職歴3年未満のジュニアデータサイエンティストです。
最近転職しました。個人的には良い結果に終わったと思います。
データ系ポジションでステップアップのために転職するのは今回初めてで、面接に関する情報収集に苦労し不安がつきませんでした。とても辛かった。
その経験を踏まえ、同じような年次で転職を考えているデータアナリスト/サイエンティストの役に立てば良いなと思い、自分の経緯、面接で聞かれたことや対策した内容をシェアしようとスレを立てました。
そんなの当然知ってるわ役に立たんわという内容ばかりになるかもしれませんが、自分の備忘録がてら書きます
さきに自身について書きます
・職歴3年未満のジュニアデータサイエンティスト
・SESの企業に勤務
・年収480〜500万くらい
・今まで、データサイエンティストっぽいPJ（機械学習を使った需要予測）と、データアナリストっぽいPJ（データ集計・分析、ダッシュボード作成など）に携わった
・データサイエンティストになる以前は、非エンジニア職種
・データサイエンティストになってから初めての転職
ここでいうサイエンティストっぽい・アナリストっぽいは主観です。
自分でPythonで複雑なコード書いて機械学習モデルや数理モデルの実装などもしてたらサイエンティストっぽいな
ほぼSQLがメインでPythonで何か実装する機会は少なかった・Tableauなどでダッシュボード作ることが多かったPJはアナリストっぽいな
くらいで呼び分けてます
転職の状況
・6月に転職活動開始
・転職エージェントを使った
・事業会社に転職したかったので、応募先は事業会社のみ
結果
・15社くらい応募
└ データサイエンティスト、またはデータアナリストポジションがメイン
・半分くらい書類落ち
・内定2社
└ toC向けサブスクプロダクトを持つ企業のデータサイエンティストポジション
└ EC系上場企業のデータサイエンティストポジション
・転職後、年収700万円程度に上がった。転職前から+200万円ほど
・転職活動を終えるまで、約1ヶ月半かかった
転職全般に関して今回知ったこと
・6月は転職開始のタイミングとしてあまりよくなかったかもしれない
└ 企業は4月〜5月くらいまでで経験少なめの人材をとって、以降はミドルやシニアを揃えたいらしい（春に入った経験低めの人材をリードしたりマネジメントできる人がほしい）
└ そのため、必須項目として経験年数2〜3年などのジュニアでも応募できる求人が少なかった
└ 必須項目に経験年数が特に書いてなかった求人は大体書類落ちした。リクルートやサイバーなどメガベンチャーもダメもとで出し、書類落ち。エージェントがいうには、タイミング的にシニア人材が欲しかったんでしょうとのこと
・エージェントが教えてくれる情報、間違っていることもある
└ 今回初めてエージェント使った（LinkedIn経由）ので、どんな感じか知らなかった
└ 「この企業の一次面接は過去の経歴を深堀りされます、ケース面接はないです」と聞いていたが、一次面接からばっちりケース面接だったことが数回あった。突然聞かれることもあろうなと思って対策していたのでなんとかなった
└ 応募ポジションが、事前にもらっていたJDと違っていたこともあった（データアナリストポジションに応募したはずなのに、データエンジニアポジションだった）
面接でよく聞かれた内容
・過去の実績について、特に力をいれたもの・成果を出せたと思うものについて話せ
└ 成果は何か
└ 最も難しかったことは何か
└ クライアントとの期待値コントロールどうやっていたか
└ 機械学習使っていたPJに関しては、モデルの選定基準や評価指標の選び方も聞かれた
└ 今振り返ってこうした方がよかったなど改善点はあるか
・リーダー的なポジションについたことはあるか
・自分の強み・弱み
・SQLで抽出したデータや分析結果について、確らしさを確認するためにどうしていたか
・転職に至った理由と応募企業への志望動機
・学生時代などに遡っての質問
└ カルチャーマッチ重視してそうな企業でよく聞かれた。なんでこの専攻にしたのか、なぜ新卒の時はこの企業を選んだのか、など。過去の意思決定に関して、考え方や性格面で何かしら一貫性があるか見られていた？
└ また、自分がもともと非エンジニアのバックグランドということもあってよく聞かれたのだと思う
・ケース面接、コーディング面接
└ あとで詳しく書く
ケース面接
ケース面接は受けた企業のうちほとんどで出され、事前に課題が与えられる場合と、面接時にディスカッションしながらの場合があった。
・応募する企業に関連した課題が多かった
└ アクティブユーザーを増やすために、どんな分析をしてどんな施策をするか？
└ 解約率を減らすために、どんな分析をしてどんな施策をするか？
└ 新規顧客の獲得と、既存顧客のうち休眠ユーザーの掘り起こし、どちらに注力すべきか決めたい。どんな分析をする？
・上記のような、かなりばくっとした質問がされることがほとんどだった。どんなデータを使えるのかなど若干の前提条件が加えられていることもあった
└ 応募企業のプロダクトを事前に調べること、業界知識を多少つけていくことは必須
└ 課題の背景を理解する能力、自分で適宜条件を仮定しながらいくつか仮説を立てていき、分析内容と考えられる施策をまとめる能力が求められていた
└ 仮説の筋が悪かったとしても、面接官が「これはXXXだと思うがどうか？」「こういう視点で考えるとどうか？」など指摘をしてくれた。その会話を通して修正したりより深く掘り下げたり、建設的にディスカッションしてよりよく改善できるかが見られていたと思う
└いくつか仮説立てたとき、分析や施策の優先度どうやってつけるか？分析をして施策を実行したときの利益面へのインパクトはどう測るか？などもきかれた
コーディング面接（SQL、Python）
面接受ける前は、アナリストポジションもサイエンティストポジションもコーディング面接が多いのではと思っていたが、あまり出なかった。
こちらも、事前に課題が与えられる場合と、その場で与えられる場合があった。
また、必ずしも応募する企業に関連した課題というわけではなく、かなり基本的かつ汎用的なスキルを見られることがほとんどだった。
（応募したポジションが経験年数2〜3年程度で、技術面での成熟度はそこまで求められていなかったという面が大いにあると思う）。
・SQLのライブコーディングで、テーブルを見せられ「SQLを使ってこのテーブルからデータを抽出し月ごとの平均値を集計しろ」
└ カテゴリごとの平均値や合計値、累計値などの場合もある。なんにせよかなり基本的な内容で数行で終わる程度だった。特別難しいことは聞かれなかった
└ 基本的な集計関数、Window関数などが使えるか見られていた
└ その場で完璧にかけなくても、「こういう手順で集計して、この部分の集計にはこの関数が適切だと思うのでそれ使います」と口頭で説明した
・Pythonでの実装、事前課題。与えられたデータセットを使い、指示に沿ったモデルの実装をする。
└ モデルの種類や精度の良さは問わないので一通り実装してくださいという内容
└ 一通りの前処理、モデルの実装能力が見られていた。KaggleやSIGNATEでやるような内容の簡略版イメージ
└ 面接中に、実装で気をつけた点や、今後精度改善させるなら何をする？などを聞かれた
面接対策
・実績の振り返り。自分が携わったPJについて、STARモデルに沿ってGoogleドキュメントに全て書き出した。とりあえず全部書き起こして、その中から面接する企業にあわせて刺さりそうなものを毎回選んでいた。
・前職の内容も振り返った。自分は特に非エンジニア職種からデータサイエンティストになったので、過去の仕事で今活きている内容などを言えるように準備した。
・応募企業のプロダクトについて調べる、業界知識をつける。プロダクトは実際使うなどして、プロダクトの改善点やケース面接で聞かれそうなことを自分なりに考えて答えを用意した
・ケース面接対策。いくつか聞かれそうな質問を自分で考えて、仮説の立案、分析設計、施策実行、効果検証まで一連の流れを繰り返しシミュレーションした。ChatGPTやプロダクトマネージャーの知り合いに壁打ちして練習した（身近にいたのがPMだったので。非常に助かった）
・壁打ちにつきあってくれたPMの考え方がケース面接の仮説立案などにかなり参考になり、途中から自分もPM向けの本読んで勉強した。これは良かったと思う
・コーディングテストの対策はほぼしなかった。業務で毎日やってる内容でどうにかなった
雑な所感
・自分はKaggleでメダル取ったなどわかりやすい実績もなく、統計や数学も強くないため、転職にかなり不安があった。
・実際に転職活動してみると、サイエンス面でのスキルより、非エンジニア部門にわかりやすく説明できるか、会話をしながら建設的に議論を深めていけるか、論理的思考力（仮説に筋が通っているか、漏れがないかなど）、ビジネス観点（費用対効果なども考慮できるか）みたいな部分が評価されて内定もらえるところまでなんとか漕ぎ着けられた。
・今回応募した企業も、サイエンス面に強い素養のあるデータサイエンティスト/アナリストより、非エンジニア部門も含め様々なメンバーと一緒に仕事を進めていける人材を求めているところが多く、そのあたりが運良く噛み合ったとも思う
データアナリストで4年ほど働いてるものです。私は今年30になるのですがそろそろ他の会社も見てみたいと思うようになり、大変参考になりました！ありがとうございます。