データサイエンティストとは、統計学やプログラミングスキルを活用することでビッグデータを分析し、ビジネスにおける課題をどのように解決するか考える仕事です。大量のデータを整理して情報を抽出し、課題解決につながるポイントを探っていきます。
企業においてAIが活用されるシーンが増えつつある昨今、整理したデータを活用することができる人材の需要はさらに高まっているといえるでしょう。ですが、ビッグデータの解析そのものはAIが行えるようになると考えられており、これからのデータサイエンティストには抽出したデータを活用して課題解決に導くことができるスキルがいっそう求められるようになるといえます。
データサイエンティスト検定では、分析の手法はもちろん、ビジネス課題の抽出から解決までに必要なスキルも身につけることが可能です。
この記事では、データサイエンティスト検定に関心がある方のために、試験の内容やおすすめの参考書などを紹介します。
データサイエンティスト検定とは？
データサイエンティスト検定リテラシーレベル（DS検定）とは、一般社団法人データサイエンティスト協会によって2021年9月に開始された比較的新しい検定です。データ活用人材の需要が高まるなか、非常に注目を集めている資格試験の1つとなっています。
データサイエンティスト協会は、データサイエンティストとしてのスキルレベルを4段階に分けて定義しています。データサイエンティスト検定に合格することで、4段階のなかで最も初歩的なレベルに相当する知識やスキルが身についていることを証明できます。
試験範囲は大きく分けて「データサイエンス」「ビジネス」「データエンジニアリング」の3分野です。データサイエンスでは数学・統計学・機械学習などについて、ビジネスではプロジェクト推進・倫理やコンプライアンス・コミュニケーションについて、データエンジニアリングではプログラミング・システム設計・データ加工についてというように、幅広く深い知識とスキルが求められます。
データサイエンティスト検定の目的
データサイエンティスト検定の目的として、データサイエンティストを目指す人々とそれを必要とする産業界を結びつける1つの指針となることが掲げられています。
データサイエンティスト検定に合格するための学習では、データサイエンティストとして働くために必要な知識や実務で活用できる技術を身につけることが可能です。試験問題でも、実際のビジネスシーンが想定された問題が出題されます。資格の勉強を通じて実務で必要となる基礎知識とスキルをしっかりと習得することができるでしょう。
このため、データサイエンティスト検定に合格することができれば、データサイエンティストとして必要な基礎知識を有していることを証明できます。これからデータサイエンティストを目指す学生や就職希望者、またスキルアップを狙うビジネスマンにとって、ビジネスに必要なデータ分析が行えることを示すものとなります。データサイエンティストを目指す人は増加傾向にありますが、資格を取得することで就職や転職の際に役立てることができるでしょう。
データサイエンティスト検定の概要
データサイエンティスト検定の試験範囲は、スキルチェックリストの3カテゴリ（データサイエンス、ビジネス、データエンジニアリング）の基本的な内容と、数理・データサイエンス・AIにおけるモデルカリキュラムを総合したものになります。
| 受験条件 | 誰でも受験可能 |
|---|---|
| 再受験規約 | 同一日程内は再受験不可 |
| 出題形式 | CBT四肢択一式100問100分 |
| 受験料 | 一般：11,000円、学生：5,500円 |
| 合格率 | 42～66％ |
| 合格ラインの目安 | 正答率約80％ |
| 開催頻度 | 年2回（春・秋） |
データサイエンティスト検定の試験科目
データサイエンティスト検定は、科目別に異なる試験を複数受検しなければならないものではありません。
ですがデータサイエンティスト検定の試験範囲としては、「データサイエンス」「ビジネス」「データエンジニアリング」の大きく3つに区分するのがわかりやすいでしょう。さらにそれぞれの分野を細かくみていくと、次のように計6つのカテゴリに分類して考えることができます。
データの活用事例
まず、社会のなかでデータやAIがどのように活用されているのかを理解し、全体像を把握することが求められます。
データサイエンティスト検定で理解しておかなければならないのは、数理・データサイエンス・AI教育のリテラシーレベルとして学習すべきモデルカリキュラムを総合した範囲です。
スキルセットとして、次のような事例の理解が挙げられます。
- 社会で起きている変化
- ビッグデータ、IoT、AI、ロボット
- データ量の増加、計算機の処理性能の向上、AIの非連続的進化
- 第4次産業革命、Society 5.0、データ駆動型社会
- 社会で活用されているデータ
- 調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど
- 1次データ、2次データ、データのメタ化
- 構造化データ、非構造化データ（文章、画像/動画、音声/音楽など）
- データ作成（ビッグデータとアノテーション）
- データのオープン化（オープンデータ）
- データ・AIの活用領域
- データ・AI活用領域の広がり（生産、消費、文化活動など）
- 研究開発、調達、製造、物流、販売、マーケティング、サービスなど
- 仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など
- データ・AI利活用のための技術
- データ解析：予測、グルーピング
- データ可視化：関係性の可視化、地図上の可視化、挙動・軌跡の可視化、リアルタイム可視化など
- 非構造化データ処理：言語処理
- データ・AI利活用の現場
- 流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介
- データ・AI利活用の最新動向
- AI等を活用した新しいビジネスモデル（シェアリングエコノミー、商品のレコメンデーションなど）
- AI最新技術の活用例（深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など）
データリテラシー
データリテラシーとは、データを正しく分析し適切に扱うことができる能力のことです。データサイエンティストとして仕事をするためには、基本的なデータリテラシーを身につけておくことが必須となります。
データサイエンティスト検定で求められるデータリテラシーの内容は、次のようなものです。
- データを読む
- データの分布（ヒストグラム）と代表値（平均値、中央値、最頻値）
- 観測データに含まれる誤差の扱い
- 相関と因果（相関係数、擬似相関、交絡）
- 母集団と標本抽出（国勢調査、アンケート調査、全数調査、単純無作 為抽出、層別抽出、多段抽出）
- 統計情報の正しい理解（誇張表現に惑わされない）
- データを説明する
- データの図表表現（チャート化）
- データの比較（条件をそろえた比較、処理の前後での比較、A/Bテスト）
- 不適切なグラフ表現（チャートジャンク、不必要な視覚的要素）
- 優れた可視化事例の紹介（可視化することによって新たな気づきがあった事例など）
- データを扱う
- データの集計（和、平均）
データサイエンス
データサイエンスは、データサイエンティスト検定のなかでも特に試験範囲が広い分野です。機械学習の分野と、自然言語処理や画像・映像・音声認識などのデータサイエンスの分野に分けることができます。
データサイエンスとして問われるのは、線形代数基礎微分積分基礎、集合論基礎、統計数理基礎、洞察、性質・関係性、推定・検定、アソシエーション分析、因果推論、データ確認、俯瞰・メタ思考、データ理解、サンプリング、データクレンジング、データ加工、特徴量エンジニアリング、方向性定義、軸だし、データ加工、表現・実装技法、意味抽出、回帰・分類、統計的評価、機械学習、深層学習、時系列分析、クラスタリング、ネットワーク分析、レコメンド、自然言語処理、画像認識、映像認識、音声認識、大規模言語モデルといった内容です。
データエンジニアリング
データエンジニアリングとは、活用するためのデータを集めたり整理したりすることを指します。データを収集して解釈できるようなシステムを構築することもあります。データサイエンティスト検定では、ITシステムなどとして実装・運用する力を確認するための問題が出題されるでしょう。
データエンジニアリングとして求められるスキルは、システム企画、システム設計、アーキテクチャ設計、クライアント技術、通信技術、データ抽出、データ収集、データ構造の基礎知識、テーブル定義、DWH、分散技術、クラウド、フィルタリング処理、ソート処理、結合処理、前処理、マッピング処理、サンプリング処理、集計処理、変換・演算処理、データ出力、データ展開、データ連携、基礎プログラミング、拡張プログラミング、AIサービス活用、アルゴリズム、分析プログラム、SQL、ITセキュリティの基礎知識、攻撃と防御手法、暗号化技術、認証・AutoML、MLOps、AIOps、プロンプトエンジニアリング、生成AIのコーディング支援といった内容です。
ビジネス力
プロジェクトの進め方や契約・開発の種別、法規制だけでなく、ビジネス課題の抽出や解決力に至るまで、ビジネスで活かすことができるスキルが幅広く求められます。
具体的に身につけておきたいスキルとしては、ビジネスマインド、データ･AI倫理、コンプライアンス、MECE、構造化能力、言語化能力、ストーリーライン、ドキュメンテーション、説明能力、AI活用検討、KPI、スコーピング、データ入手、分析アプローチ設計、生成AI活用、統計情報への正しい理解、ビジネス観点での理解、意味合いの抽出・洞察、評価・改善の仕組み、契約、権利保護、プロジェクト発足、リソースマネジメント、リスクマネジメントなどが挙げられます。
統計学・数学
統計学・数学は公式サイトの試験範囲の「データサイエンス」のなかにも含まれますが、特にチェックすべき分野です。
統計数理基礎、線形代数基礎、微分・積分基礎、集合論基礎、統計学、基礎統計量とその使い分け、データの広がりを示す指標、母集団から標本の無作為抽出、統計的仮説検定といった分野について問われます。
データサイエンティスト検定の難易度
データサイエンティスト検定の合格率は平均すると50％ほどですが、回を重ねるほどに合格率は低下しています。難易度は決して低いとはいえないでしょう。しかしながら約半数の受験者が合格していることを考えると、万全に試験対策を行えば合格できる可能性が高いのではないでしょうか。
2021年にスタートしたばかりの試験なので、対策が立てにくいなどの課題もあります。正答率80％が合格ラインとされているため、クリアできるよう問題集や参考書で繰り返し対策をしていきましょう。
データサイエンティスト検定の参考書
データサイエンティスト検定の対策におすすめの参考書を紹介します。試験内容がまとまっているため、効率良く学ぶことができるでしょう。
徹底攻略データサイエンティスト検定問題集［リテラシーレベル］対応 徹底攻略シリーズ
「徹底攻略データサイエンティスト検定問題集［リテラシーレベル］対応 徹底攻略シリーズ」は、データサイエンティスト検定の公式の問題集です。問題集ではありますが、教科書並みの詳しい解説がついており、これだけで学習できるレベルにまとまっています。本番の試験に近い形の総仕上げ問題も付属しているため、試験直前の最終確認まで行える参考書です。
問題集の問題はスキルチェックリストにも対応しているので、自分の得意不得意が一目でわかります。足りない部分を重点的に学習することもできるでしょう。
最短突破 データサイエンティスト検定（リテラシーレベル）公式リファレンスブック
「最短突破 データサイエンティスト検定（リテラシーレベル）公式リファレンスブック」は、データサイエンティスト検定の公式本で参考書としておすすめです。広い試験範囲がそれぞれの単元ごとに短くまとめて解説されているため、要点が分かりやすくなっています。
より深く理解したい方は、この本の知識をベースに他の本で知識を深掘りしていくとよいでしょう。
要点や用語をとにかく抑えたいときや、試験前の最終確認として全体をおさらいしたいときに特におすすめです。巻末には模擬問題もついています。
データサイエンティスト検定の学習を通じてデータ分析の基本を抑えよう！
この記事では、データサイエンティスト検定について、目的や試験範囲、おすすめの参考書などを紹介してきました。
データサイエンティスト検定に向けた学習では、データ分析やデータを活用するスキルなど、あらゆるビジネスで活用できる基礎力を身につけることができます。データサイエンティストを目指している方はもちろん、ビジネスでの総合的なスキルアップを目指したい方にもおすすめです。
女性向けキャリアスクールのSHElikes（シーライクス）では、データ分析やプログラミングなどデータサイエンティストとしての勉強に役立つスキルを幅広く身につけることができます。興味のある方は、ぜひ無料体験レッスンに参加してみてください。
女性向けキャリアスクールSHElikes無料体験レッスンはこちら
