データアナリスト『潮目が変わった』vs『全業界で需要爆増』—2026年6月の二分言説を3仮説×4層因果で読み解く

『潮目が変わった』と『全業界で需要爆増』の二分言説のどちら側にあなたがいるか、4レイヤーの自己診断で3分で分かります。

2026年6月、夜中にスマホでXを開く。タイムラインの上には現役データサイエンティスト・タランチュラ氏（@tarantula_ds_）の「正直、潮目が変わりました」が流れ、スクロールしたほんの数センチ下に2026年版業界Tier表が「Tier D：神業界データアナリスト全業界で需要爆増」と並んでいる。検索バーに「データアナリスト潮目」「データアナリスト需要爆増」と打ち込んで両方の言説を読み比べ、頭の中が散らかったまま朝になる——本記事はその夜にたどり着いたあなたへ書く。結論から言えば、両方とも本当だ。指している層が違うだけで、あなた自身が「いまどのレイヤーで仕事をしているか」によって世界線が分岐している。

ちょっと厳しいこと言います。正直、潮目が変わりました。データ系/AIの『仕事像』は今、かなり動いています。これまではデータアナリスト/データサイエンティストがビッグデータを統計/機械学習で分析が主流でしたが、それは生成AIにほぼ代替可能になりつつある。 — Xユーザー（データサイエンティスト）2025年9月

タランチュラ氏のこの投稿は、2025年9月から2026年6月にかけてデータ職コミュニティで何度も引用された警鐘だ。一方で、ほぼ同時期の2026年5月、転職市場の発信者によって以下のような言説が同時に流通している。

【2026年最新】転職で年収が変わる業界Tier表（2026年版）Tier D：神業界（今から入るべき）・AI・機械学習（需要が供給を圧倒的に上回る）・クラウドインフラ・サイバーセキュリティ・データアナリスト（全業界で需要爆増） — Xユーザー（転職情報発信者・2026年Tier表）2026年5月

2人とも嘘をついていない。ただし、両者は同じ「データアナリスト」という単語を、完全に違う中身として使っている。本記事は、2つの言説を3仮説×4層因果マトリクスに分解し、あなた自身の現在地を特定し、今週金曜までに動かす5日プランへ落とし込むまでを一気通貫で書く。

キャリアの根本的な再設計まで含めて整理したい人は、まず比較から → キャリアコーチング5社比較｜AI時代の選び方2026で、ポジウィル／マジキャリ／キャリアアップ等の特徴を30秒で確認できる。

Aidemy Premium公式サイトで無料相談する（※ASP連携準備中・現状は公式LP直リンク）

「潮目が変わった」と「需要爆増」が同じ月に並走する理由

まず、2つの言説が指している「データアナリスト」を比較表で分解する。下表のとおり、両者は同じ職種名でほぼ別の仕事を語っている。

観点	タランチュラ氏『潮目が変わった』が指す層	2026年版Tier表『需要爆増』が指す層
主な業務	SQLでデータ抽出／BIダッシュボード作成／統計モデルでの分析実行	事業課題の分解／指標設計／施策ROI評価／意思決定駆動
必要スキルの中心	SQL／Python／統計／機械学習モデル構築	ビジネス理解／仮説設計／ステークホルダー巻き込み／AI×データ統治
AIによる影響	表層タスクは生成AI＋分析エージェントで圧縮可能	抽象化された判断と責任が増え、需要は逆に拡大
年収レンジ目安	480〜620万円（停滞〜微減傾向）	680〜1,000万円超（拡大傾向）

経済産業省『デジタル人材政策の在り方（2026年3月改訂版）』では、2040年に向けてAI人材339万人不足／事務系職種440万人余剰という二極化が試算されている（経産省 2026/3改訂版概要資料を参照）。データアナリスト職はこの二極化の境界線上に位置し、L1表層タスク偏重なら事務側へ、L3事業価値レイヤーへ寄せられればAI人材側へ、それぞれ反対方向に引っ張られる。「潮目変わった」と「需要爆増」が同時に成立する理由はここにある。

WEF『Future of Jobs Report 2025／2030見通し』も、コアスキルの36-44%が2030年までに陳腐化すると推計しており、データ職に求められるスキルの中身が今後5年で大きく入れ替わる前提は国際的にも一致している。Anthropicの『Economic Index Q1 2026』もタスク単位の自動化率データを公開しており、データ集計・整形・既知パターンの抽出といったタスクは自動化親和性が高い区分にあるとされている（Anthropic Economic Index を参照）。

DMM 生成AI CAMP メインLP（汎用）

3仮説×4層因果マトリクスでデータアナリスト職を分解する

ここからが本記事の独自フレームだ。2026年6月時点の二分言説は、以下の3仮説×4層因果マトリクスで構造的に整理できる。

3つの仮説:

仮説A 代替仮説（潮目が変わった側）: データアナリストの主要タスクは生成AIで代替され、職そのものが縮小していく
仮説B 拡張仮説（需要爆増側）: AI×データ活用の進展で逆にデータアナリスト需要は全業界で拡大していく
仮説C 二分仮説（本記事の主張）: 同じ職種名のなかで、レイヤー別に代替と拡張が同時並走し、レイヤー次第で世界線が分かれていく

4層の因果レイヤー:

レイヤー	主な仕事内容	仮説Aの世界線	仮説B／Cの世界線
L1 分析実行レイヤー	SQL叩き／BI集計／レポート作成／既知統計手法の適用	生成AI＋分析エージェントで70-90%圧縮。専任ポジションは縮小	圧縮されたぶん他レイヤーに時間を回す前提で吸収
L2 設計レイヤー	指標定義／実験設計（ABテスト等）／データモデル整備	AI支援で半分の時間で同等のアウトプット	AI活用度の高いチームでは設計レイヤーの担い手の希少性が上昇
L3 事業価値レイヤー	経営課題の分解／施策のROI設計／意思決定の駆動／プロダクト戦略	この層には生成AIが入りにくく代替されない	この層に立てる人の年収レンジは680〜1,000万円超へ拡大
L4 組織変革レイヤー	データ統治／AIガバナンス／全社AI×データ戦略／DX文化醸成	全社課題化が進み、専任ポストが新設される動きが2026年に顕著	CDO／Head of Data／Chief AI Officer等の新設で需要が一段と拡大

このマトリクスを当てはめると、タランチュラ氏が言っている「潮目が変わった」はL1中心の世界線、2026年Tier表が言っている「需要爆増」はL3〜L4中心の世界線、と整理できる。両者は別のレイヤーを見て同じ職種名を語っているだけで、矛盾しているわけではない。

サイバーエージェント公式アカウントの2026年2月時点の発信も、この二分仮説と整合している。

生成AIの実装が急速に進む中、データサイエンティスト・機械学習エンジニアに求められる役割も『モデル構築・分析』から『事業価値の設計・評価』へと拡大しつつあります。 — CyberAgentDevelopers（公式）2026年2月

公式アカウントの言葉で言えば、「モデル構築・分析（L1）」が縮小し、「事業価値の設計・評価（L3）」へ役割が拡大している、ということになる。これは仮説C 二分仮説の典型的な表現だ。

DMM 生成AI CAMP 生成AIエンジニアコース

あなたはどのレイヤーにいるか——3層自己診断

ここで一度、自分自身の現在地に降りる。直近6ヶ月の業務時間を以下の4レイヤーに割り振ってみてほしい（合計100%）。

L1 分析実行レイヤー（SQL／BI／レポート／既知統計手法の適用）: 　　%
L2 設計レイヤー（指標定義／実験設計／データモデル整備）: 　　%
L3 事業価値レイヤー（事業課題分解／ROI設計／意思決定駆動）: 　　%
L4 組織変革レイヤー（データ統治／AIガバナンス／DX戦略）: 　　%

判定の目安:

あなたの内訳	現在のポジション	想定される今後3年
L1: 60%以上	仮説A『潮目変わった』側	表層タスク圧縮で工数余剰化。L2／L3への移行が必要
L1 30〜60%／L2 30%以上	中間地帯（最も人数が多い）	5日プランの効果が最も大きい層。L2強化→L3染み出しが王道
L3 30%以上	仮説B『需要爆増』側	年収拡大の波に乗りやすい。L4への染み出しで天井がさらに上がる
L4 20%以上	CDO／Head of Data候補	1,000万円超レンジ。社外オプションも豊富

タランチュラ氏の警鐘が刺さるのはL1が60%以上を占める層だ。生成AI＋分析エージェントの組合せで作業時間が70-90%圧縮できるとされている領域がこのL1で、ここに留まっていると工数余剰化→ポジション再編→キャリアの停滞へ進む確率が高い。

逆に、Tier表の「需要爆増」に素直に乗れるのはL3レイヤーに30%以上を割けている人だ。経済産業省や経団連が言う「DX人材」「AI人材」の中身はほぼここを指している。年収レンジは680〜880万円帯が中心で、SaaSのプロダクトアナリストやコンサルのデータドリブン提案職では1,000万円超も射程に入る。

ここで重要なのは、ほとんどの読者は中間地帯にいるということだ。本記事の核心は、この中間地帯にいる人が今週からL2の比率を上げ、L3に染み出していくための具体的な歩幅を示すことにある。

Aidemy Premium公式サイトで無料相談する（※ASP連携準備中・現状は公式LP直リンク）

「潮目変わった」側になりやすい人／「需要爆増」側に乗れる人

それぞれの世界線に進みやすい人の特徴を、現場経験者の言葉と一緒に整理しておく。

「需要爆増」側に乗れる人の共通項として、現役データサイエンティスト／Chief AI Officerの言葉が分かりやすい。

AI活用を中期的に考えた時に絶対に避けるべきなのが『データの散在』であるのは間違いなくて、とにかくなるべくツールを集約させることが大事。企業でのAI活用は『いかに業務データをAIに参照させるかどうか』ってのがキーポイントになってくる。 — Xユーザー（データサイエンティスト・キャリア発信者）2026年2月

この発言が示しているのは、L3〜L4で仕事をしている人の目線だ。「データ統治を全社視点で設計する」「業務データをAIに参照させる仕組みを描く」という思考は、L1のSQLを書く時間からは生まれない。一方、L1中心のキャリアを続けてきた人ほど、自分の主戦場であるツール選定／ダッシュボード設計の話に視野が留まりやすい。

「潮目変わった」側になりやすい人の特徴は逆向きに整理できる。

直近2年でAI×データ統治／指標設計／事業価値貢献の経験が増えていない
上司からの依頼が「◯◯のSQL書いて」「△△の集計お願い」が中心で、自分から問いを立てる機会が減っている
社内のAI活用議論に呼ばれず、結果だけ「これでお願い」と渡される
過去半年の評価面談で、新規施策の起案やROI設計について言及されていない

これらに3つ以上当てはまる場合、レイヤー比率を意識的に変えにいかない限り、3年で工数余剰化に巻き込まれるリスクが高い。

逆に「需要爆増」側に乗れる人は、以下の習慣を持っている。

月1回以上、自分から新しい仮説や指標を起案している
上司やPMに「次の3ヶ月でこの指標を見直したい」と相談を持ち込んでいる
業務以外で、AIガバナンス／LLM評価／データ統治の社外勉強会・公開資料を月1本以上読んでいる
過去半年の異動や昇格の打診で、L3／L4寄りの役割を提示されている

DMM 生成AI CAMP メインLP（汎用）

「需要爆増」側に乗れる人にも例外はあって、データチームの中核としてL4を任されている人ほど、L1の現場感覚を維持できないと指示が空回りする、というジレンマがある。L1の地肩を残したまま、時間配分だけL2〜L3へシフトしていく戦略が最も再現性が高い。

今週から動かす5日プラン＋教育訓練給付金活用

ここからは、月曜朝のあなたが今週金曜までに動かす5日プランに振り切る。マトリクスを使った分析を「読んで終わり」にしないために、各日を所要10〜90分のミニ行動だけで構成している。

月曜（30分）スタックの棚卸し: 直近6ヶ月で自分が使ったツール・データソース・分析手法を1ページに棚卸しする。SQL／BIツール／統計／機械学習／生成AIのうち、生成AI（ChatGPT・Claude・分析エージェント等）を実務で使った時間を別枠で記録しておく。これだけで「現状どのレイヤーに時間を割いているか」が可視化される。

火曜（60分）過去3案件のレイヤー自己診断: 直近の自分の3案件について、Part 3の4レイヤーに業務時間を割り振る。Excelやスプレッドシートに案件名×レイヤー×時間で表を作る。月曜の棚卸しと突き合わせて、L1偏重ならL2／L3で何が空席だったかをメモする。

水曜（15分）上司／PMと15分対話: 「直近の◯◯案件、L1作業時間を生成AIで圧縮できそうなんですが、その分浮いた時間で△△の指標設計に踏み込んでよいか、優先順位を相談したい」と切り出す。重い評価面談に膨らませず、来週の小さな1歩への同意だけ取る。

木曜（45分）教育訓練給付金対象講座の受講判定: ハローワークまたは厚労省の「教育訓練給付制度検索システム」で、自分の自治体／雇用保険被保険者期間で対象になる講座を確認する。専門実践教育訓練給付の場合、受講費用の最大70-80%（2026年6月末までの拡充期限あり）が給付される。AI／データサイエンス分野ではAidemy Premium、DMM 生成AI CAMP、SHIFT AI等が候補に上がる。2025年10月開始の教育訓練休暇給付金（賃金80%／最大150日）の社内適用可否も、就業規則と人事に確認しておく。

今後データ系いくならSQLを理解しないと、データを正しく取得・認識できないので正確性が担保できない。 — Xユーザー（データエンジニア・メガベンチャー）2026年5月

メガベンチャーのデータエンジニアの指摘どおり、L2／L3へ染み出す前提でもL1の地肩は維持する。生成AIで圧縮するのは「時間」であって「理解」ではない。木曜の講座選びでは「SQL／Pythonの実装力」「指標設計／実験設計の理論」「ビジネス文脈の言語化」の3要素のバランスを意識する。

金曜（90分）3ヶ月学習計画＋転職市場確認: 月〜木の結果を踏まえて、次の3ヶ月で何を学ぶか、社内でどんな案件に手を挙げるかを1ページにまとめる。並行して、dodaやリクルートエージェントのデータ職種専門アドバイザーに登録し、現在のレンジと「L3レイヤー寄り求人」のレンジを確認する。今すぐ転職する／しないに関わらず、自分の市場価値が「潮目変わった側」「需要爆増側」のどちらに位置するかを外側から見ておく。

dodaの無料登録でデータアナリスト求人のL3レイヤーレンジを確認する

教育訓練給付金は、自分の住む自治体や直近の雇用保険被保険者期間によって対象講座と給付率が変わる。70-80%給付のラインが取れる講座と、一般教育訓練（20%給付）止まりの講座では負担額が大きく違うため、木曜のステップで複数候補を並べて比較しておくのが効率的だ。Aidemy Premium、DMM 生成AI CAMP エンジニアコース、SHIFT AIなどはいずれも厚労省指定講座にエントリーされているが、開講時期や受講形式によって対象可否が変動するため、最新情報は無料相談で確認する。

転職活動で『とりあえずエージェントに登録』する人は多いけど、登録前にやるべきことがある。自分の強み・やりたいこと・譲れない条件を整理しておくこと。これをせずにエージェントと会うと、相手都合の求人を紹介されるだけ。主導権は自分で握るのが鉄則。 — Xユーザー（データアナリスト・IT転職発信者）2026年5月

金曜の3ヶ月計画と転職市場確認は、まさにこの「登録前の自己整理」をパッケージ化したものだ。

32歳鈴木さんならどう選ぶか——シミュレーション

抽象論で終わらせないために、首都圏SaaS企業のデータアナリスト3年目・32歳・年収620万円・共働き／0歳児ありの鈴木さんを想定して、5日プラン後の意思決定をシミュレーションする。

月曜の棚卸し結果: 直近6ヶ月の作業時間配分が、L1 65%（SQL・BI・レポート）／L2 25%（ABテスト設計）／L3 10%（プロダクトチームへの示唆出し）／L4 0%。生成AI活用は週2-3時間程度。

火曜の案件レイヤー診断: 直近3案件のうち、2件はL1集計依頼、1件はL2のABテスト設計込み。L3は単発の壁打ち程度で、定常的な業務には組み込めていない。

水曜のPM対話: PMに「次の機能リリース、ABテストの指標設計を私が起案してよいか」を提案。重い議論には膨らませず、「来月の◯◯機能リリースで試してみる」というスモールな合意を取る。

木曜の講座判定: 雇用保険被保険者期間3年で専門実践教育訓練の対象。Aidemy Premium AIアプリ開発講座（最大70%給付・自己負担約20万円台）と、SHIFT AI ビジネス活用プログラム（AI×事業価値レイヤー寄り）の2候補を比較。鈴木さんはL3寄せが目標なので、SHIFT AIに無料相談を入れる方向で仮決め。

金曜の3ヶ月計画: 「L2の比率を25%→40%／L3を10%→20%へ引き上げる」「ABテスト設計を社内勉強会で1本発表する」「金曜の業務後にdodaの無料登録で市場感を確認する」の3本立て。同時に、3年後にL3／L4寄り職種（プロダクトアナリスト、データ部門マネージャー）でのキャリアを描けるか、コーチングで1度言語化したい、という宿題が残る。

鈴木さんのように「中間地帯でL3寄せを狙う層」は、現職継続＋社内昇格、SaaS／コンサルへの転職、独立コンサルの3分岐があり得る。どれを選ぶにせよ、金曜の1on1直後にキャリア軸を1度言語化しておくと、3ヶ月後の判断が変わる。

コーチング選びに迷ったら、まず比較から → キャリアコーチング5社比較｜AI時代の選び方2026で、ポジウィル／マジキャリ／キャリアアップ等の特徴を30秒チェック。

『潮目変わった側か需要爆増側か』を3年間決められないでいる人へ

5日プランで現在地は見える。でも『社内昇格／転職／独立』の意思決定は、自分のキャリア軸を1度言語化していないと毎年同じ場所で迷う。求人紹介を一切しないフラットな立場だから、結論Aも結論Bも自由に選べる。20-30代相談実績No.1・累計2.5万人実績。

無料 45分オンライン完結求人紹介なし

無料カウンセリングを予約する →

まとめ——「潮目」と「需要爆増」の二分言説に、自分の解像度で答える

2026年6月のXタイムラインで二分言説に振り回される必要はもうない。両者は別レイヤーを見て同じ職種名を語っているだけで、あなた自身が「いまどのレイヤーで仕事をしているか」を1ページで可視化すれば、自分の世界線は決まる。

L1偏重なら「潮目変わった」側。今週から教育訓練給付金対象講座でL2／L3への染み出しを始める
中間地帯（最多層）なら、5日プランの効果が最も大きい。水曜のPM対話で来週の小さな1歩を取りに行く
L3／L4比率が高いなら、すでに「需要爆増」側に乗っている。社内昇格交渉と社外オプション（doda・リクルートエージェント・ポジウィル等）の両輪で年収レンジを最大化する

タランチュラ氏の警鐘も、2026年Tier表の需要爆増コメントも、どちらかが嘘というわけではない。あなたの解像度が上がれば、二分言説は両立する説明可能な構造に変わる。

あなたの場合は？

職種・年齢・現在のレイヤー比率・家族の状況によって、5日プラン後の3分岐（社内昇格／転職／独立）の最適解は変わります。3分の診断で、あなた自身の二分言説マップを描き、来週月曜に動ける1歩を提示します。

→ あなた専用の診断を受ける

生成AI時代の『仕事がふえる職種』ガイド2026 — データ職以外も含めた『需要爆増』側ポジションの全体像
AIで仕事がなくなる職種一覧2026 — 同じフレームで他職種のレイヤー分解を見る
データ入力職はAIでなくなるのか — L1代替が最も先行する隣接職種の事例

データアナリスト／データサイエンティストの業務AIリスクマップ — 消える・変わる・残る業務の分類

💰 データアナリスト／データサイエンティストの年収データ（2026年最新）

現在の年収帯

約540万円（データアナリスト中央値・doda職種別年収レポート2025／パーソルキャリア）

AIスキル取得後

約680〜880万円（AI×事業価値レイヤーまでカバーできる人材）

AIスキルプレミアム +140〜340万円（社内昇格時）／+200〜500万円（事業会社・SaaS／コンサルへ転職時）

出典: doda職種別年収レポート2025・経済産業省『AI人材339万人不足／事務職440万余剰』(2026/3改訂)・編集部整理

データアナリスト／データサイエンティストとAIに関するよくある質問

Q1 現役データサイエンティストの『潮目が変わった』投稿と、転職市場の『Tier D 全業界で需要爆増』はどちらが本当ですか？

両方とも本当です。指している層が違うだけ、というのが結論です。タランチュラ氏（@tarantula_ds_）の指摘は『ビッグデータを統計／機械学習で分析する作業そのもの』が生成AIで置き換わりつつあるという、L1表層タスクの代替が確実に進む話で、これは2025年9月から2026年6月にかけて現場感覚で正しい方向です。一方の2026年版Tier表が示す『データアナリスト全業界で需要爆増』は、L3事業価値レイヤー（経営課題を分解し、データで意思決定を駆動できる人）への需要が業界横断で拡大しているという話で、これも同時に正しい。本記事の3仮説×4層因果マトリクスは、両者がなぜ並走するのかを構造的に説明します。

Q2 自分が『潮目変わった』側か『需要爆増』側か、どこで判断すればよいですか？

直近6ヶ月の自分の業務時間を、Part 3の4レイヤーに割り振ってみてください。L1（SQL叩き／BIダッシュボード作成／Excel整形）に60%以上を割いているなら『潮目変わった』側に近い位置にいます。L3（事業課題の分解／指標定義／施策ROI設計／経営層への提案）に30%以上を割けているなら『需要爆増』側に乗っています。L2が主戦場ならどちらにも振れる中間地帯で、ここに今いる人は本記事の5日プランの効果が最も大きい層です。

Q3 教育訓練給付金は、データアナリスト向けの講座でも使えますか？

使えます。専門実践教育訓練給付金は雇用保険被保険者期間が条件を満たせば受講費用の最大70-80%（2026年6月末までの拡充期限あり）が給付されます。AI／データサイエンス分野の厚労省指定講座は複数あり、Aidemy Premium、DMM 生成AI CAMP エンジニアコース、SHIFT AI等の主要スクールの多くがこの対象です。2025年10月開始の教育訓練休暇給付金（賃金80%／最大150日）と組み合わせれば、所得を補填しながら学ぶ設計も可能です。Part 5の5日プラン木曜のステップで、自分の自治体の対象講座と給付率を確認します。

Q4 30代でデータアナリストから別職へ転職するなら何を考えればよいですか？

本記事の枠組みで言えば、L3事業価値レイヤーまで持ち上げてから動くか、職種そのものを変えるかの2択です。L3を経験できる環境（事業会社のデータ部門、コンサル、SaaSのプロダクトアナリストなど）に移れば年収レンジは680〜880万円帯、ハイクラスでは1000万円超も視野に入ります。一方で『どうしても分析業務そのものから離れたい』場合は、データ理解を土台にしたBizDev／PdM／DXコンサルへの転換が現実的で、こちらは500〜750万円帯が一般的です。dodaの職種別年収レポートやリクルートエージェントのデータ職種専門アドバイザーで、自分の現在地と転職レンジを把握しておくと交渉が変わります。

Q5 Part 5の5日プランで一番つまずきやすいのはどの日ですか？

水曜の『上司／PMと15分対話』です。『AI時代のデータアナリストの役割を再定義したい』と切り出すと、評価面談的な重たい話に膨らみやすく、5日プランの軽さを壊します。あくまで15分の業務相談として『直近の◯◯案件、L1作業時間を生成AIで圧縮できそうなんですが、その分浮いた時間で△△の指標設計に踏み込んでよいか、優先順位を相談したい』という具体的な小さな提案に絞ります。1回で全部合意しに行く必要はなく、来週の小さな1歩への同意だけ取れれば十分です。