データサイエンス（Data Science）とはデータから役に立つ情報を取り出す学問分野。データサイエンティストは分析から価値づくりまで担う職業、AIとは重なるが同じではない【2026年10月版】

2026年10月8日・日本時間時点の情報です。 データサイエンス（Data Science）は、大量のデータから意味のある情報や法則を導き出すための学問分野のことで、デジタル大辞泉は「データの分析についての学問分野」と説明している。この分野の仕事をする人がデータサイエンティストで、データサイエンティスト協会は「データから価値を創出し、ビジネス課題に答えを出すプロフェッショナル」と定義している。この記事は、辞書・文部科学省・厚生労働省・協会の原文を読んで、「データサイエンスとは何か」「データサイエンティストは何をするのか」「AIとはどう違うのか」の3点に答える。

3行まとめ

1. データサイエンスは「データの分析についての学問分野」（デジタル大辞泉）。 統計学・数学・計算機科学と関連し、大量のデータから意味のある情報を取り出す。Cambridge Dictionaryも「scientific methods to obtain useful information from computer data」と書く。
2. データサイエンティストは、協会の定義では分析だけでなく「ビジネス課題に答えを出す」職業。 協会のスキル定義委員会は2025年11月25日にスキルチェックリストver.6を発表し（プレスリリースは12月4日）、「ビジネス力」を「価値創造」に改めた。項目は650から845に増えた。
3. AIとは別の言葉で、重なる部分がある。 協会の2026年の会員調査（323人）では74%が業務で生成AIを使うが、協会は「分析ができるだけ」では足りなくなったと述べる。

データサイエンスとは何か。辞書の原文

筆者は2026年10月8日4時55分ごろ、ログインせずにコトバンクとCambridge Dictionaryを開いた。コトバンクに載るデジタル大辞泉の語釈は次のとおり。

データの分析についての学問分野。統計学、数学、計算機科学などと関連し、主に大量のデータから、何らかの意味のある情報、法則、関連性などを導き出すこと、またはその処理の手法に関する研究を行う。これらの研究者および技術者はデータサイエンティストとよばれる。データ科学。DS。

Cambridge Dictionaryの「data science」の項は、コンピューター分野の専門語（COMPUTING、specialized）として次のように書く。

the use of scientific methods to obtain useful information from computer data, especially large amounts of data

（訳：コンピューターのデータ、とくに大量のデータから役に立つ情報を得るために、科学的な方法を使うこと。）

同じ項の例文には「Data science uses techniques and theories drawn from mathematics, statistics, computer science, and information science.」（訳：データサイエンスは、数学・統計学・計算機科学・情報科学から引き出した技法と理論を使う）もある。日本語と英語の辞書（英語は例文を含む）を並べると、「大量のデータ」「数学・統計・計算機の知識」「役に立つ情報を取り出す」の3つが共通する、と筆者は読む。

データサイエンティストは何をする人か

協会の定義

データサイエンティスト協会は2013年5月15日に設立された一般社団法人だ（協会概要ページ）。設立の背景として協会は、新しい職業のデータサイエンティストには「明確な定義がなく、対応領域も広い」ため、人材の期待役割とスキルのミスマッチが頻発していたと書く。協会の2025年12月4日のプレスリリースによると、スキル定義委員会は2014年にデータサイエンティストの「ミッション、スキルセット、定義、スキルレベル」を発表した。2025年11月25日の12thシンポジウムの発表資料は、2014年12月10日付のプレスリリースを出典として、次の定義をそのまま載せている。

データサイエンス力、データエンジニアリング力をベースにデータから価値を創出し、ビジネス課題に答えを出すプロフェッショナル

2014年の定義は、必要な力を3つに分けていた（発表資料の図）。

2025年に変わったこと

協会のスキル定義委員会は2025年11月25日の12thシンポジウムで「データサイエンティスト スキルチェックリスト」の第6版（ver.6）を発表し、12月4日のプレスリリースで公開を知らせた。プレスリリースによると、2023年の第5版を「現在のビジネス環境や実態にあわせて全面的に見直した」もので、改訂のポイントは次の3つだ。

• 従来の「ビジネス力」を「価値創造（Value Creation）」スキルとして再定義した
• DSとデータエンジニアリングにまたがるAI実装のスキルを「融合」として独立させた。生成AI、AIエージェント、マルチモーダル、IoT、AI・データガバナンスなどを束ねる
• 全データプロフェッショナルの共通土台として「基盤スキル」を新設した

項目数は650から845になった。発表資料では、スキルセットが「価値創造」「データサイエンス」「データエンジニアリング」の専門3つに、「基盤」と「融合」を加えた5つの群になっている。

国の職業情報サイトの説明

厚生労働省の職業情報提供サイトjob tagは、データサイエンティストを次のように説明する（2026年10月8日4時56分に筆者が開いた画面）。

新たな商品やサービスを生み出したり、業務プロセスの革新のため、大量に蓄積されたデータ（ビッグデータ）を分析する。

job tagのタスク（職業に含まれるこまかな仕事）の欄は、最初に次の4つを並べる（続きは「もっと見る」で開く作り。実施率はいずれも画面に出た数字で、タスクごとに86.7〜91.1%）。

1. 分析対象の業務の責任者（他社の場合はクライアント）に聞き取りをして、分析の目標を決める
2. データの担当者に聞き取りをして、分析するデータがどんなものか確認する
3. データを加工しながら、モデリング（最適な統計的モデルの構築）をする
4. モデルが適切かどうか、効果の検証をする

「どんな仕事？」の説明文は、さらにその先まで書く。モデルが有効で問題がないと確かめられたら「サービスとして実装する（本格的な分析機能とする）」。つまり、分析の前に分析の目標を聞き取るところから、分析の後に実際のサービスとして使えるようにするところまでが仕事に含まれる、とjob tagは書いている。「就業するには？」の欄には、「大学院等で統計学、数学、情報工学などを専攻している場合が多い」一方、「環境やバイオなどその他の理系の出身者や文系出身者もいる」とある。

画面の統計データ欄には、就業者数79,260人（令和2年国勢調査）、年収611.9万円・労働時間159時間（令和7年賃金構造基本統計調査）が出ていた。job tagはこの欄について、「必ずしもその職業のみの統計データを表しているものではありません」と断っている。データサイエンティストが属する分類は「他に分類されない技術の職業」等なので、この数字を「データサイエンティストの人数と年収」と読むのは避けたほうがよい。

データサイエンスとAIは何が違うのか

読者がいちばん取り違えやすい点だ。この記事の整理は次のとおりで、定義そのものの引用ではなく、辞書・協会の資料と、別記事で読んだ国のガイドラインを並べた筆者の言い方になる。

AIの定義が一つに決まっていないことは、AI（人工知能）とは何の略かの記事で国のガイドラインの原文を読んでいる。機械学習は機械学習とは、文章や画像を作るAIは生成AIとは、問題を解く手順のことはアルゴリズムとはで扱った。この記事では繰り返さない。

生成AIでデータサイエンティストの仕事はどう変わっているか

協会は2015年から一般（個人）会員にアンケートをとっており、2026年版は10回目。対象は「データサイエンティスト協会 一般（個人）会員全体」で、2026年2月2日〜3月11日にインターネットで行い、有効回答は323人。7月14日のプレスリリースと、7月23日の調査研究コラム（vol.81）によると、結果は次のとおり。

協会の調査・研究委員会は、コラムでこう述べている。

いま求められているのは、「データを分析する人」ではなく、「価値を設計する人」。

12thシンポジウムの発表資料にも同じ方向の記述がある。「生成AIにより、従来の“分析”領域は大幅に自動化・コモディティ化」「『分析ができるだけ』は十分な価値にならなくなった」。ここで「コモディティ化」は、ほかと見分けがつかない当たり前の仕事になる、という意味だ（筆者の補足）。

読むときに押さえたい点が2つある。1つ目は、この調査の回答者が協会の会員に限られることだ。コラムの題は「日本のデータサイエンティストが生成AIを業務で利用している割合」だが、答えたのは会員の323人で、日本のデータサイエンティスト全体から選んだ調査ではない。2つ目は、「将来性を感じている」割合が70%で、低下傾向が続いていると協会自身が書いていることだ。「仕事がなくなる」とも「安泰」とも、資料は言い切っていない。

データサイエンスはどう学べるか。公的な制度と検定

大学の教育制度

文部科学省の「数理・データサイエンス・AI教育プログラム認定制度」は、大学・短期大学・高専の正規課程の教育プログラムのうち一定の要件を満たすものを、文部科学大臣が認定する制度だ。文部科学省のページ（令和8年8月28日に新規認定・選定校一覧を更新）は、数理・データサイエンス・AIを「デジタル時代の『読み・書き・そろばん』」と表現し、2段階に分ける。

• リテラシーレベル: 「大学等の全ての学生が身に付けておくべき素養」。データと社会の関係を学ぶ「導入」、データを読み解く「基礎」、倫理的・法的・社会的な留意点を学ぶ「心得」で構成する
• 応用基礎レベル: 自分の専門分野にデータサイエンスやAIを応用するための基礎を学ぶ。リテラシーレベルとエキスパートレベルの橋渡しの位置づけ

検定

job tagは関連資格の欄に「関連する資格はありません」と表示しており、資格が仕事の条件とは書いていない。力を示す手段としては、次の検定がある。

DS検定の日程・合格率・申込方法は、DS検定とはで整理済みなので、ここでは繰り返さない。AIの知識を測る検定との違いは、G検定とE資格の記事に書いた。

統計検定のDS基礎は、実施趣旨で生成AIに触れている。

しかし、分析の目的に応じて適切な方法を選択すること、得られた結果が妥当であるかを検証すること、そして結果を根拠として適切な判断につなげることは、依然として人に求められる重要な能力です。

これは検定を運営する団体の見解であり、データサイエンティストの仕事全体についての調査結果ではない。

筆者が3つの公式ページを開いて見たもの

筆者は2026年10月8日4時56分〜4時58分、ヘッドレスのブラウザ（画面を表示しない設定）で、アカウントを作らずログインせずに、次の3ページを1280×800と390×844で撮影した。撮影はページの最初の部分だけなので、下のほうの欄は同じ時刻に保存したページの文字列で確かめた。

• job tag「データサイエンティスト」: 最初に4つのタスクが並ぶ欄（続きは「もっと見る」で開く）と、ページの下のほうに就業者数・年収の統計データ欄があった。「賃金（年収）」の欄は全国の数字（611.9万円）で、都道府県を選ぶと都道府県別の数字が出る作りだった。会社や職場ごとの数字は出ていなかった。別に、厚生労働省が2023年度に行った委託調査にもとづく「スキルレベル別給与データ（年収）」の欄もあり、こちらはITSSのレベル別に金額の幅で示していた
• データサイエンティスト協会のDS検定のページ: 「スキルレベル表」に、見習いレベルのAssistant Data Scientistから業界を代表するレベルのSenior Data Scientistまで4段階が載っていた。DS検定が見習いレベル（★）に対応するという位置づけは、このページで確かめた
• Cambridge Dictionary: 「data science」の項に、品詞のあとに「COMPUTING」「specialized」の表示があった。一般の語というより、コンピューター分野の専門語の扱いだ。撮影では2つの画面幅ともクッキーの同意を求める窓が前面に出たため、この表示は同じ時刻に保存したページの文字列で確かめた

人数・年収・採用の実態は、この記事では確かめきれていない

• データサイエンティストの人数や年収の確かな数字: job tagの統計データは広い職業分類の数字で、この職業だけの数字ではない。協会の調査は会員向けで、全国の実態調査ではない。記事内の数字は、その範囲の出どころつきで読んでほしい
• 協会の「価値創造」への改訂が、実際の求人や現場の仕事にどこまで届いているか: 資料は協会と会員調査の見解で、企業側の採用の実態は、この記事が開いた範囲には載っていない。協会は別に、シンポジウムに参加した企業の担当者向けの採用調査（2025年4月11日）を出しているが、本記事では扱っていない
• ログイン後の画面: job tagの会員向け機能や、各検定の申込画面は見ていない

出典に当たった公式資料の一覧

本文で名指しした資料は、すべてfrontmatterの出典欄に取得日時つきで載せている。年収・就業者数の数字はjob tag画面の表示、会員調査の数字は協会のプレスリリースと調査研究コラム、受験料は各公式ページの記載による。