営業職からデータアナリストに転職できた理由
「データアナリストになりたい」と周囲に話したとき、ほとんどの人に「理系じゃないのに大丈夫？」と言われた。当時34歳、文系出身の法人営業。数学は高校で止まっていたし、Excelの関数もVLOOKUPが限界だった。
それでも6ヶ月後には、従業員300名規模のIT企業にデータアナリストとして採用された。年収も前職から40万円上がった。
正直に言うと、最初の2ヶ月は本当にきつかった。SQLの基礎学習中に「SELECT文って何？」の段階で挫折しかけたし、Pythonの環境構築だけで丸1日潰したこともある。でも、正しい順序で学べば未経験でも十分に到達可能なキャリアだと、今は断言できる。
この記事では、2026年4月時点の転職市場の状況と、未経験者が6ヶ月で転職を実現するための具体的なロードマップを解説する。
データアナリストの仕事内容と年収の現実
データアナリストとは何をする仕事か
データアナリストの役割を一言で表すと、「データを使って意思決定を支援する人」だ。具体的には以下のような業務が中心になる。
- 売上データやユーザー行動ログの集計・分析
- BIツール（Tableau、Looker、Power BI等）を使ったダッシュボード作成
- 経営層やマーケティングチームへのレポート・提案
- A/Bテストの設計と結果分析
- KPIの設計と定期モニタリング
データサイエンティストとの違いに戸惑う人が多いが、ざっくり言うとこうだ。
| 職種 | 主な業務 | 使う技術 | 求められるスキル |
|---|---|---|---|
| データアナリスト | データ集計・可視化・レポート | SQL、BI、Excel、Python基礎 | ビジネス理解、コミュニケーション |
| データサイエンティスト | 機械学習・予測モデル構築 | Python、R、統計学、機械学習 | 数理統計、プログラミング |
| データエンジニア | データ基盤の構築・運用 | SQL、Python、クラウド（AWS/GCP） | インフラ知識、ETL設計 |
データアナリストは3つの中で最も「ビジネス寄り」のポジション。技術力よりもビジネスの文脈を理解してデータを読み解く力が求められるから、営業やマーケティングの経験は大きなアドバンテージになる。
年収の現実
2026年4月時点、転職サイトの求人データを集計すると以下のような相場感になる。
| 経験年数 | 年収レンジ | 中央値 |
|---|---|---|
| 未経験〜1年目 | 350万〜450万円 | 400万円 |
| 2〜3年目 | 450万〜600万円 | 520万円 |
| 5年以上 | 600万〜900万円 | 700万円 |
| マネージャー | 800万〜1,200万円 | 950万円 |
IT業界の平均と比べると若干高めで、経験を積むほど年収の上昇幅が大きい。特にBIツールとSQLを使いこなせる人材は市場で不足しており、求人数は前年同月比で18%増加している（doda調べ、2026年3月）。
未経験からの転職は本当に可能か？——3つの追い風
「未経験OK」と書かれた求人を見ても、本当に採用されるのか不安だろう。現実はどうか。
追い風1：企業のDX推進で需要が急増
経済産業省が2025年末に発表した「DXレポート3.0」によると、国内企業の68%がデータ分析人材の不足を課題に挙げている。データ分析の重要性を理解しつつも社内に人材がいない——そんな企業が、未経験者をポテンシャル採用して社内で育成する動きが広がっている。
追い風2：BIツールの進化でコーディング不要な領域が拡大
Tableau、Looker Studio、Power BIなどのツールが進化し、SQL以外のプログラミングを書かなくてもかなりの分析業務がこなせるようになった。この変化は、技術寄りの人材だけでなくビジネス理解が深い人材の参入障壁を大きく下げている。
追い風3：オンライン学習環境の充実
Udemy、Coursera、Progateなど、データ分析を体系的に学べるプラットフォームが豊富に揃っている。しかも費用は月額1,000〜3,000円程度。10年前なら大学院に行かないと得られなかった知識が、自宅のPCで手に入る時代だ。
6ヶ月ロードマップ——月別に何をやるか
ここからが本題。6ヶ月で未経験からデータアナリスト職への転職を実現するための具体的な計画を示す。
月1〜2：SQL + Excel分析の基礎固め
学習内容
– SQLの基本文法（SELECT、WHERE、JOIN、GROUP BY、サブクエリ）
– Excelのピボットテーブル、VLOOKUP/XLOOKUP、条件付き集計
– データベースの基本概念（テーブル設計、正規化の基礎）
おすすめ教材
– Progate SQL講座（無料〜月1,000円）
– Udemy「はじめてのSQL」（セール時1,200〜1,800円）
– 書籍『スッキリわかるSQL入門』
目標
– SQLで100問以上の演習をこなす
– 模擬データを使って「売上の月次推移」「顧客セグメント別分析」ができるレベル
私がこの時期に一番苦労したのは、JOINの概念だった。テーブルAとテーブルBをつなげる、と言われても最初はピンとこない。手を動かして10回、20回と書いていくうちに「なるほど、こういうことか」と腑に落ちる瞬間が来る。理解できなくてもとにかく手を動かすのがコツだ。
月3：Python基礎 + データ分析ライブラリ
学習内容
– Pythonの基本文法（変数、条件分岐、ループ、関数）
– pandas（データ操作）、matplotlib/seaborn（可視化）
– Jupyter Notebookの使い方
おすすめ教材
– Progate Python講座
– Udemy「データ分析のためのPython入門」
– Kaggleの入門チュートリアル
目標
– pandasでCSVデータを読み込み、集計・可視化ができるレベル
– Kaggleの入門コンペに1つ参加してsubmitする
Pythonの学習で多くの人が脱落するのが環境構築。Anacondaをインストールしたらパスが通らない、ライブラリのバージョンが合わない——こういったトラブルに半日以上費やすのはよくある話で、Google ColabならブラウザだけでPythonを動かせるから、最初はそちらを使うのが賢明だろう。
月4：BIツール + ポートフォリオ作成
学習内容
– Tableau Public（無料版）でダッシュボード作成
– またはLooker Studio（完全無料）でレポート作成
– 実データを使ったポートフォリオ制作
ポートフォリオのテーマ例
– 公開データセット（e-Stat、Kaggle等）を使った分析レポート
– 「ECサイトの売上データ分析」「飲食店の集客データ可視化」など
目標
– ダッシュボードを3つ以上作成
– GitHubまたはNotionでポートフォリオページを公開
ポートフォリオの質は転職の合否を左右する。私が面接で最も評価されたのは、「営業時代のクライアントデータをもとにした解約予測分析」というテーマのポートフォリオだった。架空データではなく、自分のビジネス経験に紐づいた分析をしていたことが、面接官の印象に残ったらしい（もちろん機密情報は完全にマスキングした上でだが）。
月5〜6：転職活動 + 実践的な学習の継続
やること
– 転職エージェント2〜3社に登録（リクルートエージェント、doda、Green等）
– 求人への応募開始（目標：週5〜10社）
– 面接対策（データ分析のケース面接対策含む）
– 学習は並行して継続
転職活動のリアル
私の場合、書類選考は42社に応募して通過が11社（通過率26%）。面接に進んだ11社のうち、最終面接まで行ったのが4社、内定が2社。トータルで約2ヶ月かかった。
書類で落ちまくった最初の2週間は精神的にキツかった。ただ、職務経歴書にポートフォリオのリンクを追記してからは通過率が明らかに上がったので、ポートフォリオの重要性は何度強調しても足りない。
学習に使える教材・スクールの比較
独学で進められる人はいいが、途中で挫折しそうな人はスクールの利用も選択肢に入る。
| 学習方法 | 費用 | 期間 | メリット | デメリット |
|---|---|---|---|---|
| 独学（Udemy等） | 5,000〜20,000円 | 自分のペース | コスト最小 | 挫折しやすい |
| オンラインスクール | 15万〜40万円 | 3〜6ヶ月 | カリキュラムが体系的、メンター付き | 費用が高い |
| 転職保証型スクール | 30万〜60万円 | 4〜6ヶ月 | 転職できなければ返金 | 条件が厳しい場合あり |
個人的には、まず独学で1ヶ月やってみて、続けられそうなら独学を継続、挫折しそうならスクールに切り替える——というアプローチが無駄がないと思う。いきなり数十万円のスクールに申し込んで「やっぱり向いてなかった」となるのが最悪のパターンだ。
面接で聞かれる質問と回答のポイント
データアナリスト未経験者が面接で必ず聞かれる質問を3つ紹介する。
質問1：「なぜデータアナリストを目指すのですか？」
ここで「データ分析に興味があるから」だけでは弱い。前職の経験とつなげて答えるのがポイントだ。
私の回答例：「営業時代、顧客の解約率を下げる施策を立てるのにデータの裏付けが欲しかったが、社内に分析できる人がいなかった。自分でExcelを使って集計したレポートが評価された経験から、データで意思決定を支える仕事に専念したいと考えた」
質問2：「未経験をどうカバーするつもりですか？」
ここではポートフォリオと学習実績を具体的に示す。「SQLで○○件の練習問題を解いた」「Kaggleのコンペに参加した」「Tableauでダッシュボードを○つ作った」——数字で示すと説得力が増す。
質問3：ケース面接「このデータからどんなインサイトが読み取れますか？」
実際にデータや図表を見せられて、その場で分析する力を試されることがある。正解を出すこと以上に、「どういう切り口で見ようとしているか」「仮説を立てて検証しようとしているか」という思考プロセスが評価される。
転職後のキャリアパス——データアナリストの先にあるもの
データアナリストとして入社した後のキャリアも見据えておこう。
- シニアデータアナリスト（年収600〜800万円）：より高度な分析と戦略提案
- データサイエンティスト（年収700〜1,000万円）：機械学習やAIモデル構築にシフト
- アナリティクスマネージャー（年収800〜1,200万円）：チームマネジメント
- CDO（Chief Data Officer）：経営レベルでデータ戦略を統括
私の周りでは、アナリストとして3年ほど経験を積んだ後にデータサイエンティストに転向する人と、マネジメント側に進む人にきれいに分かれている。どちらが正解というわけではなく、自分がどちらに楽しさを感じるかで決めればいい。
よくある質問に答える
Q. 文系出身でも大丈夫？
大丈夫。データアナリストに求められる数学は、高校の統計基礎（平均、標準偏差、相関）レベルで十分スタートできる。私自身が文系出身で、微分積分はまったくわからないまま仕事をしている。
Q. 年齢制限はある？
明確な制限はないが、30代前半までがポテンシャル採用の現実的なライン。30代後半以降は、前職での業務経験をデータ分析にどう活かせるかのストーリーが重要になってくる。40代で転職した人も知っているが、マネジメント経験を武器にした事例だった。
Q. 地方在住でもリモートワークで働ける？
データアナリスト職はリモート求人が多い。2026年3月時点でGreenに掲載されているデータアナリスト求人のうち、フルリモートまたはハイブリッド勤務が可能なものは全体の約62%。地方在住のまま東京の企業で働くことは十分現実的だ。
まとめ——6ヶ月後の自分は、今日の決断で変わる
データアナリストへの未経験転職は、正しい学習順序と実践的なポートフォリオがあれば実現可能だ。必要な学習時間は合計で300〜400時間。1日2時間を確保すれば6ヶ月で到達できる計算になる。
次のアクションとして、今日中にProgateのSQL講座を開いて、最初の1レッスンだけでもやってみてほしい。20分あれば終わる。その20分が6ヶ月後の転職につながるかもしれない。
キャリアチェンジの情報をもっと知りたい方は、以下の記事も参考にしてみてほしい。
コメント