求人票の肩書きは立派。でも入ってみたら「集計と資料づくりが9割」…
半年後にきちんと成果と成長が残る会社だけを見極めたい…！
本記事はデータ職（データサイエンティスト/アナリスト/MLエンジニア）志望の方向けに、求人票の“文章”から実務度を読み解くための実践ガイドです。
5観点×45項目のチェックリスト、スコアリング表、面談での定量質問テンプレ、レッド/グリーンフラグ集、オファー比較表まで、すべてコピペ活用OKでまとめました。
この記事でわかること
-
求人票の文章から“実務度”を数値化する方法
-
面談前に送れる 定量質問テンプレ（コピペ可）
-
入社後ミスマッチを避ける レッド/グリーンフラグ
-
年収・働き方・成長の3軸で比べる オファー比較表
まずは“落とし穴”を把握：求人票だけでは見抜けないポイント
経験上、入社後ミスマッチの多くは求人選びの初動で防げます。特に次の3点は文章から読み落としがち。
- 肩書きが豪華：役割は「分析/資料作成が9割」というケース
- モデルが飾り：精度の言及はあるが、導入/監視/意思決定が書かれていない
- 人と仕組みが薄い：レビュー/CI/テストが無く、属人化している
要件→データ→運用の3本線が求人票で一貫していれば“当たり”の可能性が高いです。
筆者の現場メモ
大手のデータ/マーケサイエンティストとして10年。採用側・伴走側の両面で見て、CV±stdやPRレビューの運用が語れる会社は、オンボーディングが短く成果も早い印象でした。
使い方ガイド：45項目チェックリスト（5観点）で“点数化”する
- 各項目を 0/1/2点 で採点（0: 無/弱い, 1: どちらとも, 2: 明確にある）。
- まずは60点以上を「応募優先」ラインの目安に。
1) 業務内容の粒度（要件→タスクの具体性）
- 課題定義がある（KPI/目的関数の言及）
- タスク分解（要件→ETL→分析/ML→可視化→施策）
- SQL/ETL比率 の明示（例：5割）
- 打ち手の運用（A/B、閾値、意思決定会）
- ノートだけでなくスクリプト運用がある
- 意思決定者との接点（事業/プロダクトMTG）
2) データ/基盤の成熟度
- DWH/データレイク（BigQuery/Redshift/Snowflake 等）
- メタデータ/データ辞書
- スキーマ管理（dbt/契約テスト）
- ETL/ELT自動化（Airflow/Composer 等）
- イベント計測の定義（コーホート等）
- Git必須（ブランチ運用がある）
3) 検証と運用の仕組み
- CV（交差検証）±std で評価
- 指標設計（PR-AUC/MAE/ROC 等）
- A/B運用（CI/検出力/実験設計）
- モデル監視（分布/性能ドリフト）
- CI＋テスト（pytest/契約テスト）
- デプロイ形態（バッチ/オンライン）と アラート/SLA
4) レビュー文化と人の厚み
- PRレビュー必須（差し戻し率などの運用指標あり）
- コード規約/リンター（flake8/black 等）
- デザインレビュー（図・レポート）
- MLOps/DEの専任 がいる
- メンター/上長の専門性（経歴/発信）
- 学習支援（書籍/カンファ/社内LT）
5) 裁量とキャリア動線
- 課題選定の裁量（提案→実行の余地）
- 職種横断（DA/DS/DEの協業・育成）
- 昇給/評価ロジック の明確化
- 在宅/フレックスの実運用
- 異動/役割拡張ルート
- 採用計画（一人目/チーム拡張）
ボーナス加点例：データカタログ/系統図、社外発表/技術ブログ、ダッシュボード定義書、A/Bレポート実例、失敗事例共有、採用課題の数字、30/60/90オンボーディング、poetry などの依存管理、データ品質SLA、権限設計、匿名化手順、BI運用、意思決定会の運用 など。
スコアリング表（コピペ用）
| 観点 | 主要項目 | 0 | 1 | 2 | 得点 |
|---|---|---|---|---|---|
| 業務内容 | 課題定義/タスク分解 | 無 | どちらとも | 明確にある | |
| データ基盤 | DWH/スキーマ管理 | 無 | 一部 | 明確に運用 | |
| 検証/運用 | CV±std/A/B/監視 | 無 | 案件次第 | ほぼ常時 | |
| レビュー | PR必須/差し戻し率 | 無 | チーム次第 | 明確に必須 | |
| キャリア | 在宅/裁量/評価 | 無 | 部署次第 | 運用で担保 | |
| 合計 |
使い方：気になる求人を3社並べて点数化 → 60点以上を第一候補に。
面談で使う「定量質問テンプレ」（そのまま送ってOK）
返答が数字で返ってくる会社は「仕組みが回っている」可能性が高いです。下記をそのまま送ってOK。
【要件/業務】
・直近6ヶ月で最も価値を生んだ意思決定は？使用指標と再現性（Git/CI）は？
・分析→意思決定→運用までの平均リードタイム（日数）は？
【データ/基盤】
・DWH/ETL/BIの構成（主要ツール）と、スキーマ変更時の契約テストは？
・データ品質SLA（遅延/欠損率）の目安は？
【検証/運用】
・CV設計（fold/±std）とA/Bの検出力の基準は？
・モデル監視の指標（ドリフト/閾値逸脱）は？
【レビュー/人】
・PR差し戻し率とレビュー平均所要時間は？
・メンター/上長の専門分野と30/60/90のオンボーディング計画は？
【働き方/キャリア】
・在宅/フレックスの実態（曜日固定/コアタイム/非同期SLA）は？レッドフラグ / グリーンフラグ
レッドフラグ（避けたい兆候）
- 「分析結果を上に渡すだけ」「資料作りが中心」
- 「Gitは使っていない」「Jupyterのみ」「テスト/CIなし」
- 「ABはやっていない」「評価は正解率（不均衡を無視）」
- 「一人目採用」なのに上長が非専門職
- データ遅延が常態化、データ辞書なし
グリーンフラグ（狙い目の兆候）
- CV±stdで語る、PR-AUC/MAEなど妥当な指標選定
- PR必須、差し戻し率を可視化
- 意思決定会で図3点＋結論1行
- オンボーディング30/60/90が明文化
最近のコメント