【面接官20人×転職者20人インタビュー】データアナリストはやめとけ？「やめとけ」と言われる理由と向いている人の見極め方｜実体験とインタビューから徹底解説

• 「データアナリストはやめておいた方がいい？」「向き不向きがあるって本当？」と感じている
• やめとけと言われる理由、向いている人・向いていない人の見分け方が知りたい
• 実際に辞めた人の体験、入社前に確認すべきだったことが知りたい
• 大手サイトの営業記事にうんざり、面接官と実体験者のリアル・具体的な情報が知りたい

こんな方向けの、実体験&リアルインタビュー記事です。

初めての読者のため、簡単に自己紹介させてください。

• 私は28歳まで2回未経験転職してきたキャリア迷い子のタマネギです。
• 未経験・第二新卒で転職したい人向けに、参考になる情報を提供しています。
• 検索上位の大手サイトの「一般論の営業記事」ではなく、実体験やインタビューでリアルの参考情報を届けるのがこのサイトのポイントです。

この記事では、僕が個人で有料ツールを使用して、採用担当者20名・転職者20名（いずれもデータアナリスト経験者）へのインタビュー調査をもとに、「やめとけ」と言われる理由、向いている人・向いていない人の特徴、データアナリストならではの厳しさ、会社選びのポイントをお伝えします。

この記事で得られること

• やめとけと言われる理由（面接官・転職者20人ずつの票数付き）
• 向いている人・向いていない人の特徴（採用官が「やめとけ」と言いたくなる人の具体像）
• データアナリストならではの厳しさ（スキル負荷・地道作業・過度期待など）
• 会社選びで見るべきポイント

この記事の根拠

本記事は、データアナリストを採用した経験がある採用担当者20名と、実際にデータアナリストを経験した転職者20名へのインタビュー調査に基づいています。辞めた理由、向いていない人の特徴、向いている人の特徴、きつい環境、未経験者の声、会社選びのアドバイス、面接で聞くべき質問などをヒアリングし、その傾向を票数で可視化しました。

そして、僕自身が商社からエンジニア（株式会社シンプレクス）に未経験で転職した実体験に基づいて執筆しています。

シンプレクスは、金融に特化したSIerなので、データ機能の開発はもちろん大事なパートです。実際社内にも、専門なデータ部隊は20人くらいいましたし、クオンツ＊（金融数学）の専門者もいて、データだけではなく、高度的なモデルリングも勉強できる環境でした。

2026年3月29日 【元社員が徹底解説】シンプレクスが本当に”やばい”なのか？「激務」「評判悪い」「将来性」

この記事を読んで、あなた自身の状況に当てはめて、データアナリストという職種を検討する際の判断材料が得られれば嬉しく思います。

「データアナリストはやめとけ」と言われる理由（面接官・転職者20人ずつ40人の声）

データアナリストを検討している人から、「やめとけ」と聞くことが多い職種ですよね。では、採用側と実際に辞めた人がそれぞれどう感じているのか。調査結果をベースに説明していきましょう。

• 採用側がよく見る「早期退職の理由」Top5
• 実際に辞めたデータアナリストが挙げた理由Top5
• 面接官×転職者の視点差
• データアナリストならではの厳しい環境

でお伝えします。

調査概要

本調査は2つのパートで構成されています。

• Part A（採用担当者20名）：データアナリストを採用した経験がある採用担当者
• Part B（転職者20名）：全員データアナリスト経験者。実際に辞めた本人の視点

データアナリスト特化の票数データです。

採用側がよく見る「早期退職の理由」Top5

面接官20名に「早期退職した人がいた場合、どんな理由が多かったか」を複数選択で聞きました。

1位は「数学・統計・プログラミングの学習負荷」で15票。2位の地道な作業のギャップ（12票）、過度な期待（10票）、データ環境の悪さ（9票）、継続学習の疲弊（9票）も上位でした。データアナリストならではの負荷が並んでいます。

実際に辞めたデータアナリストが挙げた理由Top5

転職者20名に「データアナリストを辞めた理由」を複数選択で聞きました。

採用側と転職者、どちらも「学習負荷」が最多です。地道作業・過度期待・データ環境・継続学習も両者で上位に並び、データアナリストならではの負荷が共通しています。

データアナリストならではの厳しい環境

採用側20名に「データアナリストならではのきつい環境」を複数選択で聞きました。

データの分散、経営層の過度な期待、学習の連続、業務量の膨大さ、社内理解の薄さが挙がりました。いずれも、採用前に確認しておきたいポイントです。

データアナリストに向いていない人の特徴（採用官が「やめとけ」と言いたくなる人）

「やめとけ」と言われる理由が分かったところで、次は採用官の視点です。どんな人に「やめた方がいいのでは」と感じるのか。採用担当者20名の票数でまとめました。

• 技術キャッチアップに耐えられなさそうな人
• 志望動機が曖昧な人
• 数学・統計・プログラミングへの興味が薄い人
• 地道な作業を軽く見ている人
• 分析結果を人に伝える重要性を理解していない人
• 向いている人の特徴（次の章で詳しく）

でお伝えします。

新しいツール・手法の習得を面倒がり、技術キャッチアップに耐えられなさそう（14票）

「新しいツール・手法の習得を面倒がり、技術のキャッチアップに耐えられなさそう」が14票で最多でした。データアナリストは新ツール・新手法が次々出る職種であり、継続的に学び続ける姿勢が重要です。キャッチアップを苦にしないか、事前に自分に問いかけてみてください。

志望動機が曖昧で「なんとなく」「データが好きそうだから」のような話し方（11票）

志望動機が曖昧で「なんとなく」「データが好きそうだから」のような話し方も11票。データアナリストの仕事内容（地道な作業の割合、学習負荷、過度な期待、データ環境）を理解した上で志望しているかが重要です。

数学・統計・プログラミングへの興味が薄く、勉強内容を具体的に説明できない（10票）

数学・統計・プログラミングへの興味が薄く、勉強した内容を具体的に説明できないと、長く続けるのが難しいと判断されやすいです。データアナリストはこれらの基礎が求められる職種であり、興味の有無は適性のバロメータになります。

データ収集・クリーニングといった地道な作業を軽く見ている、または苦手そう（9票）

データ収集・クリーニングといった地道な作業を軽く見ている、または苦手そうな人も9票。実際の業務は分析・インサイト抽出だけでなく、データの整備・前処理に多くの時間を費やすケースが少なくありません。地道な作業の割合を想定しておくことが大切です。

「分析結果を人に伝える」重要性を理解しておらず、コミュニケーションが苦手そう（8票）

「分析結果を人に伝える」重要性を理解しておらず、コミュニケーションが苦手そうな人も8票。分析結果を経営層や現場にわかりやすく伝え、意思決定に貢献することがデータアナリストの価値です。伝える力も重要なスキルだと理解しておきましょう。

データアナリストに向いている人の特徴

一方、採用担当者20名が「うまくいっている人の特徴」として挙げたのが以下です。向いていない人の特徴と照らし合わせて、自分に当てはまるか確認してみてください。

数字・データを扱うことが好きで、分析結果から仮説を立てることに喜びを感じる（15票）

「数字・データを扱うことが好きで、分析結果から仮説を立てることに喜びを感じる」が15票で最多。データそのものに興味があり、分析から得られたインサイトで仮説を立てることに楽しさを感じる人が向いているとされています。

新しいツール・手法を自ら学び続ける姿勢があり、技術のキャッチアップを苦にしない（12票）

「新しいツール・手法を自ら学び続ける姿勢があり、技術のキャッチアップを苦にしない」が12票。向いていない人で最多だった「キャッチアップに耐えられなさそう」の対極です。継続的な学習を苦にしない人は、データアナリストとして長く活躍しやすい傾向があります。

分析結果を経営層や現場にわかりやすく伝え、意思決定に貢献できることにやりがいを感じる（9票）

「分析結果を経営層や現場にわかりやすく伝え、意思決定に貢献できることにやりがいを感じる」が9票。データ分析の価値は、分析そのものだけでなく、意思決定にどう活かすかです。伝えることにやりがいを感じる人は適性が高いとされています。

データ収集・クリーニングといった地道な作業も丁寧に取り組める（8票）

「データ収集・クリーニングといった地道な作業も丁寧に取り組める」が8票。向いていない人では「地道な作業を軽く見ている」が9票で挙がっていました。地道な作業の割合を理解し、丁寧に取り組める人は、データの質を高めやすく評価されやすいです。

論理的思考力があり、データから仮説を立てて検証できる（7票）

「論理的思考力があり、データから仮説を立てて検証できる」が7票。データから適切な仮説を立て、検証する力はデータアナリストのコアスキルです。

データが整備されていない環境でも、何を整備すべきか提案できる（5票）

「データが整備されていない環境でも、何を整備すべきか提案できる」が5票。多くの企業でデータ環境は未整備です。整備されていない環境でも課題を整理し、提案できる人は重宝されます。

ビジネス理解があり、分析目的と課題を明確にできる（4票）

「ビジネス理解があり、分析目的と課題を明確にできる」が4票。データ分析はビジネス課題の解決が目的です。分析目的を明確にできる人は、分析の価値を高めやすくなります。

データアナリストの「きつい」点を具体的に解説

「きつい」と聞くことが多いデータアナリスト。では、具体的にどんな点がきついのか。調査結果をもとにまとめます。

• 数学・統計・プログラミングの学習負荷と継続学習のプレッシャー
• データ収集・クリーニング・前処理といった地道な作業の割合のギャップ
• 経営層の過度な期待と「データを見れば全部わかる」という誤解
• データが複数システムに分散し、分析しづらい環境での消耗
• Excel集計・定型レポート中心と「AI・機械学習」志向のギャップ
• 給与・評価の不安

でお伝えします。

数学・統計・プログラミングの学習負荷と継続学習のプレッシャー

辞めた理由として、採用側15票・転職者14票で「数学・統計・プログラミングの学習負荷に耐えられなかった」が最多でした。加えて、新しいツール・手法が次々出るため、継続的な学習に追われ、休日も勉強し続けることに疲れた（各9票・8票）という声も多く挙がりました。スキル習得のハードルと、キャッチアップの負荷の両方が重くのしかかります。

データ収集・クリーニング・前処理といった地道な作業の割合のギャップ

「データ収集・クリーニング・前処理といった地道な作業が想像以上に多く、ギャップを感じた」は採用側12票、転職者11票。分析やインサイト抽出の割合をイメージして入ったのに、実際はデータの整備・前処理に多くの時間が取られる。そのギャップに驚く人が少なくありません。

経営層の過度な期待と「データを見れば全部わかる」という誤解

「社内で過度に期待され、『データを見れば全部わかる』と思われ、プレッシャーでつぶれた」は採用側10票、転職者9票。データ分析には限界があり、データがそろっていなければ分析できないケースもあります。経営層の期待と現実のギャップに苦しむ人が多いです。

データが複数システムに分散し、分析しづらい環境での消耗

「必要なデータがそろっていない、複数システムに分散している等、分析しづらい環境で消耗した」は採用側9票、転職者8票。データ環境の整備状況は会社によって大きく異なります。整備されていない環境では、データ収集・整備に多くの工数を割かれ、分析にたどり着くまでに消耗してしまうケースもあります。

Excel集計・定型レポート中心と「AI・機械学習」志向のギャップ

「AI・機械学習でモデルを作りたいと思っていたのに、Excel集計や定型レポートが中心だった」は採用側5票、転職者4票。データアナリストとデータサイエンティスト・機械学習エンジニアは役割が異なります。高度な分析を期待して入ったのに、定型レポート中心でギャップを感じる人もいます。

給与・評価の不安

「給与が業務の割に低く、頑張っても報われないと感じた」は採用側4票、転職者3票。会社によって差が大きいため、待遇や評価制度を事前に確認しておきたいところです。

未経験からデータアナリストになる前に知っておくこと

未経験からデータアナリストを目指す場合、どんな点に気をつければよいか。採用側と転職者（未経験入社者含む）の声をまとめます。

• 未経験で早期退職しやすい理由（採用側の視点）
• 未経験入社者が実際にきつかった点
• 未経験 vs 経験者で辞めた理由の違い
• 未経験から成功するための会社選びのポイント

でお伝えします。

未経験で早期退職しやすい理由（採用側の視点）

採用担当者20名に「未経験で早期退職した人の理由」を複数選択で聞きました。

学習負荷の理解不足、地道作業のギャップ、研修の短さ、習得の遅れ、プレゼン力が上位です。未経験の場合は、研修期間・メンターの有無・データ環境・学習サポートを面接で具体的に確認するのが重要です。

未経験入社者が実際にきつかった点

転職者20名のうち未経験入社だった12名に「きつかった点」を複数選択で聞きました。

採用側と転職者、どちらも「学習負荷の理解不足」「地道作業のギャップ」「研修の短さ」が上位でした。未経験者の場合、研修体制とサポート体制を重視して会社を選ぶのがおすすめです。

未経験 vs 経験者で辞めた理由の違い

未経験入社者（12人）と経験者（8人）で、辞めた理由の傾向が少し違います。

• 未経験者：スキル負荷（9票）、地道作業（8票）、過度期待（6票）、継続学習（5票）が上位。学習負荷や研修不足と重なる負担が多い。
• 経験者：スキル負荷（5票）、データ環境（4票）、AI・機械学習志向とのギャップ（3票）、業務量（3票）が相対的に多い。経験者は「環境のミスマッチ」や「ギャップ」に重心が偏りがちです。

未経験から成功するための会社選びのポイント

未経験で入る場合は、研修・OJTの期間、メンターの有無、データ環境、学習サポート体制を重点的に確認しましょう。次章で、採用側と転職者が「入社前に知っておけばよかった」と答えたポイントをまとめます。

データアナリストとは？仕事内容と職種の実態

「データアナリストとは何か」を簡単におさらいしつつ、調査結果で見えた実態を補足します。

データアナリストの定義と仕事内容（分析・可視化・プレゼン）

データアナリストは、データの分析・可視化とプレゼンテーションを行う専門家です。ビジネスデータを収集・整理・分析し、経営層や現場が意思決定できる形で結果を伝える役割を担います。

主な仕事内容は以下の通りです。

• データの収集・クリーニング・前処理：複数システムからデータを取得し、分析に使える形に整える
• データ分析・インサイト抽出：統計や可視化ツールを使い、傾向や課題を導き出す
• レポート作成・可視化：ダッシュボードやレポートを作成し、結果を可視化する
• プレゼンテーション：分析結果を経営層や現場にわかりやすく伝える

本調査では「実際の業務の内訳（分析・インサイト抽出 vs データ収集・クリーニング・定型レポート）を確認する」が採用側12票、転職者10票で上位でした。分析の割合が想像より少なく、地道な作業の割合が大きいケースも多いです。

データアナリストとデータサイエンティストの違い

データアナリストは、既存データをもとに傾向分析やレポート作成を行うのが主な役割です。一方、データサイエンティストは機械学習モデルの構築や予測分析など、より高度な分析を担当します。「AI・機械学習でモデルを作りたい」と思ってデータアナリストに入ったのに、Excel集計や定型レポートが中心だったというギャップ（5票・4票）も本調査で挙がっています。志向に合わせて職種を選ぶことが大切です。

コンサル型・エンジニア型などのタイプ

データアナリストにもタイプがあります。コンサル型はビジネス課題のヒアリングや要件整理、報告・提案を中心に、エンジニア型はデータ基盤の構築や自動化、ツール開発に寄った仕事をする傾向があります。会社や配属によって役割は異なるため、採用前に確認しておくとよいでしょう。

入社後のギャップを防ぐ会社選びのポイント（面接官・転職者20人が答えた）

これまでの「きつい点」「未経験の壁」を踏まえ、入社後のギャップを防ぐ会社選びのポイントを紹介します。採用側と転職者、両方の声をまとめました。

• データの整備状況を入社前に確認
• 実際の業務の内訳（分析 vs データ収集・クリーニング・定型レポート）を確認
• 新ツール・新手法の学習機会や技術キャッチアップのサポート体制
• 研修・OJTの期間や内容、メンターの有無
• 面接で聞くべき具体的な質問例

でお伝えします。

データの整備状況を入社前に確認

採用側16票、転職者16票で最多だったのが「データの整備状況（どこまで整っているか、複数システムか）を、面接で具体的に聞いておく」でした。データが複数システムに分散していると、集計・整備に多くの時間がかかります。整備状況を事前に聞いておくと安心です。

実際の業務の内訳（分析 vs データ収集・クリーニング・定型レポート）を確認

「実際の業務の内訳（分析・インサイト抽出 vs データ収集・クリーニング・定型レポート）を確認する」は採用側12票、転職者10票。分析の割合がどれくらいか、定型レポート作成が中心かどうかを確認しておくのがおすすめです。

新ツール・新手法の学習機会や技術キャッチアップのサポート体制

「新ツール・新手法の学習機会や、技術キャッチアップのサポート体制を聞いておく」は採用側9票、転職者8票。継続的な学習が必要な職種のため、学習サポートの有無は重要です。

研修・OJTの期間や内容、メンターの有無

「研修・OJTの期間や内容、メンターの有無を聞いておく」は採用側8票、転職者7票。未経験の場合は特に、現場配属までの流れとサポート体制を確認しておくのがおすすめです。

面接で聞くべき具体的な質問例（採用担当者20人が効果的と答えた質問）

採用担当者20名に「面接で聞いてほしい質問」を聞き、効果的と答えた質問を票数でまとめました。そのまま面接で使える形で紹介します。

データ整備状況、業務内訳、学習サポート、研修期間、経営層の期待値、残業・アドホック分析の実態を聞いておくと、入社後のギャップを防ぎやすくなります。

データアナリストからのキャリアパス

データアナリストを辞めた後、どんな働き方に移っているか。転職後の声と、転職活動に使いやすいエージェント・サイトをまとめます。

• 実際に辞めた人の今の働き方
• 「やめてよかった」と思うこと
• 転職を考えるべきタイミング
• 転職活動で使いやすいエージェント・サイト

でお伝えします。

実際に辞めた人の今の働き方

転職者20名に「今の働き方」を単一選択で聞きました。

データ系・技術職への移行が各6票で最多。マーケ・営業・企画等に移った人も4票います。データアナリストの経験は、他職種にも転用しやすい傾向です。

「やめてよかった」と思うこと

転職者20名に「やめてよかったと思うこと」を複数選択で聞きました。

技術キャッチアップ・地道作業・過度期待からの解放が上位でした。一方、「データで意思決定に貢献できるやりがいはあったが、その負担を考えるとやめて正解だった」と答えた人も2票います。

転職を考えるべきタイミング（適性不合・体調・環境のミスマッチ）

採用側20名に「会社としても『やめてよかった』と感じたケース」を複数選択で聞きました。

適性不合、体調、志向のズレ、技術キャッチアップの負担が挙がりました。自分に合わないと感じたら、我慢せず希望を伝えたり、転職を検討したりするのも選択肢です。

転職活動で使いやすいエージェント・サイト（採用側が実際に利用）

データアナリスト（データ分析職）採用を行う採用担当者への調査で、「採用で利用したことのある転職エージェント・サイト」を票数でまとめました。

転職エージェント

転職サイト

データアナリスト・データ分析職採用で実際に使われているエージェント・サイトです。複数登録して比較するのもよいでしょう。

「やめとけ」をどう受け止めるか（面接官からのアドバイス）

「やめとけ」という言葉にどう向き合えばよいか。採用担当者20名が志望者に伝えたいことをまとめました。

• 入社前に聞くべきポイントを押さえれば多くは回避できる
• 「やめとけ」と言う人の理由を分解して自分に当てはまるか確認
• 違うと感じたら我慢せず相談する

でお伝えします。

入社前に聞くべきポイントを押さえれば多くは回避できる（14票）

「データ環境・業務内訳・学習サポートなど、入社前に聞くべきポイントを押さえて会社を選べば、『やめとけ』の多くは回避できる」が14票で最多。本記事で紹介した面接質問を活用して、会社選びを丁寧にすることが大切です。

「やめとけ」と言う人の理由を分解して自分に当てはまるか確認（11票）

「まず『やめとけ』と言う人の辞めた理由を分解する。自分に当てはまりそうな理由か確認する」が11票。学習負荷、地道作業、過度期待、データ環境、継続学習など、どの理由が自分に当てはまりそうか、冷静に考えることが重要です。

違うと感じたら我慢せず相談する（7票）

「入社後に『違う』と感じたら、我慢せず希望や相談を伝える。辞めた人の多くはそれをしなかった」が7票。環境が合わないと感じたとき、まず社内で相談や希望を伝えることも選択肢です。

ちなみに、「業界の厳しさは事実だが、会社や配属次第で全然違う。うまくいく人も多い」と答えた採用官も6票いました。ネガティブ情報ばかりにとらわれず、自分に合う環境を探す視点も大切です。

よくある質問（Q&A）

ここからは、データアナリストについてよくある質問に回答します。

Q1. データアナリストは未経験でもなれますか？

A. はい、未経験でも採用している会社はあります。ただし、本調査では未経験入社者のうち、早期退職しやすい理由として「数学・統計・プログラミングの学習負荷を事前に理解しておらず、ついていけなくなった」（採用側12票）、「データ収集・クリーニング等の地道な作業の割合を想定しておらず、ギャップを感じた」（10票）、「研修が短く、一人で抱え込んでつぶれた」（8票）が多く挙がりました。未経験の場合は、研修・OJTの期間、メンターの有無、データ環境、学習サポートを面接で具体的に確認することをおすすめします。

Q2. データアナリストのきつい点は何ですか？

A. 本調査では、辞めた理由・きついと感じやすい環境として次の点が多く挙がりました。数学・統計・プログラミングの学習負荷と継続学習のプレッシャー（面接官15票、転職者14票で最多）、データ収集・クリーニングといった地道な作業のギャップ（12票・11票）、経営層の過度な期待（10票・9票）、データが整備されていない環境での消耗（9票・8票）など。会社やデータ環境によって負荷は異なるため、入社前に確認してください。

Q3. データアナリストに向いている人の特徴は？

A. 採用担当者20人が答えた「うまくいっている人の特徴」では、数字・データを扱うことが好きで仮説を立てることに喜びを感じる（15票）、新しいツール・手法を自ら学び続ける姿勢がありキャッチアップを苦にしない（12票）、分析結果を経営層や現場に伝え意思決定に貢献できることにやりがいを感じる（9票）が上位でした。地道な作業も丁寧に取り組める人、論理的思考力がある人、データが整備されていない環境でも提案できる人が向いているとされています。

Q4. 「やめとけ」と言われる理由は本当ですか？

A. 本調査の採用担当者・転職者の声では、学習負荷・地道作業・過度期待・データ環境・継続学習など、具体的な負担が票数で可視化されています。一方で、採用側の多くは「会社やデータ環境・サポート体制の差が大きい」「入社前の情報不足や期待値のミスマッチが原因」と指摘。入社前にデータ環境・業務内訳・研修体制・学習サポートなどを確認すれば、多くのギャップは回避できるとしています。

Q5. データアナリストから転職するのは不利ですか？

A. 不利ではありません。本調査で実際に辞めた20人の転職後の働き方では、データサイエンティスト・機械学習エンジニア等のデータ系（6票）、社内SE・開発・インフラ等の技術職（6票）、マーケ・営業・企画等（4票）、同業他社のデータアナリスト（2票）と、多様なキャリアに移っています。データ分析スキル・統計の経験・論理的思考力は他職種でも評価されやすく、転職後の解放感（技術キャッチアップ15票、地道作業10票等）を実感している人も多いです。

まとめ

データアナリストを検討するうえで、押さえておきたいポイントを3つにまとめます。

1. やめとけと言われる理由は「スキル負荷」「地道作業」「過度期待」が多く、会社選びで防げる

本調査では、数学・統計・プログラミングの学習負荷、地道な作業のギャップ、過度な期待、データ環境の悪さ、継続学習の疲弊が辞めた理由の上位でした。これらは、入社前にデータ環境・業務内訳・研修体制・学習サポートなどを確認することで、多くのギャップを防げると採用側も回答しています。

2. 向いている人・向いていない人の見極めをしてから決める

技術キャッチアップに耐えられなさそう、志望動機が曖昧、数学・統計・プログラミングへの興味が薄い、地道な作業を軽く見ている、伝える重要性を理解していないは、採用官が「やめた方がいいのでは」と感じやすいポイントです。一方、データを扱うことが好き、学び続ける姿勢がある、伝えることにやりがいを感じる人は向いているとされています。自分に当てはまるか、冷静に確認してみてください。

3. データ環境・業務内訳を入社前に確認することが重要

「データの整備状況」は採用側16票、転職者16票で両者最多。「実際の業務の内訳」も採用側12票、転職者10票で上位でした。データが複数システムに分散しているか、分析の割合はどれくらいか、定型レポートが中心かどうかを面接で具体的に聞いておくことをおすすめします。