データエンジニア

別名:ビッグデータエンジニア

膨大なデータを分析するためにデータの整理や管理を行ったり、複雑で大規模なデータが活用できるよう情報基盤の構築や運用を行う。

タグの基準(job tag の就業者調査から、全職業の上位・下位20%などでrokudakaが判定)

年収の目安
610万円
2025年・平均より広い職種の数値
有効求人倍率
1.50倍
2025年平均より広い職種の数値
就業者数
207,400人
2020年より広い職種の数値

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」 / 厚生労働省「職業安定業務統計(一般職業紹介状況)」長期時系列表 第21表「有効求人倍率（パート含む常用）」(2023〜2025年) / 総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ)

計算年収の目安 = きまって支給する現金給与額(月額) × 12 + 年間賞与その他特別給与額。いずれも統計の平均値からrokudakaが計算。

数字で見るデータエンジニア

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」 / 厚生労働省「職業安定業務統計(一般職業紹介状況)」長期時系列表 第21表「有効求人倍率（パート含む常用）」(2023〜2025年) / 総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ) / 総務省統計局「国勢調査」2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」 / 総務省統計局「国勢調査」2020年 抽出詳細集計「男女，年齢（5歳階級），職業（小分類）別就業者数（15歳以上就業者）」 / 厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」スキル(2021年度、その職業に就いている人へのWebアンケート)

計算全職種の平均は、統計に全職種の合計がないため、「不詳」を除く144職種の年収の目安(月額×12+年間賞与、2025年)を労働者数で重み付けしてrokudakaが計算(男女別も同じ方法)。差が3%未満は「ほぼ同じ」。年齢別は推計労働者数1,000人以上の年齢階級だけで比べた。職業全体の有効求人倍率は統計の「職業計」(2025年平均)。差が0.1未満は「同じくらい」。働く人全体は国勢調査の「総数」(2020年)。増減率・女性の割合の差が5ポイント未満は「同じくらい」。年齢構成は、60歳以上・30歳未満の割合が全体より10ポイント以上多いときに記載。スキルは、全職業の平均との差が大きい順。近い職業は下の「スキルが近い職業」と同じ計算で、年収の目安がこの職業より高く、賃金の統計の区分が違うもの。

どんな仕事か

膨大なデータを分析するためにデータの整理や管理を行ったり、複雑で大規模なデータが活用できるよう情報基盤の構築や運用を行う。

情報化が進展した今日、膨大なデータ（ビッグデータ）が蓄積され、利用・活用されるようになっている。また、AI(人工知能)も様々な場面で応用が進んでいるが、その実用化のためには大量のデータが必要となる。このような膨大なデータのエキスパートと言えるエンジニアである。

データエンジニアに似た職業にデータサイエンティストがある。データサイエンティストがデータを分析し、新たな商品やサービスを生み出したり、業務プロセスを革新する知見を引き出すのに対し、データエンジニアはこのためのデータの収集、整理、管理、そして情報基盤の構築や運用を行う。

また、データエンジニアとは呼ばれていなかったが、システムエンジニアの中にはデータの収集と整理に関する開発、また、データを活用するための情報基盤の構築と運用を行う人も居り、この人達もデータエンジニアと同じような仕事をしていたといえる。そして、データエンジニアの中で分析に特化し、専門性を高めていきデータサイエンティストとなったり、機械学習に特化しAIエンジニアになっていく人もいる。データエンジニアとシステムエンジニア、データサイエンティスト、AIエンジニアの関係はこのように整理することができる。

データエンジニアの具体的な業務としては以下の３つがある。

第一に、データはそのままでは利用できないことが多く、欠損しているデータを補ったり、データの重複を整理したり、表記の揺れ（サーバーとサーバ、西暦と和暦、年齢区分、centerとcentre等々）などを統一する作業であり、分析できるようツールを使いデータを整理、加工する業務である（データの前処理）。また、このデータの整理、加工のためにプログラムを作成することもある。

第二に、データを収集し、蓄積し、利用できるような情報基盤を設計し、構築する業務である。具体的には、IoTなどにより集まってくる膨大なデータからデータベースを作成し、データサイエンティストやデータを分析する人が必要な形で取り出せるよう、情報インフラを開発する業務である。近年では、膨大なデータを廉価に効率的に格納し、利用するためにクラウドサービスを利用することが多い。この場合、データエンジニアはクラウド上にデータを蓄積し、利用する情報システムをクラウド上で開発、運用する。データをグラフ等で見やすく視覚化することもある。データサイエンティストの仕事と重なるが、データをビジネスにどう活かすかを検討することもある。

第三に、AI（人工知能）開発における「教師データ」の作成がある。AIに学習させるためには「教師データ」が必要であり、そのデータを作成する。データを整理し、データを整える業務である。このデータ整理のためにプログラムを作成することもある。AIを運用しその結果から、教師データを作り直すこともある。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

よく使う道具・機材・情報技術

2024年度時点の情報

収集・解析ツール（データ検索・収集するElasticsearch、グラフ化するKibana 、解析するBeats 、Logstashから構成されるElastic Stack）、統合開発環境（IDE:integrated development environment、Visual Studio、Eclipse、Xcode等）、クラウドデータストレッジ(AWS：Amazon Web Services、GCP：Google Cloud Platform等)、 ビッグデータの分散処理のためのHadoop、表計算ツール（Google Googleスプレッドシート等）、パソコン

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

主なタスク

job tagの就業者調査で重要度が高いとされたもの。実施率は、そのタスクを行っていると答えた人の割合です。

タスク実施率
データの加工、整理の方法について検討する。98%
データの重複を整理する。93%
データの背景となる業務知識を習得する。93%
データをグラフにする等視覚化する。86%
データの修正や復旧を行う。93%
プロジェクトの進捗を管理する。89%
データを加工するプログラムを作成する。96%
欠損しているデータを補う。93%

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」タスク(2022年度、その職業に就いている人へのWebアンケート)

計算重要度の高い順に最大8件を表示。

労働条件の特徴

情報システムの企画、構築、運用などの業務を一括して請け負う会社であるシステムインテグレーター（System Integrator、略してSIer）や中小のデータ分析の専門会社で働いている。このような企業は大学との共同研究等の関係もあり、大学のあるところに多い傾向がある。

基本的には自社で勤務し、作業自体はほぼPCだけでできることから、テレワークなど自宅で作業を行うこともできる。機密性が高い顧客データを扱う場合、厳密な入退室管理が行われている部屋（セキュリティ・ルーム）で作業を行う。また、顧客の拠点で作業を行うこともある。顧客との打合せ、結果報告等のため客先を訪問することもある。

この職業の就業者に関する統計等は無いが、前述のコミュニティの参加者等から日本で数万人居ると考えられる。この中には肩書はシステムエンジニアであるが、実質的にはデータエンジニアの仕事をしているという人も含まれる。フリーランスは少なく、会社の正社員として働いている人が大半である。このコミュニティの参加者から30歳代が多く、次いで40歳代が多い、男女の比率としては7:3から8:2程度と考えられる。

収入面や労働時間はシステムエンジニアとあまり変わらないが、ビッグデータの利用・活用が広がり、仕事が多くなっている反面、スキルの高い人材は少ないことから中途採用の人など高給の人もいる。

今日、産業、社会の広範なデジタル化、IoT(モノのインターネット)、デジタルトランスフォーメーション（DX）など、データ活用が益々、拡大している。AI開発に伴う仕事も多くなっている。一方、専門的な知識、高度なスキルを有する人材は不足しており、仕事には事欠かない状況が続くと考えられる。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

働く環境の特徴

job tag の就業者調査で、この職業の人が答えた「仕事の性質」です。全職業の平均と比べて、特に高い項目と低い項目を並べています。

全職業の平均より高い

全職業の平均より低い:立ち作業、歩行、走行、屋外作業

勤務のスケジュール:規則的 55%、不規則 40%、季節的 5%

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」仕事の性質(2023年度、その職業に就いている人へのWebアンケート)

計算「仕事の性質」は回答の平均(値はおおむね1〜5の範囲)で、棒の縦線はjob tagの全職業(518職業)の平均。平均との差が0.3以上の項目を、差の大きい順に高いもの最大6つ・低いもの最大3つ。勤務のスケジュールは回答者の割合。

一般的な就業形態

この職業の一般的な就業形態として、job tag の就業者調査で選ばれた割合です。複数回答のため、合計は100%を超えます。回答した人の数が少ない職業もあるため、目安として見てください。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」一般的な就業形態(2023年度、その職業に就いている人へのWebアンケート)

禄高(給与)

より広い職種の数値統計に「データエンジニア」だけの区分がないため、「その他の情報処理・通信技術者」全体の数値を表示しています。

この年収は、会社などに雇われて働く人の給与です。事業主(開業している人など)の収入は含まず、会社の役員も原則として含みません。

出典厚生労働省「賃金構造基本統計調査で使用されている主な用語の説明」 / 総務省統計局「国勢調査」2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」

計算割合は国勢調査の従業上の地位別の就業者数からrokudakaが計算。

精度の目安標準誤差率 4.08%(統計の全職種の中央値は2.04%)

標準誤差率は、調査の対象に選ばれた事業所によって平均がどのくらいぶれるかの目安です。小さいほど数字が安定しています。

出典厚生労働省「賃金構造基本統計調査」2025年 標準誤差率 誤差率表4「職種(小分類)別所定内給与額及び所定内給与額の標準誤差率(役職者を含む)」

計算誤差率は所定内給与額(残業代・賞与を除く月額、男女計)に対する統計の公表値。中央値は全職種の誤差率からrokudakaが計算。

年収の目安は610万円です (月々の給与41.6万円 × 12か月 + 賞与など111万円)。統計の全144職種の中で32番目に高い水準です。

平均年齢は42.2歳、平均勤続年数は12.1年です。年齢別では55～59歳が最も高く、778万円です。

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」 / 厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第5表「職種(小分類)、年齢階級別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算順位は、統計の全144職種(「不詳」を除く)を年収の目安で並べてrokudakaが計算。

年収の推移

2023年2024年2025年
558万円629万円610万円

出典厚生労働省「賃金構造基本統計調査」2023〜2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算各年の年収の目安(月額 × 12 + 年間賞与)。企業規模10人以上、男女計。

年齢別の年収

白抜きの点と破線は、推計労働者数が1,000人未満の区分です。 人数が少なく平均がぶれやすいため、参考値として見てください。 薄い棒(右の目盛り)は、賃金の統計の推計労働者数です。企業規模10人以上の会社などに雇われて働く人の数で、自営業の人や小さな会社で働く人を含まないため、下の「年齢別の就業者数」(国勢調査)とは対象が違います。

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第5表「職種(小分類)、年齢階級別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算年齢階級ごとの年収の目安(月額 × 12 + 年間賞与)と推計労働者数。企業規模10人以上、男女計。

男女別

男636万円
女509万円

女性の年収は男性の80%です。年齢構成や勤続年数の違いも含んだ差です。

企業規模別

1,000人以上639万円
100〜999人621万円
10〜99人523万円

企業規模による差は最大116万円です。

出典厚生労働省「賃金構造基本統計調査」2025年 一般労働者 職種 第1表「職種(小分類)、性別きまって支給する現金給与額、所定内給与額及び年間賞与その他特別給与額」

計算男女別は企業規模10人以上の計、企業規模別は男女計。いずれも年収の目安(月額 × 12 + 年間賞与)。

需要と将来性

より広い職種の数値求人倍率は「情報処理・通信技術者」全体の数値です。

2025年の有効求人倍率は1.50倍です。仕事を探している人1人に対して、1.5件の求人がある状態で、人手が足りない側に傾いています。2023年からの推移を見ると、大きくは変わっていません。

有効求人倍率の推移

ハローワークを通じた求人・求職の数から計算した値で、民間の求人サイトの求人は含みません(パートタイムを含む常用)。

出典厚生労働省「職業安定業務統計(一般職業紹介状況)」長期時系列表 第21表「有効求人倍率（パート含む常用）」(2023〜2025年)

計算各年の値は統計表の年平均(暦年)をそのまま表示。

就業者数の推移

より広い職種の数値就業者数は「その他の情報処理・通信技術者」全体の数値です。

2020年の就業者数は207,400人です(うち女性19%)。2010年と比べると+75%増えています。

国勢調査は5年ごとの調査です。会社員だけでなく、自営業や家族で営む仕事の人も含みます。 そのため、給与の統計(企業規模10人以上の会社などで働く人)とは対象が違います。

出典総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ)

計算調査票の一部を抽出して集計した推計値(10人単位)。増減率は2010年と2020年の値からrokudakaが計算。

年齢別の就業者数(2020年)

「その他の情報処理・通信技術者」全体の数値です。5歳ごとの年齢層では、40～44歳がいちばん多くなっています(70歳以上はまとめているため除く)。30歳未満は21%で、働く人全体(15%)より多くなっています。60歳以上は6%で、働く人全体(24%)より少なくなっています。

国勢調査の就業者数で、雇われて働く人のほか、自営業や家族で営む仕事の人も含みます。70歳以上はまとめています。

出典総務省統計局「国勢調査」2020年 抽出詳細集計「男女，年齢（5歳階級），職業（小分類）別就業者数（15歳以上就業者）」 / 総務省統計局「国勢調査」2010〜2020年 2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」(それ以前は同じ区分で集計された時系列データ)

計算年齢(5歳階級)の就業者数を、賃金の統計の年齢階級に合わせて「〜19歳」から「70歳〜」にまとめた。割合は5歳階級の合計に対する割合でrokudakaが計算。働く人全体は国勢調査の「総数」で、差が5ポイント未満は「同じくらい」。

働き方の内訳(2020年)

雇われて働く人(正社員・派遣・パートなど)95%197,530人
会社などの役員2%4,630人
事業主(人を雇っている)1%未満410人
事業主(一人で)(開業・フリーランスなど)2%4,250人
家族従業者・内職など1%未満80人
不詳1%未満500人

出典総務省統計局「国勢調査」2020年 抽出詳細集計「男女，従業上の地位，職業（小分類）別就業者数（15歳以上）」

計算割合は従業上の地位別の就業者数を総数で割ってrokudakaが計算。「家族従業者・内職など」は家族従業者と家庭内職者の合計。

必要なスキル・知識

全職業の平均と比べて特に求められるスキルは、プログラミング、設置と設定、故障等の原因特定です。 知識ではコンピュータと電子工学、通信技術、設計が特徴的です。

スキル(全職業の平均との差が大きい8項目)

知識(全職業の平均との差が大きい8項目)

水準はスキルが0〜7程度、知識が0〜5程度で、数字が大きいほどその仕事で高いレベルが求められることを表します。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」スキル(2021年度、その職業に就いている人へのWebアンケート) / 厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」知識(2023年度、その職業に就いている人へのWebアンケート)

計算「全職業の平均」は、job tagで数値のある全職業(最大518職業)の単純平均をrokudakaが計算。表示する8項目は、この職業の値と全職業の平均との差が大きい順。

なり方・学び方

新卒採用では理工系の大学、大学院の者が多いが、文系でも、心理学や経済学等データを扱っていたという卒業生も多い。高専や専門学校の情報系の卒業生もいる。システムエンジニアとして一括して新卒採用し、その中からデータエンジニアとして育てていく会社もある。

中途採用の場合、システムエンジニア等IT関係のエンジニアから転職という人が多い。また、金融、医療、製造、教育等、何らかの分野に詳しい業務知識を持っていると中途採用では有利となる。

資格関連では民間が運営する海外のものがあり(Google認定プロフェッショナルデータエンジニア等)、この認定を持っているとデータエンジニアのスキルがあると国の内外で評価される。

データエンジニアそのものの資格ではないが、情報処理振興機構（IPA）のデータベーススペシャリスト試験、システムアーキテクト試験などは関連する知識を持っている証明となる。

新卒採用の場合、入社後、社内で必要に応じて、基礎スキルの研修（プログラミング、数学、データ分析、データベース、分散処理、機械学習、AI等）、業務知識の習得（データの背景を把握するための顧客の業務の理解等）、プロジェクトのマネジメント（チーム管理やアジャイル開発）等の研修を行う会社が多い。開発のスピードアップが求められる今日、以前のウォーターフォール型でない、アジャイル開発のスキルが求められている。

このような研修を受け、その後は社内でプロジェクトに参加し、仕事をしながら、また、関連するKaggle等のコミュニティに参加し、力をつけていく。KaggleとはそのトップページにYour Machine Learning and Data Science Communityとあるように、世界中の機械学習とデータサイエンスに携わる数十万人が集まるコミュニティである。

この後のキャリアとしてはプロジェクトのマネジメントをし、さらにグループのマネジメントをするようになるというように管理職的なキャリアを歩む人と、専門性を高めエキスパートになっていく人がいる。専門性を高め、データサイエンティストやAIエンジニアになる人もいる。

データエンジニアに必要なスキルとしては、微分積分、線形代数、確率統計などの数学のスキル、Python 、Scala（スカラ）、Java、Rなどのプログラミングのスキル、ビッグデータ分析のための環境をアマゾン、グーグルなどのクラウド上で設計、構築し、運用するスキルが求められる。また、Hadoopなどによる大規模なデータを分散処理する知識などが求められる。そしてAI開発が盛んな今日、機械学習の知識が求められることも多い。また、データを扱う上では対象分野の業務知識が非常に重要である。業務知識が無ければ、どのようなデータでどのように処理すれば良いかが分からない。技術動向や社会、経済の動きを把握していることも必要である。

収集・解析に必要なプログラム作成に生成AIを活用することも多くなっており、生成AIで仮のものを作り、修正、加筆したり、作動確認し、利用する。

膨大で複雑なデータを丹念に処理していく必要があることから、根気があり、粘り強いことが求められる。データの分析では自分の思い込みがないか、自分の考えを客観的にとらえられることも必要である。技術や分析に対する好奇心、新しい手法を積極的に取り入れるチャレンジ精神も求められる。

関連する資格

資格の詳細ページでは、受験資格・受験料などを試験の実施団体などの公式情報をもとに、出典と確認日つきでまとめています。講座の情報は準備中です。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 解説系ダウンロードデータ ver.7.01」(2024年度更新)

スキルが近い職業

スキル・知識の傾向が似ている職業です。必要なスキルの重なりが大きいほど、転職のときに経験を活かしやすいと考えられます。

出典厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」スキル(2021年度、その職業に就いている人へのWebアンケート) / 厚生労働省 職業情報提供サイト(job tag)「職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00」知識(2023年度、その職業に就いている人へのWebアンケート)

計算スキル39項目・知識33項目の水準を、job tagの全職業の中での位置(標準化した値)に直し、職業ごとの全体の高さの差を除いてから傾向の近さ(コサイン類似度)をrokudakaが計算。このサイトに掲載している職業の中から近い順に5件。

データエンジニアと、ほかの職業をくらべる →

出典と注意

使っている統計について

賃金構造基本統計調査(e-Stat)
厚生労働省が毎年行う基幹統計(統計法で特に重要と定められた統計)です。 事業所が、働いている人ごとの給与を記入する調査で、職種・年齢・企業規模などの区分ごとの給与がわかる国の代表的な賃金統計です。 このサイトの数値の範囲は一般労働者(短時間労働者を除く)、企業規模10人以上です。
職業安定業務統計(一般職業紹介状況)(e-Stat)
厚生労働省が、全国のハローワークで受け付けた求人と求職の数を集計した業務統計です。 民間の求人サイトや人材紹介会社の求人は含みません。
国勢調査(e-Stat)
「国勢調査は、日本に住んでいるすべての人及び世帯を対象とする国の最も重要な統計調査で、国内の人口や世帯の実態を明らかにするため、5年ごとに行われます。」 (総務省統計局「令和2年国勢調査に関するQ&A」問1-1) 職業別の就業者数は、調査票の一部を抽出して集計した推計値です(抽出詳細集計)。 範囲は15歳以上の就業者(雇用者のほか、自営業主・家族従業者などを含む)です。
厚生労働省 職業情報提供サイト(job tag)(ダウンロードページ)
厚生労働省の職業情報サイトです。スキル・知識・タスクの数値は、独立行政法人労働政策研究・研修機構(JILPT)がその職業に就いている人へのアンケートで集めたものです。

データの対応関係

数字の見方

数字の計算方法や読み方は「統計の読み方」にまとめています。

独立行政法人労働政策研究・研修機構(JILPT)作成『職業情報データベース 簡易版数値系ダウンロードデータ ver.7.00』職業情報提供サイト(job tag)より2026年10月30日にダウンロード(https://shigoto.mhlw.go.jp/User/download)、『職業情報データベース 解説系ダウンロードデータ ver.7.01』職業情報提供サイト(job tag)より2026年10月30日にダウンロード(https://shigoto.mhlw.go.jp/User/download)を加工して作成