データアナリスト
でーたあなりすと
売上、利用記録、アンケートなどのデータを集計・分析し、数字の変化の理由を調べる仕事。分析の目的に合う指標を決め、比較のしかたを工夫して、商品やサービスの改善につながる判断材料を届ける。
はじめに
お店で何が売れているか、サービスを使う人がどこで困っているかなどを、たくさんの数字から調べる仕事です。表やグラフを作るだけでなく、集め方が違う数字をそのまま比べてよいかも確かめます。見つけたことをお店や会社の人に説明し、次に何を変えてみるか考える手助けをします。
2050年の見通し
2050年の収入が、この職業の今の収入と比べてどう変わりそうかを示します。物価の上昇を差し引いた実質の変化です。
- 収入
- 定期集計の自動化によって分析作業そのものの単価競争が強まりやすい。一方、効果検証を設計する経験者は価格交渉力を持ち得るため、小幅減を中心にしつつ個人差の拡大を見込む。
- 需要
- IPAの2026年改訂はAI活用の前提としてデータ品質の管理を重視しており、分析を導入する企業が広がる可能性がある。ただし定型レポートの自動化で必要人数が減る部署もあり、増加には幅がある。
- 人による差
- 人による差が広がる
今のデータアナリストの仕事
- 分析する問いと指標の設計担当者から何を改善したいか聞き、客数、購入率、返品率など測る数値と比較期間を決める。
- SQLによるデータ抽出・結合売上記録と商品台帳など複数の表をSQLで結び、必要な期間・店舗・商品群のデータを取り出す。
- 欠損・重複・外れ値の点検同じ会計が二度記録されていないか、欠けた日がないかを調べ、集計をゆがめる原因を除く。
- 比較分析と検証季節や店舗規模の違いを考慮し、施策の前後比較やA/Bテストで効果を確かめる。
- ダッシュボードと改善提案売れ残りや解約などの指標をグラフ化し、確実に言えることと推測を区別して責任者に伝える。
2050年、仕事はどう分担される？
業務ごとに、2050年にだれが主に担いそうかを3つに分けました。職業そのものが「なくなる確率」ではありません。
AI・ロボットが中心
- 定期集計・グラフの初稿作成 確からしさ：高 表の結合手順と定義が定まった数字の更新、定型的な図の作成は機械が繰り返し実行しやすい。
AIと協働
- 欠損や重複の異常検知 確からしさ：高 異常候補は自動で見つかるが、臨時休業やレジ交換による空白なのかを現場記録と照らす必要がある。
- 施策効果を比べる設計 確からしさ：中 比較方法の候補はAIが示せても、店舗ごとの客層や天候など結果をゆがめる条件を整理する仕事が残る。
人が中心
- 分析結果を使うかどうかの説明 確からしさ：高 廃棄を減らす施策で品切れが増えるなどの不利益を誰が引き受けるかは経営判断であり、数字だけでは決められない。
- 測る指標の見直し 確からしさ：中 利益率だけを追って地域の買い物需要を見落とさないよう、事業の目的と現場の声から問いそのものを変える。
2050年の一日
2050年、データアナリストの一日（架空）
閉店後の食品スーパーで、値引きシールを貼る音が響いている。データアナリストの沙織は、まだ売り場に残る青果を見ながら、今月の廃棄が増えた理由を考えていた。会社の分析AIはすでに「仕入れを減らすべき商品」を十種類挙げている。けれども、店長はその提案に首をかしげた。
翌朝、沙織は売上と発注の記録を重ねる。AIが並べた一覧のうち、ある野菜だけは売れ残りが多いのに、昼過ぎには棚が空になる日もあった。データを時間帯で切ってみると、値引きの直前に入荷が集中している。さらに、隣の店の記録を比べると、その店では夕方の少量入荷に変えてから売れ残りが減っていた。ただし、隣の店は客数も営業時間も違う。単純に同じ方法をまねるわけにはいかない。
沙織は店長と青果担当を小さな会議室に集めた。「仕入れを一律に減らすと、仕事帰りのお客さんが買えなくなります」。数字を示しながら、一週間だけ二つの店舗で入荷の時間をずらして試す案を出す。担当者は、配送車の到着時刻を変える難しさを説明する。沙織は実験の指標に廃棄率だけでなく、夕方の品切れ時間も加えた。
夕方、試験の計画表ができた。AIは翌日から数字を自動で集める。沙織の役目は結果が出てからも続く。悪天候の一日を「施策の失敗」と決めつけないこと、店員の忙しさまで数字に含めること。売れた数の向こう側にいる人を見失わないために、彼女は次の比較条件を手帳に書き足した。
収入
平均の年収だけでは、その仕事の収入は分かりません。働き方や経験、地域、独立しているかどうかで大きく変わります。
今の年収
約612万円（年収・公的な資料から計算した目安）
- データアナリスト単独の全国平均年収をjob tagで確認できなかったため、分析業務が重なるデータサイエンティストの分類統計を参考としている。
- データサイエンティストは分析に加え、予測モデルの構築や導入まで担当する場合があり、職務の範囲は同一ではない。
- データの分析担当者は小売、金融、製造、行政など業種や分析の難度によって給与が大きく異なる。
- 会社に雇われない個人事業者の売上・必要経費控除後の所得は含まない。
収入を動かすもの
AIで仕事が速くなっても、収入が上がるとは限りません。何が収入を押し上げ、何が押し下げるかを並べました。
-
自動集計と自然言語での分析下がる方向
決まった表やグラフは、質問するだけで作れるようになります。
大人向けの詳しい説明
定型SQL、単純集計、ダッシュボード更新の費用が下がれば、これらだけを請け負う人の報酬は下がりやすい。
-
店舗・施策ごとの因果関係の見極め上がる方向
数字が動いた本当の理由を確かめる力は、ますます大切になります。
大人向けの詳しい説明
A/Bテストや比較群の設計、交絡要因の検討は業種固有の知識が必要で、高い分析品質への対価を支えうる。
-
分析を使う企業の広がり上がる方向
小さなお店も数字を使えると、調べたいことが増えます。
大人向けの詳しい説明
低価格ツールの普及で利用企業は増える可能性があるが、案件数の増加と単価上昇は別である。
-
購買記録の利用制限と品質どちらにも動きうる
お客さんの情報を守る決まりが厳しくなると、数字の扱い方にも工夫が要ります。
大人向けの詳しい説明
個人情報・統計的な再識別の制約は収集コストを増やす一方、匿名加工やデータ品質を管理できる分析者には仕事を生む。
2050年の3つのシナリオ
未来の収入はひとつの数字では言えません。条件ごとに分けて、どうなれば収入がどう動くかを考えます。
-
分析の民主化と単価競争
条件SQLの作成、定期レポート、グラフ生成を一般の社員が安全な分析AIで行える。
起きそうなこと定型的な集計担当への外注費が下がり、初心者向けの仕事は減る一方、現場の条件を踏まえた分析設計に報酬が集中する。
-
実験設計とデータ品質が評価される
条件企業が店舗別の施策実験やデータの追跡可能性を重視し、分析結果の根拠を説明する人を配置する。
起きそうなこと効果検証を設計できる担当者は仕事を確保しやすく、経験者の報酬が維持・改善する可能性がある。
-
小規模事業者に分析が広がる
条件安い分析サービスが普及し、小さな店や地域事業者も利用記録を改善に生かす。
起きそうなこと分析する組織は増えても、一件あたりの報酬が低くなり、仕事量の増加が年収増に結びつかない場合がある。
働き方と暮らし
人手は足りる？ 余る？
データを蓄積する店やサービスが増え、廃棄、顧客離れ、設備の故障などを数字から調べる機会は広がりそうだ。IPAは2026年のデジタルスキル標準改訂で、AI活用の基礎となるデータの品質管理を担う役割を新設しており、分析の土台づくりが重要になっている。
ただし、毎週同じ表を作る仕事はAIに移り、分析担当の必要人数が減る部署もあり得る。データを集める目的を定め、比較が公平かを確かめる人への需要は残ると見込み、全体の需要は小幅増を中心に置いた。地域や企業規模で投資の差が出る。
働き方
小売、金融、製造、IT企業などの分析部門で、店舗責任者や商品企画担当とやり取りする。SQLや表計算、統計ソフト、BI（数字を図にする）道具を使い、会議用の分析と継続観測の仕組みを作る。会社員のほか、案件単位の外部分析者として関わる人もいる。
データ処理や資料作りは在宅でもできるが、レジ操作、発送、店舗の営業時間など記録に映らない事情を知るには現地での聞き取りも役立つ。月末の締めや新商品の発売前には集計が集中する。2050年も、検証期間を十分に取れる組織と短納期を求める組織で負担の差がありそうだ。
この仕事に近づくには
進路と資格
- 高校では数学・情報と身近な集計に取り組む表計算でアンケートや校内の利用記録を集計し、割合の分母やデータの取り方を確かめる。必須の国家資格はない。
- 大学・高専・専門学校などで統計と情報処理を学ぶ統計学、情報工学、経済学、経営学などから入り、SQLやPython、実験計画を学ぶ。大学は一般に4年、高専は本科5年だが、別の学び方や転職も可能。
- 実務で分析を回し、必要に応じて検定を受ける分析部署で指標設計、データ整形、効果検証を経験する。統計検定などは知識の確認に使えるが、就業を許可する必須免許ではない。
今から伸ばしたい力
- SQLで売上や利用記録の表を正しく結合する力
- 平均・割合・標本の偏りを見分ける統計の基礎
- 季節や地域の違いを考慮して比較実験を設計する力
- 個人情報を守りながらデータの出どころを確かめる習慣
- グラフの限界と改善案を現場の担当者に説明する力
関連する職業
-
2050年の収入少し上がる -
2050年の収入少し上がる -
2050年の収入少し下がる
出典と前提
出典
- データサイエンティスト｜職業詳細（job tag）（厚生労働省）、2026年10月30日取得 業務の流れ、使う道具、入職方法、近接職種の2025年全国年収611.9万円を参照
- デジタルスキル標準ver.2.0を公開（独立行政法人情報処理推進機構）、2026年10月30日取得 データ品質を担う役割の新設とAI活用の技術・体制上の課題を参照
- 『分析力』から『勝ち筋を導き出す力』へ。生成AIで変わるデータサイエンティストの役割（IPA DX SQUARE）、2026年10月30日取得 データアナリストとデータサイエンティストの職務の違いと分析の自動化を参照
予測の前提
- 2050年も販売・利用の記録を分析して商品や業務を改善する事業者が存在する。
- 集計の自動化は進んでも、データ品質と比較条件の違いを検証する需要が残る。
- 企業がデータ利用を許可する範囲と分析投資には地域・業種ごとの差がある。
このページの更新
- 初稿を公開
ラベルの意味や予測の限界は「予測の読み方」で説明しています。