数据科学家与数据工程师｜面向IT护照考试梳理角色差异

与数据活用相关的职位

近年来，数据的数量和复杂性急剧增加。因此，专门处理数据的人才不可或缺。主要职位包括数据科学家、数据工程师和数据分析师这三类。这些角色虽有重叠之处，但其职责范围存在明显差异。

三类职位的角色对比

数据科学家

数据科学家运用统计学和机器学习方法解决商业课题。具体工作包括构建流失预测、需求预测以及推荐系统等。所需技能包括Python或R等编程语言、机器学习、统计学以及领域知识。需要均衡掌握“商业×统计×工程”这三个要素。

数据工程师

数据工程师负责设计、构建和维护用于数据收集、加工和存储的平台。例如，构建数据湖、数据仓库以及ETL管道是其主要工作。必备技能包括SQL、Spark、Hadoop、AWS/GCP、Airflow等。数据工程师承担着整理数据的角色，以便数据科学家能够专注于“易于使用”状态下的分析。

数据分析师

数据分析师利用数据进行业务改进、措施评估和KPI分析。具体例子包括营销效果测量和A/B测试分析。所需技能包括SQL、BI工具、可视化和统计学基础。作为业务方与技术方之间的桥梁，能够清晰易懂地传达分析结果的能力也至关重要。

共通技能：SQL

这三类职位共通且必备的基础技能是SQL。SQL是与数据库对话的语言，在所有处理数据的现场都会用到。详情可学习关系型数据库与SQL基础。

在DX背景下的定位

数据科学家和数据工程师是大数据和AI应用中的核心人才（参见什么是DX）。在经济产业省制定的“DX推进指标”中，人才保障也被定位为必需要素。然而，日本正面临严重的人才短缺，据经济产业省估算，到2030年预计将短缺最多79万人。

职业发展路径

职业发展的一个例子是从数据分析师晋升为数据科学家。在这种情况下，需要新学习机器学习。此外，也有从数据分析师转型为数据工程师，走向平台构建方向的道路。但需要注意的是，这些角色并非泾渭分明，根据组织不同，兼任的情况很多。

IT护照考试的出题要点

考试中会考察三类职位的角色差异、数据科学家的主要业务，以及所需技能与职位的对应关系。尤其要能够准确区分各职位所负责的业务范围。

历年真题的典型模式

• “从数据中挖掘价值的职位是哪一个”型 → 数据科学家
• “构建数据平台的职位是哪一个”型 → 数据工程师

相关术语

• AI・机器学习（AI・机器学习基础）
• 大数据（NoSQL与大数据）
• 数据仓库（数据仓库与BI）
• MLOps（什么是MLOps）

学习技巧

这三类职位可以用“分析（分析师）・模型（科学家）・平台（工程师）”这些关键词来整理，这样更容易记忆。此外，无论哪个职位，SQL都是必备技能，因此务必扎实掌握SQL基础。同时理解DX推进与人才短缺这一组合，在考试中也会有所帮助。

总结

在与数据人才相关的问题中，正确把握三类职位的角色和所需技能是得分的关键。希望全面练习技术类的考生请参考技术类汇总，想要进行实战模拟的考生请使用模拟考试。