す
  2. GROUP BYと集計関数(COUNT、SUM、AVG)で集計する
  3. JOINで複数の表を結合する
  4. サブクエリやWITH句で、処理を段階に分けて書く
  5. ウィンドウ関数(ROW_NUMBER、累計、前月比など)を使う

学習用の無料のデータベース環境や、実際のデータに近いサンプルデータで手を動かすのが近道です。

3. BIツール

Power BI、Tableau、Looker Studioなどが代表的です。どれか一つで「データを読み込む→整える→グラフを作る→共有する」の流れを一通り経験しておくと、他のツールにも移りやすくなります。

4. 統計の基礎

平均と中央値の違い、ばらつき、相関と因果の違い、サンプルの偏り、A/Bテストの考え方などです。高度な数式よりも、「この比較で本当にそう言えるか」を判断できることが実務では重要です。

5. 業務知識と伝える力

分析の価値は、事業の判断に使われて初めて生まれます。担当する事業(マーケティング、営業、物流、金融など)の基本と、結論から短く伝える報告の書き方は、技術と同じくらい評価に影響します。

Python・R は必須か

求人によります。データアナリストの求人ではSQLとBIを必須、PythonやRを「歓迎」とすることが多い一方、統計モデルや機械学習まで担う求人では必須になることがあります。応募したい求人のJDで、必須と歓迎の区別を確認してください(必須条件と歓迎条件の読み方)。

英語の使い方:外資系・グローバル企業での場面

データアナリストの英語は、主に次のような場面で使います。

  • 英語の技術資料を読む:SQLやBIツールのドキュメント、エラーメッセージ、技術記事の多くは英語が一次情報です。
  • 海外拠点・本社への報告:外資系企業では、日本市場の数字を英語で本社に報告することがあります。
  • グローバルチームとの指標の定義合わせ:「アクティブユーザー」「解約」などの定義を、国をまたいでそろえる議論。

数字の報告では、結論→根拠→注意点の順に短く書くと伝わりやすくなります。

例 Repeat purchases in Japan fell by 8% in October, mainly among customers acquired through social media ads. Note that October data excludes orders still being processed. (日本の10月のリピート購入は8%減少しました。主にSNS広告経由で獲得した顧客で減っています。なお、10月のデータは処理中の注文を含みません)

年収の目安:公開データで分かること

job tagには「データアナリスト」という名前の職業ページがなく(2026年11月時点で確認)、近い職業のデータを並べます。

データ数値出典・注意点
データサイエンティストの年収(全国)611.9万円job tag(令和7年賃金構造基本統計調査を加工)。統計上の分類は「他に分類されない技術の職業」等
データエンジニアの年収(全国)609.8万円job tag(同上)
データアナリスト/データサイエンティストの平均年収607万円doda 平均年収ランキング(2025年)。2024年9月〜2025年8月のdoda登録者約60万件
リサーチ/市場調査の平均年収560万円同上
マーケティングの平均年収550万円同上

数字の読み方の注意点です。

  • job tagの年収は、その職業が属する統計上の職業分類全体の数値で、「その職業だけ」の値ではありません。job tagとdodaは調査対象も集計方法も違うため、数字を単純に比べることはできません。
  • dodaの数値は、データアナリストとデータサイエンティストを合わせた区分です。統計モデルや機械学習まで担う求人と、集計・可視化が中心の求人では条件が変わります。
  • job tagのデータサイエンティストのページには、厚生労働省の2023年度の委託調査に基づくスキルレベル別の年収(企画立案・プロジェクト管理、ITSSレベル3で600万〜900万円など、第1四分位〜第3四分位)も掲載されています。経験とスキルの水準で幅が大きい職種です。

向いている人・向いていない人

向いている人

  • 「なぜそうなったのか」を数字で確かめるのが好きな人
  • 地道なデータの確認や整形を、正確さを保って続けられる人
  • 結論を急がず、データで言えることと言えないことを区別できる人
  • 事業部門の人と話し、相手の判断に役立つ形で伝えられる人

向いていない人(または入社前に確認が必要な人)

  • 分析よりもモデル開発や研究に集中したい人(データサイエンティストや研究職の求人のほうが合う可能性があります)
  • 「この数字にしてほしい」という期待がある場面で、事実を伝えるのが極端に苦手な人
  • 細かい定義の確認や、数字の検算を面倒に感じる人

未経験からのなり方

データアナリストは、他職種からの転職もある職種です。現実的なルートは次のとおりです。

  1. 今の部署でデータ担当になる:営業、マーケティング、経理、人事などで、レポート作成や数字の分析を引き受けるのが最も現実的な一歩です。業務知識とデータの両方を持つ人は、転職市場でも評価されやすくなります。
  2. 社内異動:社内にデータ分析部門やDX推進部門があれば、異動の機会を探します。
  3. SQLとBIのポートフォリオを作って転職:公開データを使った分析を、問い・方法・結論・限界の形でまとめておくと、面接で具体的に話せます。
  4. エンジニアから:システムエンジニアやデータエンジニアからは、技術面の強みを持って移れます。job tagも、データサイエンティストの中途採用では情報処理技術者、マーケティングリサーチャーなどから転じる例が多いとしています(job tag「データサイエンティスト」)。

資格は必須ではありませんが、統計の基礎を示す「統計検定」や、ITの基礎を示す「基本情報技術者試験」を学習の目標にする人もいます。資格よりも、実際に分析した経験を説明できることのほうが選考では重視されやすい点は意識しておきましょう。

職務経歴書では、「どのデータを、どの道具で分析し、誰の何の判断に使われたか」を書きます。書き方の基本は職務経歴書の書き方、英文レジュメのスキル欄は英文レジュメのSkills欄の書き方を参考にしてください。

例(職務経歴書) 営業部の月次売上データをSQLで抽出・集計し、地域別・商品別のダッシュボードを作成。週次会議の資料作成時間を1回あたり約3時間から30分に短縮。

IT業界全体への転職ルートはIT転職の進め方でも整理しています。

関連記事IT転職の進め方|未経験・経験者別のルートと年収の上げ方

英文JD・英文レジュメでの書き方のポイント

英文JDでは、次の表現から業務の中身を読み取れます。

  • write complex SQL queries / work with large datasets:SQLの実務経験が必須か
  • build and maintain dashboards (Power BI / Tableau / Looker):使うBIツール
  • define and track KPIs:指標設計まで担当するか
  • A/B testing / experimentation:実験の設計・分析を行うか
  • partner with stakeholders / translate business questions into analysis:事業部門との距離

英文レジュメのBulletは、分析の結果、何が変わったかまで書きます。

例 Built a churn dashboard in Power BI using SQL-based data models, enabling the customer success team to identify at-risk accounts weekly.

関連記事英文レジュメの実績(Bullet Points)の書き方:弱い例と改善例

まとめ

  • データアナリストは、データを集計・分析して、事業部門が判断できる形で示す職種です。
  • データサイエンティストはモデリングや機械学習、データエンジニアはデータ基盤の構築が中心で、アナリストは最も事業に近い位置で分析します。
  • 必要なスキルは、表計算→SQL→BIツール→統計の基礎の順に身につけると、実務につなげやすくなります。
  • 年収は、dodaの「データアナリスト/データサイエンティスト」が607万円、job tagのデータサイエンティストが全国611.9万円です。仕事の範囲とスキルで幅が大きい職種です。
  • 未経験からは、今の仕事でデータを扱う役割を引き受け、実績を数字で説明できるようにするのが現実的な第一歩です。

EigoHeroは、転職・年収・英語・スキルの実践キャリアメディアです。事実は出典と照合し、内容に責任を持って公開しています。編集方針

次に読む