データサイエンティストとデータアナリストの違い5選

こちらもおすすめ
データサイエンティストとデータアナリストの違い5選
あわせて読みたい
こちらもおすすめ

【初心者から上級者まで】Pythonプログラミング独学におすすめの本6選 (難易度順)【感想あり】 | Quant College

データサイエンティストとデータアナリストの違い5選

役割の幅広さの違い：
データサイエンティストのほうが幅広い役割を担っており、
データアナリストのほうがデータ分析に特化した役割となっている
扱うデータの違い：
データサイエンティストは構造化データ（テーブル型のデータ）に加え、画像・自然言語・音声などの非構造化データも扱うが、
データアナリストは構造化データを主に扱う
分析手法の違い：
データサイエンティストは機械学習の使用頻度も高いが、
データアナリストは機械学習というよりは古典的な統計解析をメインに使用
重要なスキルの違い：
データサイエンティストはモデリング、プログラミング、データベース、ドメイン知識、データの分析や可視化など幅広い知識が必要だが、
データアナリストはその中でもデータベース、ドメイン知識、データの分析や可視化のスキルが特に重要で、高いプログラミングスキルはそれほど必須ではない
重要な使用ツールの違い：
データサイエンティストは機械学習・深層学習ライブラリ（scikit-learn, PyTorch, TensorFlow, Kerasなど）のスキルが求められるが、
データアナリストはBIツール（Tableau, PowerBIなど）のスキルが重要

データアナリストは、データをまとめて可視化のうえ、分析結果を報告するのがメインの仕事となる。特に分析結果から、ビジネスに役立つ示唆出しを行う。データ分析の専門家という位置づけだが、この点はデータサイエンティストとも類似している。データサイエンティストの幅広い役割の中で、データ分析とレポーティングに特化したのがデータアナリスト、といっていいだろう。

データサイエンティストはデータアナリストよりも理系出身者が有利になりやすい。機械学習の知識・スキルが必須になるほか、モデリングやプログラミングの重要性（特にモデリング）がデータアナリストに比べてかなり大きい。

データアナリストもデータサイエンティストも、エンジニアというよりはビジネス寄り・コンサル寄りの位置づけであることが多く、逆にエンジニア（データ基盤開発・Webシステム開発）寄りの職種としては、データエンジニアや機械学習エンジニアがある。おおざっぱなイメージとしては、