データサイエンティストの平均年収は?年収を上げる方法も解説
データサイエンティストとして働くなかで、「自分の年収は相場と比べて低いのではないか」と気になったことはないでしょうか。
公的統計を見ると、データサイエンティストの平均年収は611.9万円とされています。一方で、転職市場の求人には年収1,000万円を超える募集もあり、どちらの数字を基準にすればよいか迷う方もいるでしょう。
数字がずれるのは、統計が幅広い年齢層や近い職業をまとめた平均であるのに対し、求人は経験者向けの募集が中心だからです。年齢や経験年数に加えて、担当している業務の範囲まで含めて相場と比べると、自分の年収の位置がはっきりします。
この記事では、以下の内容を解説します。
- 年齢別・経験年数別に見たデータサイエンティストの平均年収
- 公的統計と求人で年収が違う理由と、他のIT職との比較
- 年収が高くなりやすい業界と、年収1,000万円以上の求人が求める条件
- 自分の年収が適正かを判断する3つの基準
- データサイエンティストが年収を上げる4つの方法
今の年収が妥当なのかを確かめたいデータサイエンティストの方に、社内で上げるか転職で上げるかを判断するための材料をお伝えしているので、ぜひ参考にしてください。

著者
村井 舞葉
(Murai Maiha)
関西外国語大学卒業後、全日本空輸株式会社に入社し、客室乗務員として国内線・国際線のエコノミー・ビジネスクラスにて高品質な接客と安全管理に従事。その後、株式会社ギークリーへ転身し、IT・Web・ゲーム業界特化のキャリアアドバイザーとして活躍。「圧倒的な行動量」を武器に書類提出数の社内ギネスを最速で更新し、年間売上1億円や多数のMVP・QMVPを受賞。最大5名のマネジメントを経験後、プロフェッショナル職としてビズリーチスコア最高位のSランクを取得。個人のキャリア支援への強い志を持ち、MyVisionに入社。
プロフィール詳細を見る

監修者
柏倉 全一
(Kashiwagura Zenichi)
早稲田大学大学院を卒業後、新卒で東証一部のIT企業人事を務めた後、ワークビューに入社。最年少で年間トップセールスを記録、またコンサル事業部のマネージャーを務める。 前職は世界最大級の外資エージェント/アデコ社のシニアコンサルとして、IT/Web領域のミドル・ハイクラスに特化した人財紹介に取り組む。 2023年に全社2位を記録し、アジア代表として海外研修にも参画。
プロフィール詳細を見る
目次
CONTENTS
データサイエンティストの平均年収は?
厚生労働省による統計では、データサイエンティストの平均年収は611.9万円です。ただし、この数字はデータサイエンティストだけを集計したものではなく、近い技術職をまとめた分類の平均で、平均年齢も43.9歳と高めです。
そのため、自分の年収と比べるときは、全体の平均だけでなく、年齢や経験、求人での相場もあわせて見ましょう。
以下、それぞれの数字を自分の年収と比べるときの読み方を見ていきます。
参考:厚生労働省 職業情報提供サイト(job tag)「データサイエンティスト」
経験年数別の平均年収
経験年数別のデータは、賞与と残業代を含まない月額の所定内給与で公開されています。実際の年収は、この金額に賞与や残業代が加わった額です。
| 経験年数 | 所定内給与(月額) |
|---|---|
| 0年 | 30.52万円 |
| 1〜4年 | 30.82万円 |
| 5〜9年 | 32.34万円 |
| 10〜14年 | 36.44万円 |
| 15年以上 | 42.60万円 |
経験0年と5〜9年の差は月1.82万円で、経験10年未満では給与の伸びが小さいことがわかります。一方で、10年を超えると伸び幅が大きくなり、15年以上では0年より月12万円ほど高い水準です。
ただし、この統計は近い技術職を含む分類の数字なので、データサイエンティストに絞ると伸び方が違う場合もあります。経験年数を重ねるだけでは給与は上がりにくく、担当する業務の範囲や役職が広がるかどうかで年収に差がつくと考えておきましょう。

ITエンジニア3年目の年収はいくら?左右する要素と昇給する方法を解説
年齢別の平均年収
年齢別の年収は次のとおりです。
| 年齢 | 平均年収 |
|---|---|
| 20〜24歳 | 373.0万円 |
| 25〜29歳 | 481.4万円 |
| 30〜34歳 | 559.6万円 |
| 35〜39歳 | 614.0万円 |
| 40〜44歳 | 666.0万円 |
| 45〜49歳 | 672.2万円 |
| 50〜54歳 | 740.7万円 |
| 55〜59歳 | 743.3万円 |
| 60〜64歳 | 561.3万円 |
20代後半の481.4万円から30代後半の614.0万円まで、30代のうちに年収は130万円ほど伸びています。その後も50代後半の743.3万円まで上がり続け、60代で下がる流れです。
ここで押さえておきたいのは、全体の平均年収611.9万円が、平均年齢43.9歳の集団の数字だという点です。20代後半〜30代前半なら、全体の平均を下回っていても相場どおりの可能性があります。
自分の年収は、全体の平均ではなく同じ年代の数字と比べましょう。

20代ITエンジニアの平均年収は?職種・言語別データと年収アップ術
転職市場における年収相場
エンジニア特化の転職エージェント「テックゴー」が保有するデータサイエンティストの求人では、平均年収が874万円にのぼります。公的統計の611.9万円より、260万円ほど高い水準です。
差が出るのは、厚生労働省の統計が未経験者や若手、補助的な業務を担う人も含めた幅広い分類の平均であるのに対し、求人は即戦力を求める経験者向けの募集が中心だからです。また、求人票の年収は上限を含むレンジで書かれており、平均値は高めに出やすい面もあります。
そのため、自分の年収の物差しにするなら、全体の統計より、同じ経験を求める求人の年収レンジのほうが実態に近いでしょう。

村井 舞葉
Murai Maiha
求人票の年収は、レンジの上限ではなく、自分の経験がレンジのどこに当てはまるかで見るのがおすすめです。テックゴーには元エンジニア・ITコンサル出身のアドバイザーが多く、今の経験がどの水準で評価されるかを一緒に確認できます。
エンジニア特化の転職エージェント
他のIT職との年収比較
テックゴーが保有する求人で、データサイエンティストとほかのIT職の平均年収を比べると、次のとおりです。
| 職種 | 平均年収 |
|---|---|
| インフラエンジニア | 676万円 |
| 開発エンジニア | 710万円 |
| データアナリスト | 719万円 |
| データエンジニア | 813万円 |
| AIエンジニア | 834万円 |
| データサイエンティスト | 874万円 |
| PM | 890万円 |
| ITコンサルタント | 997万円 |
データサイエンティストは、データアナリストより155万円高く、データ職の中では上位に入ります。一方で、PMやITコンサルタントはさらに高い水準です。年収が高い職種ほど、分析や開発そのものより、課題を決めてプロジェクトを動かす役割を担っています。
データサイエンティストの年収を伸ばすなら、分析の精度を上げるだけでなく、課題の設定や推進まで担当範囲を広げることが近道です。
データサイエンティストの年収が高い3つの理由
データサイエンティストの年収が高い理由は、次の3つです。
- データを扱える人材が不足している
- 事業会社のデータ・AI活用の需要が広がっている
- 統計・ITとビジネスの専門性を同時に求められる
どれも、企業がデータサイエンティストを採用するために、高い年収を提示する背景になっています。以下、理由ごとに見ていきましょう。
データを扱える人材が不足している
国内企業を対象にしたIPAの調査では、DXを推進する人材が不足していると答えた企業が85.5%にのぼります。AIの導入・運用の課題でも「専門人材が不足している」が50.1%で最も多く、データ整備の課題でも「人材の確保が難しい」が51.2%で1位でした。
データを扱える人材を社内で育てきれない企業は、外部からの採用で補うしかありません。採りたい企業が多い一方で経験者の数は限られているため、経験を積んだデータサイエンティストほど高い年収を提示されやすい状況です。
参考:独立行政法人情報処理推進機構(IPA)「DX動向2026」
事業会社のデータ・AI活用の需要が広がっている
データ活用は、IT企業だけでなく、小売や金融、製造などの事業会社にも広がっています。生成AIの導入も急速に進み、データをもとに意思決定や業務を変えたい企業が増えました。
ただし、多くの企業ではAIの効果が業務効率化にとどまり、売上や顧客価値を高めるところまで届いていません。そこで求められているのが、データやAIを事業の成果に結びつけられる人材です。
生成AIの普及により、集計や定型的な分析の作業は今後さらに効率化が進むでしょう。今後は、課題の設定から施策の実装までを担えるデータサイエンティストに、高い年収が集まると考えられます。
統計・ITとビジネスの専門性を同時に求められる
データサイエンティストの仕事は、統計や機械学習の知識だけでは成り立ちません。分析に使うデータをSQLやクラウドで整え、結果を事業の課題に結びつけて説明するところまでが求められます。
統計、IT、ビジネスの3つの領域をそれぞれ扱える人材は多くないため、そろっている人ほど企業は高い年収で迎えます。同じデータサイエンティストでも、統計や実装だけに強い人より、ビジネスの課題設定まで担える人のほうが評価は高い傾向です。
データサイエンティストの年収が高くなりやすい4つの業界
データサイエンティストの年収は、どの業界で働くかによっても変わります。
令和7年の賃金構造基本統計調査を見ると、全産業の平均賃金(月額)が34.06万円なのに対し、コンサルティングを含む学術研究,専門・技術サービス業は44.03万円、金融業,保険業は43.70万円、情報通信業は40.60万円です。
これらは職種をまとめた業界全体の数字ですが、業界の賃金水準が高いほど、データサイエンティストの年収も高くなりやすい傾向があります。データサイエンティストの年収が高くなりやすい業界と、その理由は次のとおりです。
| 業界 | 年収が高くなりやすい理由 |
|---|---|
| ITコンサルティング・コンサルティングファーム | 分析を課題解決の支援として提供するため単価が高い |
| 金融(銀行・保険・カード) | 分析の精度が収益や損失を左右する業務が多い |
| 通信キャリア | 膨大な顧客データを持ち、サービスをまたいで活用している |
| Web系・メガベンチャー | 分析の成果がサービスの改善や売上に表れやすい |
参考:厚生労働省「令和7年賃金構造基本統計調査 結果の概況(産業別)」
ITコンサルティング・コンサルティングファーム
コンサルティングファームでは、データ分析そのものを、顧客企業の課題解決や変革の支援として提供します。分析結果をもとに施策まで提案するため、プロジェクトの単価が高く、それが社員の年収にも反映されやすい構造です。
役職が上がるほど、プロジェクトの責任者として顧客の経営層と向き合う機会も増えます。分析だけでなく、提案や合意形成まで担いたい人にとって、年収を大きく伸ばしやすい業界です。

コンサルとエンジニアはどっちが高年収?仕事内容や働き方、向き不向きを徹底比較
金融(銀行・保険・カード)
銀行や保険、カード会社などの金融業界では、与信審査や不正検知、解約の予測など、分析の精度が収益や損失を左右する業務が多くあります。分析の成果が金額として見えやすいため、データサイエンティストへの投資にも積極的です。大手金融グループでは、データ活用を専門に担うデジタル子会社を設けている例もあります。
業界全体の賃金水準が高いことに加え、金融の業務知識を持つデータサイエンティストは限られるため、経験を積むほど年収が上がりやすいでしょう。

金融系SEとは?仕事内容・年収・将来性から転職戦略まで徹底解説
通信キャリア
通信キャリアは、契約者の利用データや位置情報など、膨大な顧客データを持っています。モバイル回線だけでなく、決済や金融、エンタメなどにも事業を広げており、サービスをまたいだデータ活用が進んでいます。
マーケティング施策の最適化や解約の予測など、分析のテーマが幅広いのも特徴です。
大企業ならではの安定した給与体系のもとで、大規模なデータを扱う経験を積める点が魅力です。
Web系・メガベンチャー
Web系企業やメガベンチャーでは、ユーザーの行動データが事業の中心にあり、分析の結果がサービスの改善や売上に表れやすい環境です。A/Bテストの設計や推薦の仕組みづくりなど、データサイエンティストがプロダクトの意思決定に関わる場面も多くあります。
年俸制や成果に応じた評価を採り入れる企業も多く、実績次第で若いうちから年収が上がる可能性があります。一方で、評価の基準は企業ごとに大きく異なるため、応募前に年収の決まり方を確かめておきましょう。

メガベンチャーのエンジニアは激務?年収・仕事内容・転職成功のポイントまで徹底解説
自分の年収が適正かを判断する3つの基準
自分の年収が適正かどうかは、全体の平均と比べるだけでは判断できません。次の3つの基準で、今の年収の位置を確かめましょう。
| 基準 | 見るポイント |
|---|---|
| 同じ経験年数・役職で募集されている求人の年収レンジ | 自分の年収がレンジの下限を下回っていないか |
| 担当している業務範囲の相場 | 集計中心か、課題の設定まで担っているか |
| 今の会社での昇給ペース | 5年後の年収が相場に届く見込みがあるか |
同じ経験年数・役職で募集されている求人の年収レンジ
最も実態に近い物差しは、自分と同じ経験年数や役職を求める求人の年収レンジです。求人票の年収は「600万〜900万円」のように幅で書かれるため、自分の経験がレンジのどこに当てはまるかを見ます。
目安として、今の年収が同じ条件の求人の下限を下回っているなら、市場の相場より低い可能性が高いでしょう。
比べるときは、自分の年収も賞与や残業代を含めた額面にそろえておくと、ずれを防げます。また、1件だけで判断せず、業界や企業規模の違う求人を複数見ると、相場の幅をつかめます。

エンジニア転職は何年目がベスト?経験年数別のベストタイミングを徹底解説
担当している業務範囲の相場
同じデータサイエンティストでも、担当する業務の範囲によって年収の相場は変わります。集計やレポート作成が中心なのか、モデルの構築まで担うのか、実装や運用まで任されているのか、課題の設定から関わっているのかで、評価は大きく変わります。
課題の設定やプロジェクトの推進まで担っていれば、集計やレポート作成が中心の場合より高い年収帯を目指せます。
自分の業務を振り返り、今の年収が担当範囲に見合っているかを確かめましょう。
今の会社での昇給ペース
今の年収が相場に近くても、この先の昇給ペースが遅ければ、数年後には差が開きます。直近の昇給額や、社内で数年上の先輩の年収をもとに、5年後の自分の年収を見積もってみましょう。
IPAの調査では、「高いスキルを持っていることが報酬に反映される」ができている企業は32.3%にとどまります。スキルを高めても、評価や給与の仕組み次第で年収が上がりにくい会社もあるのが実情です。
評価の基準と昇給の実績がはっきりしている会社なら、社内で年収を上げる道も現実的です。一方で、給与テーブルの上限で年収が頭打ちになっている場合や、担当範囲を広げる機会がない場合は、転職も選択肢に入るでしょう。
受託分析やSESのように、取引先からの単価で年収の上限が決まりやすい働き方も同様です。
参考:独立行政法人情報処理推進機構(IPA)「DX動向2026」
登録は1分で完了
年収1,000万円以上の求人が求める4つの条件
年収1,000万円以上のデータサイエンティスト求人では、分析の技術だけでなく、分析を事業の成果につなげた経験が求められます。
主な条件は次の4つです。
- ビジネス課題の設定から関わった経験
- 機械学習モデルを本番環境で運用した経験
- SQLやクラウドでデータ基盤を扱えるスキル
- プロジェクトやメンバーをリードした経験
当てはまる条件が多いほど、高い年収帯の求人に応募しやすくなります。自分の経験と照らし合わせながら読み進めてください。
ビジネス課題の設定から関わった経験
年収1,000万円以上の求人の多くで求められるのが、ビジネス課題の設定から関わった経験です。依頼された分析をこなすだけでなく、事業部門と話し合って何を解くべきかを決め、成果の指標を定めるところから担った経験を指します。
選考では、分析の手法より、その結果で売上やコストがどう変わったかを問われる場面が多いでしょう。
今の職場で分析の依頼を受けたら、背景にある事業の目的や、成果を測る指標まで確認してから進めると、課題設定の経験を積めます。
機械学習モデルを本番環境で運用した経験
モデルを作って検証するだけでなく、本番の環境に組み込み、継続して運用した経験も評価されます。運用の段階では、データの変化による精度の低下を監視し、再学習の仕組みを整えるなど、検証環境とは違う課題に向き合います。
モデルを事業の現場で使い続けられる形にした経験は、分析が成果を生んだ証拠として伝わりやすいのが強みです。
PoC(実証実験)で終わった案件だけでなく、本番で運用した案件があるかどうかで、評価に差がつきます。
SQLやクラウドでデータ基盤を扱えるスキル
分析に使うデータを自分で抽出し、整えられるスキルも求められます。SQLで大量のデータを扱えることに加え、BigQueryやSnowflakeのようなクラウド上のデータ基盤を使いこなせると、任される範囲が広がります。
データエンジニアの手を借りずに分析の準備まで進められる人材は、少人数のチームで重宝されるからです。
分析の前処理からデータ基盤の設計まで経験していると、データエンジニア寄りのポジションも含めて選択肢が広がります。
プロジェクトやメンバーをリードした経験
年収1,000万円以上の求人では、シニアやリードの立場で、プロジェクトやメンバーを率いた経験を求めるものが目立ちます。
分析の方針を決め、メンバーに作業を割り振り、事業部門との調整を進めた経験は、役職が上がるほど重視されるでしょう。後輩の育成や、社内向けの勉強会の開催も、リードした経験として伝えられます。
正式な役職がなくても、小さなプロジェクトを任された経験を、規模や成果とあわせて具体的に語れるように整理しておきましょう。
データサイエンティストが年収を上げる4つの方法
データサイエンティストが年収を上げる方法は、次の4つです。
- シニア・リード・マネージャーへの昇進を目指す
- 年収水準の高い業界・企業へ転職する
- ITコンサルタントのような隣接する職種へ移る
- 副業で収入源を増やす
なお、資格の取得は専門性を示す材料にはなりますが、それだけで年収が上がる場面は多くありません。資格は実務の成果を補うものと考え、4つの方法のうち、自分の状況に合うものを選びましょう。
シニア・リード・マネージャーへの昇進を目指す
社内で年収を上げる代表的な方法が、シニアやリード、マネージャーへの昇進です。テックゴーが保有する求人でも、データサイエンティストの平均874万円に対し、技術職のテックリードは971万円、エンジニアリングマネージャーは1,070万円と、役職が上がるほど年収は高くなります。
昇進を目指すなら、評価の基準を上司と確認し、次の役職で求められる役割を今のうちから担いましょう。シニアやリードを目指すなら分析の質と後輩の指導、マネージャーを目指すならチームの成果と事業部門との調整が評価の軸です。

村井 舞葉
Murai Maiha
役職が上がると、事業成果への責任や関係者との調整が増え、稼働も増えやすくなります。年収の伸びだけでなく、技術を深めたいのか、チームを率いたいのかもあわせて考えて目指す役職を選ぶと、昇進後のギャップを防げます。

エンジニアリングマネージャー(EM)とは?役割やテックリードとの違いを解説
年収水準の高い業界・企業へ転職する
今の会社で年収が頭打ちなら、年収水準の高い業界や企業へ転職するのが、年収を上げる近道です。同じ業界でも、自社サービスを持つ事業会社か、受託分析会社か、SIerやSESかで、年収の決まり方は変わります。
受託やSESでは取引先からの単価が年収の上限になりやすい一方、事業会社では社内の給与テーブル、コンサルティングファームでは役職ごとのレンジで年収が決まります。
業界だけでなく、年収がどの仕組みで決まる会社なのかまで確かめて転職先を選びましょう。

村井 舞葉
Murai Maiha
転職で年収を上げるには、分析の手法よりも、その結果で売上やコストがどう変わったかを数字で伝えると評価されやすくなります。テックゴーでは、エンジニアのキャリアに詳しいアドバイザーが職務経歴書での成果の伝え方から支援し、面接対策も回数無制限で受けられます。

SESから自社開発に転職は可能?必要なスキルと選考突破の準備を徹底解説
ITコンサルタントのような隣接する職種へ移る
データサイエンティストとして課題設定や提案の経験を積んだ人は、ITコンサルタントのような隣接する職種へ移る道もあります。テックゴーが保有する求人では、ITコンサルタントの平均年収は997万円、AIコンサルタントは1,003万円で、データサイエンティストの874万円を120万円以上上回る水準です。
ITコンサルタントはデータの分析から施策の提案、実行の支援までを担うため、分析の経験に加えて、顧客の経営層と合意をつくる力が求められます。分析の手を動かす時間は減りますが、課題の設定や提案が得意な人にとっては、年収を大きく伸ばせる選択肢です。

村井 舞葉
Murai Maiha
データサイエンティストからITコンサルタントへの転職では、分析の経験を「顧客の課題をどう解いたか」という形で語れるかが鍵になります。テックゴーは上流案件・ITコンサル領域の求人に強く、データ・AI領域のコンサルタントへの転職も支援しています。気になった方は気軽に相談してみましょう。
年収アップ成功率86%
副業で収入源を増やす
本業の年収がすぐに上がらない場合は、副業で収入源を増やす方法もあります。データ分析は在宅で進めやすく、業務委託の案件として受けやすい分野です。本業とは違う業界のデータに触れられるため、経験の幅を広げる機会にもなります。
ただし、副業を始める前に、勤め先の就業規則を確認しましょう。厚生労働省のガイドラインでは、会社が副業を制限できる場合として、次の4つを挙げています。
- 本業の業務に支障がある場合
- 業務上の秘密が漏れる場合
- 競業によって自社の利益が害される場合
- 自社の名誉や信用を損なう行為や、信頼関係を壊す行為がある場合
雇用されて副業をする場合は、本業と副業の労働時間が通算される点にも注意が必要です。副業は本業の年収を上げる手段ではなく収入源を足す手段なので、本業の評価を落とさない範囲で取り組みましょう。
参考:厚生労働省「副業・兼業」
データサイエンティストの年収アップ転職ならテックゴー
データサイエンティストとして年収を上げたいなら、エンジニア特化の転職エージェント「テックゴー」への相談がおすすめです。テックゴーは上流案件やITコンサル領域の求人に強く、データサイエンティストの経験を活かして年収を伸ばしやすいポジションへの転職を支援しています。
テックゴーの主な特徴は次のとおりです。
- 平均年収アップ金額は144万円、年収アップ成功率は86%
- 元エンジニア・ITコンサル出身のアドバイザーが多い
- 年収交渉はアドバイザーが代行
- 面接対策は回数無制限
アドバイザーにエンジニア出身者が多いため、モデルの運用経験やデータ基盤の設計経験といった専門的な実績も、そのまま評価の材料として伝わります。今の年収が相場より低いのか、社内に残るべきか転職すべきかを迷っている段階でも相談できます。
まずは、自分の経験が転職市場でどの水準で評価されるかを確かめてみてください。
登録は1分で完了
まとめ
データサイエンティストの平均年収は、公的統計では611.9万円、テックゴーが保有する求人では874万円です。統計は幅広い年齢層や近い職業を含む平均のため、自分の年収は同じ年代の数字や、同じ経験を求める求人の年収レンジと比べましょう。
この記事のポイントは次のとおりです。
- 経験10年未満は給与の伸びが小さく、担当範囲や役職の広がりで年収に差がつく
- コンサルティング、金融、通信キャリア、Web系・メガベンチャーは年収が高くなりやすい
- 年収800万円以上の求人では、課題設定や本番運用、リードの経験が求められる
- 年収を上げる方法は、昇進、転職、隣接する職種への移動、副業の4つ
評価の基準と昇給の実績がはっきりした会社なら社内で年収を上げる道もあり、頭打ちなら転職も選択肢に入ります。今の年収が妥当かを確かめたうえで、社内で上げるか転職で上げるかを判断しましょう。
登録は1分で完了
よくある質問
データサイエンティストは稼げる職種ですか?
稼げる職種といえます。公的統計の平均年収611.9万円は、給与所得者全体の平均を100万円以上上回る水準です。転職市場でも、テックゴーが保有するデータサイエンティストの求人の平均年収は874万円にのぼります。
ただし、年収は担当する業務の範囲や業界で大きく変わり、集計やレポート作成だけを担う場合は伸びにくい点に注意しましょう。
データアナリストとデータサイエンティストの年収はどれくらい違いますか?
テックゴーが保有する求人では、データアナリストの平均年収は719万円、データサイエンティストは874万円で、155万円の差があります。
データアナリストが可視化やレポート作成を中心に担うのに対し、データサイエンティストは予測モデルの構築や実装まで担うことが多いためです。
ただし、データアナリストでも、課題の設定から施策の提案まで担う人は、データサイエンティストと同じ水準の年収を提示されることもあります。
エンジニアからデータサイエンティストに転職すると年収は上がりますか?
上がる可能性があります。テックゴーが保有する求人では、データサイエンティストの平均年収は874万円で、開発エンジニアの710万円やインフラエンジニアの676万円を上回ります。SQLやデータ基盤の構築、システム開発の経験は、データサイエンティストの仕事でも活かしやすいでしょう。
ただし、分析の実務経験がない状態で転職すると、最初は今の年収を下回る提示になる場合もあります。データエンジニアのように、今の経験を活かせる職種から入る道も検討しましょう。
