キャリアチェンジ/転職 スクール比較/レビュー 副業で稼ぐ

【保存版】受講費の投資回収シミュレーション:年収・副業収益で考える

「このスクール、高い?それとも安い?」

結論:「高いか安いか」は“値札”ではなく回収できるかで決める。

本記事は、受講費を年収アップ副業収益の両輪で回収するための「キャッシュフロー・テンプレ」を配布します。
指標は回収月数(Payback)損益分岐(Break-even)期待値(EV)NPV感度分析の5つ。
この記事の手順どおりに数字を入れるだけで、30分で計算→意思決定まで到達できます。

この記事で身に付く力

  • 受講費の回収を式と表で可視化できる

  • 成功確率を織り込んだ“期待値(EV)”で意思決定できる

  • 単価×稼働などのレバーで、損益を設計・改善できる

所要時間の目安:数字を入れるだけで30分で計算〜意思決定まで到達できます。

関連記事:
>>【2025年保存版】Pythonスクール比較完全ガイド|目的別・価格・期間で徹底比較
>>【2025年保存版】データサイエンスコース比較表:料金・期間・学べる内容完全ガイド
>>【保存版】AIエンジニア向けPythonコース比較:機械学習・DL・MLOps完全ガイド
>>【2025年版】未経験向けスクールのサポート徹底比較
>>継続できるプログラミングスクールの選び方|7モジュールで伴走力を点検
>>【保存版】転職保証/返金制度の有無まとめ:注意点と使い方|“規約の読み解き×交渉テンプレ”で損しない申込術
>>【保存版】主婦/夫に優しいスクール比較:時間帯・オンライン完結性 | 家事・育児と“両立”で選ぶ完全ガイド
>>未経験からデータサイエンティストへ:6ヶ月ロードマップ【現役が解説】

まずは判断フレーム:値札ではなく、キャッシュフロー

「33万円は高い?安い?」では議論が止まりがち。
そこで、いつ・どのくらいの確度で回収できるかを先に決めます。
以下の5指標を揃えると、迷いがスッと消えます。
1.回収月数(Payback)
2.損益分岐(Break-even)
3.期待値(EV)
4.NPV(正味現在価値)
5.感度分析(Sensitivity)

ポイント:副業と転職は併用してOK。
月次の“増分キャッシュ”を合算し、そこに成功確率を掛けて“現実的な見込み値(EV)”で判断します。

回収を“式と表”で決める:5つの指標

定義(コピペOK)

  1. 回収月数(Payback)回収月数 = 受講費 / 月次増分キャッシュ。月次増分の例:
    ・転職:(新年収 − 現年収) / 12 × (1 − 税・社保率)
    ・副業:(月売上 − 変動費 − 自己工数コスト) 
  2. 損益分岐(Break-even)必要時給 = 受講費 / (予定稼働時間合計)
    (例:6ヶ月×月30h=180hなら時給5,000円で回収=90万円相当)。
  3. 期待値(EV)EV = 成功確率 × 年間増分 − (1 − 成功確率) × 追加コスト(成功確率は保守的に)。
  4. NPV(正味現在価値)NPV = Σ ΔCF_t / (1+r)^t − 受講費(割引率は年4%→月0.33%など)。
  5. 感度分析:成功確率/単価/稼働/内定時期/税率で±10%の揺れを検証。

Excel/スプレッドシート雛形(貼るだけ)

下の表をそのままスプレッドシートに貼り、値を自分用に更新してください。

変数 説明
受講費(税込) 330,000 例:33万円
学習期間(月) 3 例:3ヶ月
転職:新年収 5,500,000 内定見込み年収
転職:現年収 4,600,000 現在年収
税・社保率 0.22 手取り換算(概算)
転職成功確率 0.5 保守的に0.5
副業:月売上 60,000 月の受注売上
副業:変動費 5,000 ツール/外注/交通費など
自己工数コスト(時給) 2,000 自分の時給評価
副業:稼働時間/月 20 20h/月
副業成功確率 0.6 保守的に0.6
割引率(年) 0.04 年4%

計算セル(例)

指標Excel式(例)説明
転職の月次増分=((新年収-現年収)/12)*(1-税率)手取りベース
副業の月次増分=月売上-変動費-自己工数コスト*稼働時間実質の増分
合計月次増分=転職の月次増分+副業の月次増分併用可
回収月数=受講費/合計月次増分何ヶ月で回収?
必要時給(副業)=受講費/(学習期間*稼働時間/月)損益分岐の目安

実務メモ:回収月数だけでなくNPVも併記すると、回収タイミングと投資妙味の両方が比較しやすくなります。

Pythonで一発計算(コピペ可/初心者向けに丁寧に解説)

このコードで“何が”分かる?

  • 回収月数/必要時給/24ヶ月NPV
  • 転職・副業それぞれの月次の増分
  • 期待値(成功確率込み)の合計月次増分
import math


# === 1) 入力パラメータ(ここを自分の数字に置き換える) ===
fee = 330_000 # 受講費(円)
months_learn = 3 # 学習期間(月)
salary_new = 5_500_000 # 転職後の年収(見込み)
salary_now = 4_600_000 # 現在の年収
rate_tax = 0.22 # 税・社保の概算(手取り率 = 1 - rate_tax)
p_job = 0.5 # 転職成功確率(0〜1)
side_rev = 60_000 # 副業の月売上
side_var = 5_000 # 副業の変動費(ツール・外注など)
hour_cost = 2_000 # 自分の時給評価(自己工数コスト)
hours_per_m = 20 # 副業の稼働時間/月
p_side = 0.6 # 副業成功確率(受注継続できる確度)
r_year = 0.04 # 割引率(年率)


# === 2) 月次の増分キャッシュフローを計算 ===
# 転職で増える手取りの“月次”見込み額
# 年収差を12で割り、税・社保を控除して、月額の“手取り増分”に変換
delta_salary_m = ((salary_new - salary_now) / 12) * (1 - rate_tax)


# 副業で増える“実質の月次”見込み額
# 売上から変動費と自分の工数(時給×稼働)を引いたもの
delta_side_m = side_rev - side_var - hour_cost * hours_per_m


# 期待値(EV):成功確率を掛けて“現実的な見込み”に調整
# 例:5万円の増分でも、成功確率50%ならEVは2.5万円
delta_total_m = delta_salary_m * p_job + delta_side_m * p_side


# === 3) 意思決定に使う指標を出力 ===
# 回収月数:何ヶ月で元が取れるか(0除算を避けるためmaxを使用)
payback_m = fee / max(delta_total_m, 1)


# 必要時給(損益分岐の目安):学習期間中にこの時給で稼げれば回収
need_wage = fee / (months_learn * hours_per_m)


# NPV(24ヶ月):将来の増分キャッシュを現在価値に割り戻して受講費と比較
r_month = (1 + r_year) ** (1/12) - 1
npv = sum(delta_total_m / ((1 + r_month) ** t) for t in range(1, 25)) - fee


print({
"delta_salary_m": int(delta_salary_m), # 転職の月次増分(手取り)
"delta_side_m": int(delta_side_m), # 副業の月次増分(実質)
"delta_total_m(EV)": int(delta_total_m), # 合計月次増分(期待値)
"payback_m": round(payback_m, 1), # 回収月数(ヶ月)
"need_wage": round(need_wage, 1), # 必要時給(円)
"npv_24m": int(npv) # NPV(24ヶ月)
})

使い方のコツ(初心者むけ)

  • hour_cost(自己時給)の妥当性を見直す(市場の単価より大幅に低い/高い場合は再設定)
  • まずは配布値のまま実行→出力の意味をコメントで確認
  • 次に、p_jobp_side悲観/中央/楽観の3水準に振って比較

ケーススタディ(3タイプ

1) 社会人(転職)

受講費33万円、現年収460万→内定見込み550万、転職成功確率0.5。

  • 増分(月)((550-460)/12)*(1-0.22) ≈ 5.9万円 → 期待値=約2.95万円
  • 副業:開始3ヶ月はゼロ、その後1万円/月(確率0.5→期待値0.5万円)
  • 合計期待値:約3.45万円/月回収約9.6ヶ月

打ち手: 面接前にGit/pytest/CIの証跡を作り、内定時期短縮で回収を前倒し。

2) 副業目的(稼ぎたい)

月20h稼働、売上6万円、変動費5千円、自工賃2千円/h。

  • 副業増分6万−5千−2千×20=1.5万円、成功確率0.6→期待値0.9万円回収約36.7ヶ月(遅い)。
  • レバー:単価+2千円/hで期待値1.74万円→回収約18.9ヶ月。稼働+10hで期待値2.94万円→回収約11.2ヶ月

単価×稼働で一気に改善。
>>【保存版】データレポート納品の型:要件定義→ETL→検証→可視化→Excel/PDF→引き継ぎまで、失注しないワークフロー完全版
>>【保存版】Python副業の始め方:月3〜10万円を目指す現実的ステップ

3) 在宅メイン(主婦/夫)

夜活中心で月15h稼働。売上4万円、変動費4千円、自工賃1,500円/h。

  • 副業増分4万−4千−1,500×15=1.35万円、成功確率0.6→期待値0.81万円回収約40.7ヶ月
  • レバー:非同期対応×速い質問初動のスクールで詰まり時間を削減→稼働を20hに。
    Excel×レポート納品で月売上+2万円 → 期待値0.96万円、回収約34.4ヶ月
    家族合意メモで固定スロットを確保。

>>【保存版】主婦/夫に優しいスクール比較:時間帯・オンライン完結性 | 家事・育児と“両立”で選ぶ完全ガイド
>>【保存版】在宅×Python:子育てと両立する“1日1時間学習術”忙しくても伸びる最短メニューと運用の型

感度分析テンプレ(2変数の表)

副業の時給稼働を振るだけで、回収月数の変化が直感的に掴めます。

作り方:行に「時給」、列に「稼働」を置き、1セルに上の式を入れてデータテーブル機能で一括計算。

計算式=受講費/(売上 - 変動費 - 時給*稼働)

時給(円)↓ \ 稼働(h/月)→ 10 20 30 40
1500 受講費/[(売上-変動費-1500*h)]
3000
5000
7000

読み方:対角線方向に単価×稼働が強くなるほど回収月数が短縮。色付け(条件付き書式)で“緑ほど短い”にすると直観的です。

無料カウンセリングで聞く“数字の質問”(コピペ可)

  1. 質問初動:平均何分/ピーク時最大は?(回収短縮の鍵)
  2. レビュー:差し戻し率、PR必須、CIの有無(品質→単価UP)
  3. ポートフォリオ業務再現型までレビュー?
  4. 在宅適性:非同期SLA、アーカイブ保存期間、夜間対応
  5. 転職支援:面接LT練習の回数、書類添削の具体性
  6. 返金/保証:応募社数/期限などの数値要件

提案:回収設計の伴走を“無料カウンセリング”で

TechAcademy データサイエンスコース(受講料:174,600円~ ※更に割引あり)

TechAcademy 無料相談

株式会社キカガク AI人材長期育成コース(受講料:237,600円~)

キカガク 無料相談

タイプ別の“回収エンジン”まとめ

今日やること(30分)

  1. 前提を埋める:上の表に自分の数字を入力(控えめに)。
  2. 悲観/中央/楽観の3ケースを作成(成功確率・単価・稼働)。
  3. 無料相談を2校予約し、数値質問をチャット送付。
  4. 家族合意メモで学習スロットを固定。
【学習期間】2025/10/01〜2026/01/15(12週間)
【固定スロット】
- 朝活 6:00-6:30(月〜金)
- 昼休 12:30-12:50(火・木)
- 夜活 22:00-23:00(火・金・日)
【約束】
- 緊急時は即中断OK、翌日振替
- 週1で進捗共有(15分)
- 学習終了後は家事を+15分分担

まとめ:計算して、レバーを決めて、走る

  • 計算:回収月数・EV・NPVを期待値ベースで出す
  • レバー:単価・稼働・内定時期短縮の効果が大きい順に工数集中
  • 運用:「詰まり時間を潰す仕組み」×「固定スロット確保」で再現性を上げる

    見るべき数字はシンプルです。“いくら・いつ・どの確度で回収するか”を先に決め、そこから逆算しましょう。

この記事から次に読む(内部リンク)

データサイエンスコース
データサイエンスコース比較表:料金・期間・学べる内容|“あなたに最適”を科学するチェックリスト付き

結論:スクール選びは“雰囲気や評点”よりも、目的(転職 / 副業 / 在宅)× 制約(時間 / 費用 / PC)× 支援(質問 / メンター / 転職)で決めるのが最短です。この記事では主要スクールの ...

AIエンジニア
【保存版】AIエンジニア向けPythonコース比較:機械学習・DL・MLOps完全ガイド

「モデルの精度は上がったけど、実務で回せる自信がない…」 「DockerやCI/CD、API化まで学べるコースって、どれを選べばいい?」 AIエンジニア(機械学習エンジニア/MLOps)をめざすなら、 ...

サポート_軌道修正
【2025年版】未経験向けスクールのサポート徹底比較

スクール選び、結局どこを見ればいいの? カリキュラムは似て見えるし…“サポート”の違いを数値で比べたい! 本記事は、未経験者向けスクールの「質問対応/メンター/コミュニティ」などサポート設計に絞って比 ...

継続可能なプログラムミングスクール
継続できるプログラミングスクールの選び方|7モジュールで伴走力を点検

スクール選び、結局「続けられる仕組み」があるかどうかが一番大事では? 教材は良いのに、質問が詰まって3日止まる…そんな経験ありませんか? 結論(先出し) 挫折の主因は教材の難易度ではなく「継続を支える ...

転職保障
【保存版】転職保証/返金制度の有無まとめ:注意点と使い方|“規約の読み解き×交渉テンプレ”で損しない申込術

結論:転職保証や返金制度は心強い安全網ですが、条件の読み違い・証跡不足・期限失念で想定どおり機能しないケースが目立ちます。 大切なのは、(1) 適用条件の網羅確認、(2) 行動と実績の証跡化、(3) ...

主婦/夫に優しい
【保存版】主婦/夫に優しいスクール比較:時間帯・オンライン完結性 | 家事・育児と“両立”で選ぶ完全ガイド

「夜しか時間が取れないのに、質問は平日昼だけ…」「録画がなくて、子どもの発熱で一気に遅れた」。続かない最大の理由は、カリキュラムよりも“時間の相性”です。 本記事は、主婦/夫に特に重要な①対応時間の幅 ...

最近のコメント

    • この記事を書いた人
    • 最新記事

    ふみと

    このブログでは、データサイエンティストとして市場価値を上げる方法を独自にまとめて発信しています。

    【プロフィール】
    ・大手企業データサイエンティスト/マーケティングサイエンティスト(10年、年収900万円台)/案件100件以上
    ・資格:JDLA E資格(日本ディープラーニング協会主催)/JDLA Community(CDLE会員)/Advanced Marketer/ビジネス統計スペシャリスト/統計検定2級/TOEIC 805
    ・スキル:Python/Tableau/SQL/機械学習/Deep Learning/RPA

    -キャリアチェンジ/転職, スクール比較/レビュー, 副業で稼ぐ