🧗‍♂️

社会人5年目、はじめての転職 ~ゼロからつくるData&AIキャリア~

2024/08/17に公開

はじめに

本投稿は、「未経験からData&AI領域へ転職って実際どうなの?」、「JTCからベンチャーへ転職って実際どうなの?」といった疑問に私の実体験ベースでお答えしていきます。転職を考え中の方々へひとつの判断材料として活用頂ければ幸いです。 [1] [2]

まとめ

未経験からData&AI領域へ転職は可能でした。(成功の定義は個人で異なると思いますが、)主観的には下記理由から今回の転職は成功と判断してます。

  • 更にやりがいを感じる職に就けた
  • 新しい挑戦を通じて自己成長が加速した
  • 同じ志を持った仲間に出会えた
  • なりたい姿に近づけている(気がする)
  • 年収UP、市場価値UP

自己紹介

簡単に自己紹介です。

  • 大学は理工学部 学士卒
  • JTな製造メーカー勤務(約 5 年間)
  • 技術開発やDX推進業務に従事
  • ベンダー任せではなく、内製力を高めたいと思ったのが転職活動のきっかけ
  • 転職活動期間 約 8 ヶ月 [3]

データサイエンスやプログラミングのメタスキル習得機会(実践機会)がほぼないような、キャリアを歩んできました。

転職活動の様子

1. 選考

合否が分かれた企業間で感じたことを紹介します。なお、いずれの企業も募集職種名はデータサイエンティストでした。面接中に職務内容について、詳しい説明がありました。データサイエンティストと一括りで言っても企業によってその毛色は異なりました。合否結果は下記の通りでした。

  • 合格企業 成果物が人に向かう職種
  • 不合格企業 成果物がシステムに向かう職種

選考フィードバックとしては、下記になります。
合格企業は JT で培った関係者を巻き込む力や折衝力、レジリエンス力が評価されました。一方で不合格企業は、明らかな実務経験不足やプログラミング知識の不足が不合格要因でした。

Data&AI領域における登場人物(プレイヤー)はつくる人、使わせる人、使う人に大別されると思いますが、使わせるロール比重が高いケースは比較的合格し易いと感じました。

2. データサイエンス部署での内定

結果的に 3 社の内定を頂きました。業界/会社規模は IT/ベンチャー、コンサルティング/大手、自動車製造業/大手でした。最終的には IT/ベンチャーへ決定しました。あくまで推測ですが、早期習得の難しいソフトスキルは備わっていること・不足しているハードスキルについては素地や学習意欲があること。これら 2 点を選考を通してアピールできたことが内定に繋がったと考えてます。 [4]

3. オファー内容

内定を頂いた 3 社ともに提示年収は 50~100 万円UPでした。一時的にDOWNも想定していたため正直驚きました。改めて新卒のひよっこから育ててくれた前職には感謝です。

転職までどのようなことを行なったか

ご期待する答えになっていないかもしれませんが、まずはやってみる方式で行動あるのみでした。もちろん行動したら、内省する時間はしっかり設けました。

具体的には下記1~4を微修正をかけながらぐるぐる回しました。

1. 自分のキャリアについて考えてみる
2. なりたい姿をイメージしてみる
3. データサイエンス、プログラミングを独学してみる(ハードスキルの習得)
4. 現職の実務にData&AIタスクを取り入れてみる(メタスキルの習得機会の創出)

もう少し深堀していきます。

1. 自分のキャリアについて考えてみる

自分自身を見つめ直し、生き方を問い直す時間を設けました。いわゆる就職活動でやった自己分析をやりました。自分の人生を選択するために、何を大切に選択すれば良いのか?という軸、つまり大切にしている価値観を再定義しました。

taiwa > 出典:鋼の錬金術師 第 24 巻 二人の賢者より

2. なりたい姿をイメージしてみる

やりたいことが明確になった後、理想像を妄想してみます。
未経験職種のため、当初は明確なイメージが湧きませんでした。私はX(旧Twitter )で実際にデータサイエンティストとして活躍されている方々をフォローし、タイムライン監視やコンタクトしたりし、徐々に理想像が明確になっていきました。

少し古いですが不朽の名著であり、私のキャリアチェンジのオリジンでもある参考書籍も紹介しておきます。
シン・ニホン AI× データ時代における日本の再生と人材育成

3. データサイエンス、プログラミングを独学してみる(ハードスキルの習得)

今の時代いくらでも良記事があるため、詳細は記載しません。

  • 目標を立てる
  • 学び方を学ぶ
  • 習慣化
  • 内省

私は、仕事に近い分野にてハンズオン→理論を学ぶという順番の方が理解しやすかったです。ビジネス適用のイメージがある程度出来上がった後の方が、理論の学習モチベーションも維持できた気がします。

4. 現職の実務にData&AIタスクを取り入れてみる(メタスキルの習得機会の創出)

手段と目的をはき違えないように注意しながら、実務で試せそうな事はないかを考えるようになりました。いきなりテーマアップはハードルが高かったので、進行中のテーマの一手段として提案しました。このような実践をフックにData&AI領域へピボットしていきました。またこれら経験がやりたいことが思ってたのと違ったとならない為の期待値調整やリスクヘッジにもなりました。

最後に

はじめての転職活動のため、物怖じするタイミングもありました。その時は誰かが言っていた「死ぬこと以外かすり傷」を思い出してました(笑)

以上、この記事が誰かのお役に立てれば幸いです。

APPENDIX

付録として、今回の転職によるデメリットも記載しておきます。

  • ライフワークバランスがワーク寄りに偏る
  • 社内人脈のリセット
  • 福利厚生

最終的にはメリット、デメリットやライフステージを考慮して判断しました。

脚注
  1. ただし再現性は保証できませんので、その点ご了承ください ※備忘録として2022年1月作成 ↩︎

  2. 約2年後、JTCへ再転職をしたため、その内再転職エントリを書くかもしれません ↩︎

  3. 内訳 : 目標設定後のスキル習得期間 6 ヶ月+転職活動期間 2 ヶ月 ↩︎

  4. キャリアの棚卸しでは「STAR+S」を意識しました。「S(Situation:状況)」「T(Task:課題)」「A(Action:行動)」「R(Result:結果)」「再度、S(Situation:状況)を振り返り」 ↩︎

Discussion