Greenでデータサイエンティストを採る｜分析と事業の距離を書く

データサイエンティストの求人は、「データ分析の経験」「Python」「機械学習の知識」と並べただけでは、候補者に仕事の中身が伝わりません。経験のある候補者ほど、その会社で分析が事業のどこにつながっているかを先に読みます。この記事では、Greenでデータサイエンティストを採るときに、求人票とスカウトで「分析と事業の距離」をどう書くかを整理します。Greenは株式会社アトラエが運営する、IT・Web業界を中心とした中途採用の求人サイトです。媒体の料金や仕様の細部には触れず、書き方と運用の考え方に絞ります。

候補者が求人票で最初に確かめること

データサイエンティストの候補者が求人票で探しているのは、使う手法よりも「自分の分析が使われる場所」です。前職で、時間をかけて作ったモデルやレポートが意思決定に使われなかった経験を持つ人は少なくありません。転職理由がそこにある候補者は、求人票の次の点を見比べます。

• 分析の依頼主は誰か：経営、事業部、プロダクトチーム、マーケティングのどこから相談が来るのか
• 分析の出口は何か：レポートで終わるのか、施策の設計まで関わるのか、モデルとして本番に載るのか
• データの状態：ログは集まっているか、基盤は誰が持っているか、前処理にどれだけ時間を取られるか
• 一緒に働く人：データエンジニアやアナリストがいるのか、一人目なのか

この4点がないと、候補者は「行ってみないと分からない」と判断し、応募を見送るか、条件の分かりやすい別の会社を先に受けます。

「分析と事業の距離」を3つの型で書き分ける

同じ「データサイエンティスト」でも、会社によって仕事の距離感がまったく違います。求人票では、自社がどの型に近いかを先に書くと、合わない候補者が自分で外れ、合う候補者が残ります。

型を書いたら、その型の具体例を一つ添えます。「解約予測のモデルを作り、カスタマーサクセスの架電リストに反映している」のように、分析が誰の行動を変えているかまで書けると、候補者は入社後の自分を想像しやすくなります。

逆に、三つの型をすべて求人票に並べると、「何でもやってほしいが、何が中心か決まっていない会社」と読まれます。中心を一つ決め、残りは「状況に応じて」と一行添える程度にとどめます。

求人のタイトルにも型を反映させます。「データサイエンティスト募集」だけでは一覧で他社と区別がつきません。「需要予測モデルを物流の現場に届けるデータサイエンティスト」のように、扱うテーマと出口を一行に入れると、開いてもらえる確率が上がる傾向があります。社内で使っているデータの種類（購買、行動ログ、センサー、テキストなど）を書いておくのも、候補者が自分の経験と照らし合わせる手がかりになります。

エージェントベストの見解

データサイエンティストの採用相談で多い思い込みは、「データに強い人が一人入れば、社内のデータ活用が進む」というものです。実際には、ログが散らばっていて集計の定義も部署ごとに違う状態で一人目を迎えると、入社した人の時間の大半がデータの整備と社内調整に消えます。分析をしたくて入った人がそれに気づくと、早い段階で離れてしまうこともあります。当社がこの職種の相談を受けたとき、先に聞くのは「いまのデータは誰が、どこに、どの粒度で持っているか」です。整備がまだなら、求人票にそれを正直に書き、「基盤づくりから関わりたい人」を対象にするか、先にデータエンジニアを採る順番を検討します。候補者を探す前に、迎える側の状態を言葉にしておくと、応募の質が変わります。

スカウトと「気になる」の対象をどう絞るか

データ職の候補者に対しても、Greenでは企業側から「気になる」やスカウトを送れます。データサイエンティストの場合、職種名だけで対象を広げると、BIツールでの集計が中心の人、研究寄りの人、エンジニア寄りの人が混ざり、返信があっても話がかみ合いません。

対象を絞るときは、次の順で考えると迷いが減ります。

1. 自社の型に近い経験を一つ決める：施策設計型なら「効果検証を回した経験」、プロダクト実装型なら「モデルを本番で運用した経験」
2. 業界経験は条件にしすぎない：ドメイン知識は入社後に覚えられることが多い。業界で絞るより、出口の経験で絞る
3. スカウト文面には「その人の経歴のどこを見たか」を書く：「〇〇の分析経験を拝見し、当社の△△の課題と近いと感じました」と、読んだ箇所を示す

文面に会社の紹介を長く書くより、候補者の経験と自社の課題の重なりを一文で示すほうが、返信につながりやすい傾向があります。文面の組み立ては中途向けスカウト文面の型でも整理しています。

選考では「問いの立て方」を見る

データサイエンティストの選考で、手法の知識を問う質問ばかりにすると、候補者は「この会社は自分の仕事を分かっていない」と感じます。見るべきは、曖昧な依頼をどう問いに変え、どの程度の精度で答えを出すと判断するかです。

選考に組み込みやすいのは、次のような形です。

• 一次面接：現場の分析担当か、分析結果を受け取る事業側の責任者が出る。過去の分析で「使われた例」と「使われなかった例」を両方聞く
• 課題またはケース面接：自社の実際の問いに近いテーマを渡し、どのデータを見て、何を確かめるかを話してもらう。正解を求めず、考える順番を見る
• 最終面接：入社後に最初に扱うテーマを具体的に示し、候補者の期待とずれていないかを確認する

課題を出す場合は、負担が大きくなりすぎないように範囲を区切ります。在職中の候補者が多い職種なので、長時間の課題は辞退の原因になります。

エージェントベストの見解

当社は媒体の運用支援と人材紹介の両方を行っていますが、データサイエンティストについては、経験年数と担当範囲で使い分けを考えることが多いです。施策設計型やプロダクト実装型で、事業の課題がはっきりしている会社は、求人票に「分析の出口」を具体的に書けるので、Greenのような求人型でも候補者が自分で判断して応募してきます。一方、組織の中でデータ部門をこれから立ち上げる責任者クラスは、求人票だけでは伝えきれない事情（経営との関係、予算、既存部署との調整）が多く、紹介で背景を口頭で補いながら会うほうが話が早いことがあります。どちらで採るかは、求人票に書ける情報の量で決めるのが一つの目安です。

まとめ

• データサイエンティストの候補者は、手法より「分析がどこで使われるか」を見ている
• 意思決定支援型・施策設計型・プロダクト実装型のどれが中心かを決め、具体例を一つ添える
• データの整備状況は正直に書く。整っていないなら、基盤づくりに関わりたい人を対象にする
• スカウトは職種名ではなく、自社の型に近い経験で絞る
• 選考では知識より、問いの立て方と精度の判断を見る

よくある質問

データアナリストとデータサイエンティストは分けて募集したほうがよいですか

仕事の出口が違うなら分けたほうが伝わります。集計やダッシュボードの整備が中心ならアナリスト、モデルを作って施策や機能に組み込むならデータサイエンティスト、と求人票の冒頭で区別すると、応募者の自己判断が楽になります。両方を一人に任せたい場合は、その比重を書いておきます。

社内にデータの専門家がいなくても、選考はできますか

できますが、見る観点を事前に決めておく必要があります。外部の専門家に面接への同席を頼む、課題の評価だけを依頼するといった方法もあります。社内で判断できない状態のまま採用すると、入社後の期待値のずれが起きやすくなります。

Greenの運用をすべて任せることはできますか

当社のGreen運用代行では、求人票の作成、「気になる」とスカウトの配信、応募対応、面接日程の調整までをお引き受けしています。費用は成功報酬で、採用した方の入社時に1名50万円（税別）です。初期費用と月額の固定費はかかりません。合否の判断は御社で行っていただきます。