最終更新:
データエンジニアとデータサイエンティストの違い — お店の売上から考えよう
同じ売上記録を、二つの役割で見る
ひよこ お店の売上を調べたいんだけど、データエンジニアとデータサイエンティストは何をするの？
ペンギン先生 お店の売上を知りたいとき、記録がそろっていなければ分析できないよね。データエンジニアは届く仕組みと品質を整え、データサイエンティストは問いを立てて分析・評価する、という役割で考えてみよう。実際の担当は重なるよ。
ひよこ なるほど！データエンジニアがデータを集めて整理して、データサイエンティストが分析するんだ。
ペンギン先生 ひよこ データサイエンティストのほうは？
ペンギン先生 ひよこ スキルセットがけっこう違うんだね。どっちが難しいの？
ペンギン先生 方向性が違うから単純比較は難しいけど、データエンジニアはインフラ・プログラミング寄り、データサイエンティストは数学・統計学寄りだね。
ひよこ 年収はどうなの？
ペンギン先生 職種名だけでは比較できないよ。経験、担当範囲、勤務先や勤務地などで変わるので、条件がそろった求人や調査で確かめよう。ここでは日本の両職種を同条件で比べられる根拠がないため、一律の年収レンジは示さないよ。
ひよこ 縁の下の力持ちなんだ！両方できる人もいるの？
ペンギン先生 一人で複数の役割を担当することもあるよ。またアナリティクスエンジニアは、データ変換・テスト・文書化などを通じて分析に使いやすいデータを整える役割なんだ。単にデータエンジニアとサイエンティストを両方こなす人、という定義ではないよ。
ひよこ キャリアの入口としてはどっちがおすすめ？
まず、小さなお店の売上を見る
次は架空の売上記録です。「毎日いくら売れたかを同じ条件で知りたい」と考えます。
| 日付 | 売上（円） |
|---|---|
| 10月1日 | 1200 |
| 10月2日 | 800 |
| 10月3日 | 未着 |
記録を集め、日付・通貨・重複・未着を確認して、継続して利用できる状態を作る作業がデータ基盤の入口です。一方「売上が変わったのはなぜか」「次の仕入れはどうするか」と問いを立て、分析やモデルの結果を評価して説明するのが分析の入口です。
同じ記録で、違う問いを持つ
| 役割の例 | 確認する問い |
|---|---|
| データエンジニア | 毎日の記録は届くか。途中の失敗を検知し再実行できるか |
| データサイエンティスト | 問いに必要な記録があるか。予測や説明の根拠は十分か |
| 共通 | 売上の定義、権限、欠けや偏り、結果の使い方 |
最初の2日分の合計は2000円ですが、3日分の合計とは言えません。未着を0円と決めつけたり、この2日だけで将来の売上を保証したりしないことが大切です。数字を使える状態にすることと、判断の根拠にすることを分けて考えましょう。
小さな体験から、関心を探す
取り込み・重複チェック・失敗の検知に関心があれば、SQL入門やdbt入門でデータを整える練習へ進めます。問いを立てる・図にする・未知の例で予測を評価することに関心があれば、機械学習入門が入口になります。
職種名だけで難しさや年収は比較できません。求人の担当範囲、チームでの役割、必要な道具を見ます。ここでは特定の年収や求人順位は示しません。
もう少し詳しく：役割が重なるところ
データサイエンティストも収集や整形を行い、データエンジニアも分析しやすい設計を考えます。アナリティクスエンジニアは、変換・テスト・文書化などで分析向けのデータを整える役割です。「両方できる人」の単純な別名ではありません。
Google Cloudの認定や米国BLSの職業説明は役割を知る資料ですが、すべての職場に同じ分担を義務付ける定義ではありません。自分のチームの担当業務へ照らして読みましょう。
ペンギン先生のまとめ
「二つのデータ職」って出てきたら「使えるデータの仕組みを整える役割と、データから問いに答える役割」と思えばだいたいOK！ 小さな売上表で、どちらの作業に興味が湧くか試してみよう。