みお|データサイエンティスト採用担当の本音

492 posts

みお|データサイエンティスト採用担当の本音 banner
みお|データサイエンティスト採用担当の本音

みお|データサイエンティスト採用担当の本音

@DSnaitei

◼️YouTube登録者数No.1のデータサイエンティスト◼️日系大手➡︎メガベンチャー➡︎コンサルマネージャー(採用も兼務)◼️データサイエンティスト就活と転職の完全攻略noteは1000人以上に読まれています(固定ツイート参照)◼️フォローすると就活と転職の効率が倍増

Katılım Mayıs 2023
448 Takip Edilen1.6K Takipçiler
Sabitlenmiş Tweet
みお|データサイエンティスト採用担当の本音
【データサイエンティスト就活・転職の教科書】 3万字超のボリューム。これだけ読めば他は不要です ・いつ何をすれば良いか ・面接で何が見られるか ・成長できる企業リスト(約100社) 全てここに出し切りました。人生変わります <就活> note.com/dsnaitei/n/n64… <転職> note.com/dsnaitei/n/n57…
みお|データサイエンティスト採用担当の本音 tweet media
日本語
1
7
94
25.8K
みお|データサイエンティスト採用担当の本音
「数学が不安でDS諦めようかな」と相談される方、実はけっこう内定を取っています。 私が見てきた中で、数学に不安を感じていた方の内定率は、数学に自信がある層と同程度かむしろ高いくらいです。逆張りに聞こえるかもしれませんが、理由は明確です。数学に不安を感じる方は、分からない自分を知っているから学習計画が現実的で、足りない部分を埋める動きが早い。 入社後も素直に質問するので成長が速い。 逆に「数学完璧です」と断言する方ほど、思考の深さを詰められた時に詰まります。「線形代数の固有値分解が、PCAでどう使われているか説明してください」と聞かれて、教科書的な答えしか返せない方が多いんです。 採用担当が見ているのは、数学の絶対値ではなく「数学を使って問題を解く力」です。高度な証明ができる必要はなく、主要アルゴリズムの仕組みを自分の言葉で説明でき、なぜその手法が適切かを議論できれば十分。 不安があるなら、統計検定2級とG検定、どちらかの受験勉強から始めてください。これで基礎は固まります。数学が苦手でも、ビジネス理解や実装力で補えば内定は取れます。学習順序のおすすめは、 ①統計検定3級で統計の基礎 ②統計検定2級で推定・検定 ③G検定でAI全体像 ④機械学習エンジニア試験で実装寄り知識、の4段階。各1〜2ヶ月で、半年あれば基礎が揃います。不安は知識で消せます。漠然とした不安ほど対策の進捗が可視化されるものから始めてください。 統計検定2級は特におすすめで、面接で「統計検定2級を取得して数学の基礎を固めました」と言えると、一言で「準備ができている人」と見られます。試験料5000円で武器が手に入る、コスパ最強の投資です。諦めないでくださいね。
日本語
0
0
3
232
みお|データサイエンティスト採用担当の本音
合格するESと落ちるES、一番の違いはどこか。文字数でも経歴でもなく、「結論の位置」なんです。最初の一行に結論を書けている人は通る確率が高い。 逆に、背景や自己紹介から長々書き始める人は、読まれる前に終わります。 採用担当は1日に50〜100枚のESを見ます。1枚あたりに使える時間は1〜2分。この中で「続きを読みたい」と思わせるのが最初の3行で、結論のないESは3行で離脱されます。構造のテンプレはシンプルで、 ①結論(志望動機・強み・実現したいこと、1文で) ②理由・根拠(なぜそう言えるか、過去の経験から) ③具体エピソード(1つだけ、STARフレームで) ④入社後の貢献イメージ、の4段です。この順で書くと、採用担当は結論だけで通すかどうかを判断でき、興味を持ったら読み進める構造になります。 逆に、背景→経歴→結論の順で書くと、結論に辿り着く前に時間切れで閉じられます。技術書・論文の書き方と同じで、ビジネスでも「結論ファースト」が鉄則です。ESを書く時は、「最初の一行だけで通す/落とすを判断できるか」を自問してみてください。 ここを意識するだけで通過率が2倍変わります。ES添削で一番効果的なのは、自分のESを他人に3秒だけ見せて「何を言いたいES?」と聞くこと。3秒で伝わらなければ、それは採用担当にも伝わっていません。結論ファーストが成立しているかのリトマス試験です。 ES完成後の推敲では、「最初の3行で面接官が読みたくなるか」「結論・理由・エピソード・貢献の4段が揃っているか」「業界専門用語が多すぎないか(非専門の人事が一次選考を担当する場合も多い)」の3点を自問してください。本当にそれだけなんです。
日本語
0
0
1
209
みお|データサイエンティスト採用担当の本音
DS転職、内定を取ってからの動きが結構大事です。 ここで何もしない人と動いた人で、入社後の満足度が大きく変わります。動くべきポイントは3つ。 ①入社日交渉:多くの方は「じゃあ1ヶ月後に」で決めてしまいますが、有給消化を最大化するよう調整すると、数週間のゆとりが生まれます。前職の有給残日数と、新職の開始日を逆算して交渉してください。 2〜3週間の空白期間があると、旅行・勉強・休養に使えて、入社後のパフォーマンスが全然違います。 ②年収交渉:提示年収は通常、会社が用意している上限ではありません。「他社でこの金額提示があり」という事実ベースの交渉で50〜100万円上振れするケースは珍しくない。DS職は売り手市場なので、交渉の余地は思っているより広いです。 ただし、感情的・態度的にならず、データで示すのが鉄則。 ③入社後の業務範囲確認:「DSとして採用」だけで内定を受けると、入社後に「今期はデータ基盤整備中心でお願い」と言われて不満が溜まるケースがあります。 オファー面談で「入社後3ヶ月のミッションは具体的に何ですか」「私のスキルのどこを期待しているか」を明確に聞いて、文面で残してもらってください。オファー面談で使える質問例を3つ。 「入社後3ヶ月のミッションを具体的に教えてください」「私のスキルのどこを一番期待していますか」「評価制度で重視される指標は何ですか」。 これらで期待値のズレを事前に潰せます。内定後に「話が違った」と感じるケースの多くは、オファー面談の情報量不足が原因です。最低30分、できれば1時間はもらい、業務内容・評価制度・チーム体制・将来の組織変更予定、この4点を確認しきってからサインしてください。 この3点、動かない人が大半なので、動くだけで差が付きます。
日本語
0
0
4
285
みお|データサイエンティスト採用担当の本音
インターンに参加できなかった学生さん、諦めないでください。代替案があります。 私の会社でも、インターン未参加でも本選考で内定を取った方は毎年います。 ただし、インターン参加者より少しだけ多く実績を示す必要があります。具体的な代替策は3つ。 ①KaggleコンペでEDA(探索的データ分析)のノートブックを公開する:メダルを狙うより、分析の思考過程を丁寧に書いたノートブックの方が採用担当に刺さります。公開3本以上が目安。 ②個人プロジェクトを3つ作ってGitHubに上げる:データ収集→分析→モデル構築→結果公開までの一連のサイクルを、自分の興味ある領域でやり切る。不動産価格予測、SNS投稿分析、自分の趣味領域の予測モデルなど何でもOKです。 ③オープンソースへの貢献:scikit-learnやpandasなど主要ライブラリのドキュメント改善・バグ修正のPRを出す。これらは「実務経験の代替」として認めてくれる企業が多く、ES段階で「インターン未参加ですが、代わりに〇〇をやりました」と書けます。 採用担当は「本人の主体性と継続性」を見ているので、形は違えど自走してやり切った経験が見えれば、評価されます。重要なのは「何かを最後までやり切った経験」の可視化です。 Kaggle参加でも個人開発でもOSS貢献でも、開始→苦労→完成→公開の一連のプロセスを文書化してください。 採用担当は結果より、やり切れる人かを見ています。 もう一つ、X・noteでの発信もおすすめ。自分の学習過程や気づきを週1回でもアウトプットすると、採用担当にとって「継続性の証明」になります。選考時にX・noteをプロフィール欄に書くと、書類通過率が上がります。焦らず、1つずつ積み上げてくださいね。
日本語
0
0
5
278
みお|データサイエンティスト採用担当の本音
DS就活の自己分析で詰まっている方、私から一つ提案があります。「過去のプロジェクトで、一番楽しかった瞬間」を思い出してください。研究でもインターンでも個人開発でもKaggleでも、何でもいいです。その中で、どの作業をしている時に時間を忘れましたか? データの前処理をしてる時?モデルを試行錯誤してる時?ビジネス側に結果を説明してる時?論文を読んで新しい手法を見つけた時?この「楽しかった瞬間」が、あなたの本当の強みが隠れている場所です。自己分析で詰まる方の多くは、「自分が何を得意か」を能力で考えようとします。 でも、得意は「続けられること」の結果論で、続けられるのは「楽しいと感じること」です。この逆順で考えると、強みは簡単に見えてきます。見つけた後は、それを企業の必要と接続する作業に入ります。 例えば、前処理が楽しい人はデータ基盤系の企業、モデル試行錯誤が好きな人は研究開発色の強い企業、ビジネス説明が楽しい人は事業部直属のDS組織、論文が好きな人はアカデミア色の強い企業が合います。 もう一つの提案として、「一番辛かった瞬間」も思い出してみてください。辛さの正体は「自分が本来やりたいことと違う作業」だったことが多く、そこから避けたい業務の型が見えます。これも企業選びの重要な補助線になります。 さらに進めるなら「30秒で自己紹介できるか」を試してみてください。強みと志望業界を30秒に圧縮するのは難しいですが、ここが固まると、面接でもカジュアル面談でも即答できる武器になります。1週間の訓練で変わります。 自己分析は能力ではなく、感情の記憶から始めてみてくださいね。
日本語
0
4
28
1.6K
みお|データサイエンティスト採用担当の本音
DS採用で「リファレンスチェック」をやる企業が増えています。前職の上司・同僚に確認の電話またはメールが入り、候補者の実績・人柄・退職経緯を確認する仕組みです。 外資企業では以前から一般的でしたが、ここ2〜3年で日本の大手DS採用でも増えてきていて、私の肌感では最終選考前のリファレンスチェック実施率が3割を超えました。候補者が許諾した上でやるので、断ることはできますが、断ると選考が不利になる会社もあります。 確認される内容は主に4点。 ①在籍期間と役職の事実確認 ②業務の実績(成果物や貢献度) ③人間関係(チームでの振る舞い、トラブルの有無) ④退職理由の整合性。 ここで候補者の話と食い違うと、内定が取り消されるケースもあります。対策は「普段から良い関係を築いておくこと」の一点に尽きます。特に直属の上司と、普段から同じプロジェクトで働いている同僚2〜3名には、転職時に快く受けてもらえる関係を平時から作っておいてください。 退職の切り出し方、引き継ぎの丁寧さ、去り際の振る舞いが全て評価対象になります。リファレンス先への事前連絡も大事です。「近々転職活動をしていて、〇月頃にリファレンスチェックの連絡が入るかもしれません。 お手数をおかけしますが、よろしくお願いします」と一言入れておくと、双方スムーズです。リファレンス先の選び方も大事で、直属の上司1名+プロジェクト同僚1名+横断プロジェクトのステークホルダー1名、の3人セットが理想。 複数の角度から信頼できる情報を出せる方が、採用側は安心します。技術力だけじゃなく、人間関係の信用が見られる時代になってきました。
日本語
0
0
3
365
みお|データサイエンティスト採用担当の本音
DS転職、内定を取った後の退職交渉でつまずく方、本当に多いです。一番もったいないのが「強く引き止められて結局残った」パターン。これは日本全体で転職者の2割前後が経験していて、せっかくの内定が水の泡になります。 退職交渉で負ける方の共通点は、「相談」のスタンスで切り出すこと。「実は転職を考えていて…」と切り出すと、上司側は「待った」をかける余地を感じ、条件改善・役職提示・異動提案などで引き止めにかかります。正解は「報告」のスタンスです。 「〇月末で退職することにしました。引き継ぎ計画を共有させてください」と、決定事項として伝えること。決めた後に動くのが鉄則です。切り出すタイミングは就業規則に従い、多くの場合は退職1〜2ヶ月前が適切。 上司の機嫌が良さそうな時を選ぶのも大事で、1on1や週初めの落ち着いた時間帯がおすすめです。引き止められても、「気持ちは有難いですが、次の会社には既に入社日を伝えていて変更できません」と一貫した姿勢を保ってください。一度揺らぐと、上司は必ず更に押してきます。 引き止めで最も効果的な切り返し文を一つ紹介します。「今回のご提案は大変有り難いのですが、新しい会社には既に入社日をお伝えしていて、変更すると先方に多大な迷惑をかけてしまいます。ここは信念を通させてください」。 退職交渉は2回目の面談で結論を出す前提で臨むのもコツ。1回目は報告と引き継ぎ計画の提示、2回目は具体的な退職日の確定、という流れにすると、上司側も準備できて感情的な引き止めが減ります。戦術として覚えておいてください。 内定後1週間以内に切り出すのが、結局一番スムーズです。
日本語
0
0
2
346
みお|データサイエンティスト採用担当の本音
DS志望の学生さん、スカウト型サービス(ビズリーチ・キャリアバイト・OfferBox・Matcher等)を早めに登録しておくと有利です。企業側からのアプローチが来るので、自分で探す労力が減り、思わぬ会社との出会いが生まれます。登録は修士1年の4〜5月がベスト。 サマーインターン募集の前に企業側が候補者を探し始めるからです。コツは3つ。 ①プロフィールにポートフォリオリンクを貼る(GitHub・Qiita・個人ブログ等) ②使用技術を具体的に書く(Python、SQL、scikit-learn、PyTorch、Airflowなど粒度細かく) ③研究テーマを平易な日本語で要約する(専門家以外が読んでも分かる書き方)。これだけで、スカウト受信数が3〜5倍違います。登録しただけで放置するのが一番もったいなくて、プロフィールを1ヶ月ごとに更新すると、検索にかかる頻度が上がります。 届いたスカウトは、たとえ興味がない会社でも一度返信して話を聞く価値があります。業界の採用相場、他社の選考基準、面接の練習、この3つが無料で手に入るからです。特に地方在住の方には強力なツールです。 スカウトメールへの返信テンプレは「興味があります、一度カジュアル面談させてください」の一文+直近の職務内容+自分の関心領域3行、で十分。長文は不要です。返信率で差がつくのは速度で、24時間以内がベスト。 気になる企業からスカウトが来たら、その場で企業研究を30分してから返信するのがコツ。返信の文面に具体的な言及が入ると、企業側の温度感が一気に上がり、カジュアル面談→本選考への移行が滑らかになります。使わないのは損ですよ。
日本語
0
0
5
441
みお|データサイエンティスト採用担当の本音
ガクチカで「研究頑張りました」で終わる学生さん、本当に多いです。 採用担当として聞きたいのは研究内容ではなく、「あなたの思考と行動のパターン」です。研究テーマが何か、よりも、何で躓いて、どう突破して、何を学んだか。この3点が語れないと、うちの業務でも同じ躓きで止まる人だと判断してしまいます。 整理の型として強力なのがSTARフレームです。 S=Situation(研究の状況・与えられた条件)/T=Task(あなたが解くべき課題)/A=Action(具体的に何をしたか、複数選択肢から何を選んでなぜそれを選んだか)/R=Result(何が得られたか、数字で)。 各項目1〜2文で整理すると、面接官の質問に即答できるようになります。特に重要なのはTとAで、「与えられた問題」ではなく「自分で定義した問題」、「やったこと」ではなく「選んだこと」を語ると評価が跳ね上がります。 研究室全体の成果と、あなた個人の貢献を分けて書くのも大事。 私の会社では、面接シートにSTARに近い項目を書いてもらっていて、ここが綺麗に埋まる方は一次通過率が8割を超えています。企業タイプ別にSTARの重みも変えると効果的です。 コンサル寄りの企業はT(課題定義)を厚く、開発寄りの企業はA(具体行動と技術選択)を厚く、事業会社はR(事業KPI貢献)を厚く語ると、面接官の評価軸に刺さります。 私の会社で使っている面接シートでは、ガクチカ欄に「課題」「選択した打ち手」「なぜそれを選んだか」「結果と学び」の4項目を書いてもらいます。記入例をES添削時に他人に見せて、この4項目で書けているかチェックしてみてください。伝わり方、変わりますよ。
日本語
0
0
1
322
みお|データサイエンティスト採用担当の本音
私が見てきた内定者の共通点、3つに集約されます。能力の絶対値ではなく、これら3つの有無で決まっていることが多いです。 ①自分の強みを、企業の必要と接続できる:「私は〇〇が得意です」で終わらず、「御社の△△という課題に、私の〇〇を××の形で当てられます」まで語れる。 ②思考過程を言語化できる:「なぜその手法を選んだのか」「他の選択肢をどう比較したか」「失敗した時にどう振り返ったか」を、詰められても淡々と答えられる。 ③学ぶ姿勢が見える:分からないことを「分からない」と言える、最新技術への好奇心が伝わる、入社後の学習計画が具体的。 逆に落ちる方は、技術力があってもこの3つのどれかが欠けています。特に①と②は対策で伸ばせます。 ①は自己分析と企業研究の交差点を作る作業、 ②はSTARフレーム(状況・課題・行動・結果)で過去プロジェクトを3本整理するだけで劇的に変わります。 ③は普段の情報収集の習慣の問題なので、就活直前では間に合いません。今日から論文・ブログ・カンファレンスのどれかを週1時間ウォッチする習慣を作ってください。3つの自己チェックとして、 ①直近のプロジェクトで自分が企業に何を提供できるか1分で話せるか ②最近失敗した経験と学びを言語化できるか ③今週読んだ技術記事を1本紹介できるか、を問いかけてみてください。3つのうちどれかが弱いと感じたら、対策は明確。 ①が弱ければSTAR整理、 ②が弱ければ模擬面接を週1、 ③が弱ければ技術Podcast購読を始める。どれも1週間で始められる対策なので、今日から動いてください。3ヶ月で伝わり方が変わります。
日本語
0
1
5
669
みお|データサイエンティスト採用担当の本音
DSの働き方、リモート率高めです。私の周りも8割がリモート中心で、出社は月数回程度という方が多いです。ただ、業界全体でリモート後退の動きも出てきていて、最近は「原則出社回帰」「週3出社必須」という企業も増えています。転職時に確認すべきポイントは4つ。 ①リモート頻度(フルリモートかハイブリッドか、週何日出社か) ②出社ルール(チームミーティングは対面必須か、個人作業は自由か) ③居住地制限(首都圏限定か、地方可か、海外可か) ④将来の方針(今後リモート縮小の予定があるか)。求人票に明記がない場合は、面接の逆質問で必ず聞いてください。 面接官の歯切れが悪い場合は、方針が揺れている証拠です。 入社後に「週5出社です」と言われて通勤で消耗する方、私の周りに複数います。特に家族がいる方、地方在住の方は、働き方で満足度が大きく変わるので、年収より優先して確認してください。働き方のミスマッチは、技術スキルのミスマッチより退職につながりやすい領域です。 聞きにくいと感じるかもしれませんが、オファー前なら聞いて構いません。聞き方の例を挙げると「御社のDSチームは、現在どの程度の頻度で出社されていますか?直近1年の方針変更はありましたか?」。この2文だけで、公式情報と実態の両方を引き出せます。 転職後1〜2年でリモート方針が変わる会社もあります。入社時点の条件だけではなく、「方針変更時はどのように候補者に通知されるか」も聞いておくと、将来のサプライズが減ります。契約書にも明記してもらえるか確認を。むしろ聞かない方が後悔します。
日本語
1
0
2
415
みお|データサイエンティスト採用担当の本音
DS採用で意外と重要なのが、コミュニケーション能力なんです。技術が完璧でも、ビジネス側に説明できない人は採れません。 皆さん、面接で「あなたが作ったモデルを、中学生でも分かるように説明してください」と振られたら、何と答えますか?専門用語で固めて答える方は、そこで評価が下がります。DSの仕事は技術だけではなく、社内の非エンジニアに価値を伝え、意思決定を促す仕事が半分以上。 私の会社でも、技術スコアが高くても「営業チームに説明できない」と判断した方は採用を見送ってきました。 面接で見ているポイントは3つ。 ①相手の前提知識に合わせて語彙を変えられるか ②結論から話せるか ③質問の意図を正しく汲んで答えられるか。特に③が大事で、「なぜそう思いますか」と聞かれて、自分の見解ではなく教科書的な答えを返す方が多い。 採用担当が知りたいのはあなたの思考です。技術力の証明は書類とコードでほぼ終わってます。 面接で見ているのは人として一緒に働けるかどうか。 面接前の準備として、自分のプロジェクトを「小学生向け」「営業マネージャー向け」「エンジニア向け」の3パターンで3分ずつ説明できるようにしておいてください。相手のレベルに合わせる訓練になります。 面接で「質問はありますか」と聞かれたら「ないです」は厳禁。「入社後の成長を真剣に考えている候補者」を演出するには、事業・組織・技術の3軸で各1つずつ質問を用意するのが鉄則です。 さらに効くのは、面接官自身の経験を聞く質問で、「〇〇さんが今の会社で一番印象深かったプロジェクトは何ですか」。相手を主役にすることで、関係性が深まります。 普段から、非エンジニアの友人にDSの仕事を説明する練習をしておくと、面接が全く変わりますよ。
日本語
0
6
39
4.3K
みお|データサイエンティスト採用担当の本音
DS転職の職務経歴書で採用担当が見るのは、業務の「成果」より「貢献」です。「機械学習モデルを作りました」と書いてある経歴書は山ほど届きます。 私が一次選考で通すのは、「モデル導入で顧客のCVRが12%上がりました」「レコメンドエンジン実装で月次売上が8千万円増えました」「需要予測モデルで在庫ロスを年間2千万円削減しました」と数字で貢献を語れる方。同じ業務をしていても、書き方一つで印象が全く違います。 数字がない経歴書は「何をしたか」は伝わっても「どれだけ価値を出したか」が見えず、他候補者と差別化できません。書き方のテンプレは3つ。 ①課題(何の業務課題を解くために) ②手段(どの技術・手法を使い) ③成果(ビジネスKPIでどれだけ改善したか、数字で)。この3つを1プロジェクト1行で書いてください。数字が取れなかった案件は「工数を3割削減」「社内MAU+500」など間接指標でも構いません。成果が出せなかった案件も「失敗から学んだこと」を書けば評価されます。 数字で結果を語る癖、今から付けてください。数字の取り方が分からない方は、前職上司に「私の業務で、事業KPIに繋がった数字を一緒に整理してもらえませんか」と依頼するのがおすすめ。上司側も評価しやすく、退職時のリファレンスチェック対応も兼ねられます。 数字が曖昧な場合、間接指標でも構いません。「月次レポート作成時間を40%削減」「エラー調査時間を週5時間短縮」など、時間換算は説得力があります。何もないより、間接指標でもある方が圧倒的に強いです。書類通過率が体感2倍になります。
日本語
0
0
6
371
みお|データサイエンティスト採用担当の本音
DS志望の学生さんには、サマーインターンを強くおすすめします。本選考の練習になるだけではなく、内定直結のことも多いんです。 私の会社を含め、多くの企業でサマーインターン参加者の本選考通過率が2〜3倍に跳ね上がります。理由は単純で、インターン期間中に実力と人柄を見られるので、選考プロセスを短縮できるからです。 一部の企業は「優秀層はインターンで青田買い、本選考は枠が少ない」という構造で、秋以降に動くと選択肢が減ります。だから私は「Kaggleで100時間使う前に、インターン1社受ける方が、就活的なリターンは大きい」とよく言います。 Kaggleは技術力の証明材料としては優秀ですが、ROIで見ると、インターンの方が内定に直結します。おすすめの動き方は、 ①修士1年の5月にエントリー開始 ②7〜9月のインターン参加 ③参加した会社のリクルーターと繋がりを作る ④本選考で逆指名や早期選考ルートに載せてもらう、という流れ。全落ちしても選考慣れが残り、秋以降の動きが有利になります。インターン選考で落ちても落ち込まないでください。サマーの参加者はM1全体の1〜2割程度。 参加できなくても、冬インターンや1day説明会、OB訪問で繋がりを作る道が残っています。早期に動くこと自体に意味があります。 もう一つ、インターン志望書類は「研究の概要」「使える技術スタック」「やりたい業務」の3点を簡潔に書けばOK。完璧を目指して書きすぎると、逆に要点が埋もれます。書類も最初の3行勝負です。対策する時間がない方こそ、インターンを優先してほしいです。
日本語
0
1
2
422
みお|データサイエンティスト採用担当の本音
私が発信を始めた理由、お話しします。 採用担当をしていて一番もったいなく感じるのが、優秀な学生・転職希望者が「自分なんて」と諦めて応募すらしてくれないことです。業界は深刻な人材不足なのに、です。 経産省の発表では、AI人材は2030年に約12万人不足するとされていて、私の肌感でも採用予算はあるのに採り切れていない会社がほとんど。 一方で、候補者側は「DSは天才がなるもの」「学歴が必要」「Kaggleメダルがないと無理」という幻想を持っていて、自己評価を過剰に下げている方が多い。このギャップを埋めたくて、内側からの情報を出しています。 私が見てきた内定者は、別に天才ではなく、「自分の強みを知り、それを企業の必要に接続できる人」でした。特別な才能より、自己分析と企業理解、それを言語化する訓練。この3つが揃えば、多くの方にチャンスがあります。だから私はXで、採用担当の本音を書き続けます。 諦める前に、一度だけ内側の声を聞いてみてほしいです。そして迷ったら、DMで相談してください。具体的な一歩として、まず自分の強みリストを20個書き出してみてください。大したことないと感じるものも含めて全部。 その中から、DS職と接続できるものを3つ選び、それを軸に自己PRを作ると、説得力が劇的に上がります。業界に入る前に「諦める」選択をしないでほしい。人材不足と自己評価の低さというダブルの非対称が今の採用市場の歪みで、これを解くのが私の発信のゴールです。 あなたの価値、内側は気づいていますよ。業界を広げる一助になれたら嬉しいです。
日本語
1
1
30
2.9K
みお|データサイエンティスト採用担当の本音
採用担当として応募者を落とす理由の8割は、実は応募者が改善可能な領域なんです。能力の絶対値の問題じゃなくて、準備不足・自己分析不足・企業理解不足・コミュニケーション訓練不足。 私が1年間に見送った候補者を分類すると、技術力が本当に足りなかったのは2割。残り8割は、準備と対策で通った可能性が高い方々でした。具体的にどこで落としているか。 ①ES段階:結論が最後にある、志望動機が抽象的、経験の言語化が浅い(ここで全応募の6割が落ちます) ②一次面接:自己分析が浅く、なぜこの業界・この企業かが答えられない(一次通過の3割が落ちる) ③技術面接:自分の過去プロジェクトの思考過程を説明できない、詰められると虚勢で答える(この段階で半分が落ちる) ④最終面接:志望度の具体性が薄い、入社後の貢献イメージがない。 逆に言うと、これらは全て対策で改善できる領域です。技術力を底上げするより、これら4つの準備を丁寧にやる方が、内定確率は大きく上がります。特に②の一次面接で落ちる方は「志望動機の構造化」ができていないケースが9割。 「なぜ業界」「なぜ職種」「なぜこの企業」の3層で整理し、各層を1分で語れる準備をしてください。これだけで一次通過率が1.5倍になります。準備に使う時間は、技術の勉強より圧倒的にROIが高いんです。技術スコアで合否が決まるのは書類と技術課題まで。 面接以降は、準備の質がほぼ全てを決めます。準備しない人は落ちる、準備した人は通る。これがDS選考の隠れた現実です。だから、諦める前に準備してください。諦めないでくださいね。
日本語
0
0
1
369
みお|データサイエンティスト採用担当の本音
「データサイエンティスト」と「機械学習エンジニア」の違い、企業によって全然違うんです。私が困惑するのは、同じ「データサイエンティスト」という求人タイトルでも、ある会社では分析業務中心(SQL・BI・レポート作成)、別の会社ではモデル実装と運用(Python・MLOps・本番リリース)、さらに別の会社ではビジネス提案まで(データで経営に提言)と、全く違う業務を指している点です。タイトルだけで判断すると入社後に後悔します。応募前にチェックすべきは3点。①求人票の業務内容(「分析」「実装」「提案」のどれに力点があるか)②使用技術スタック(SQL中心なら分析寄り、Python・Docker・Kubernetesが並ぶなら実装寄り)③所属組織(事業部所属なら分析・提案寄り、データ基盤チーム所属なら実装寄り)。これらでミスマッチを避けられます。年収レンジも違っていて、分析中心のDSは500〜900万、実装まで出来るMLEは700〜1500万が相場。自分がどちらのキャリアを歩みたいのかを決めた上で、求人タイトルではなく業務内容で選んでくださいね。面接での見極め方も知っておくと役立ちます。面接で「一日の業務の流れを教えてください」と聞いて、SQLクエリ・ダッシュボード作成の話が多ければ分析寄り、デプロイ・障害対応の話が多ければ実装寄りです。入社後のキャリアパスも違います。分析寄りのDSは事業部との距離が近く、マネジメントやビジネス側への異動ルートがあります。実装寄りのMLEは技術を深めてテックリードやアーキテクトを目指すルートが主流です。ここを外すと、入社後に「やりたい仕事じゃなかった」が起きます。
日本語
0
13
214
36.1K
みお|データサイエンティスト採用担当の本音
「未経験からDS転職可能ですか?」と週に何度も聞かれます。結論、可能です。ただし企業選びで9割決まります。私が見てきた中で、未経験入社で活躍してる方には共通点があります。①育成枠を持ってる会社を選ぶ(求人票に「未経験歓迎」「研修3ヶ月」の記載がある会社)②独学のポートフォリオを最低2本仕上げてから応募する(実務経験の代替証明)③前職の業務知識をDSに接続する文脈を用意する。逆に失敗するのは、有名企業だけ受けて全落ちするパターンです。大手のDS職は経験者採用が中心で、未経験は書類で落ちます。狙うべきは、DS職を新設したばかりの中堅SaaS企業、DX部署を立ち上げ中の伝統企業、データ基盤を整備中のベンチャー。この層は育成前提の採用で、未経験でも見てくれます。年収は初年度500〜600万から始まり、3年目で700〜900万、5年目で1000万を超える方もいます。私が今まで支援した未経験DSの方で、企業選びを間違えずに半年以内で内定を取った方は、皆この3条件を押さえていました。私がよく相談される未経験DSの方に伝えているのは、応募する企業数を絞らないこと。平均20〜30社に応募して、書類通過5〜8社、面接通過2〜3社、内定1〜2社が現実ラインです。1社落ちて諦める方が一番多いのですが、母数を増やせば確率は安定します。先輩の転職体験談を3人分は読んでおくことも効きます。同じ業界出身の方がどう動いたかを知ると、自分の動き方の解像度が一気に上がります。X・note・ビズリーチのOB訪問で1時間もらえれば十分です。「無理」と諦めるのが一番もったいないんです。「どの企業を、どう攻めるか」の選択肢をまず広げてみてくださいね。
日本語
0
0
11
713
みお|データサイエンティスト採用担当の本音
DS志望でも、コンサル系・事業会社・メガベン・スタートアップで仕事の質が全然違います。コンサル系は分析中心、事業会社はビジネス接続、スタートアップは何でも屋。自分が何やりたいかで選ぶ場所変わります。
日本語
0
0
6
452
みお|データサイエンティスト採用担当の本音
志望動機で「データで社会を変えたい」と書く方、9割います。残念ながら、採用担当の心は1ミリも動きません。「なぜこの会社か」が抜けてるからです。会社固有の事業・データ・技術に紐付けないと、何百人と被るんですよ。
日本語
0
0
2
456