営業職から未経験でデータアナリストへ転職する進め方と注意点

こんにちは、とめです。

データ分析を独学で学び、未経験からデータアナリストへ転職し、今では本業をやりながら、副業でも活動しています！

営業職から、分析実務が未経験のままデータアナリストを目指すことはできます。ただし「数字を見ていた」だけでは足りません。経験の見せ方を変え、分析職とデータ分析の提案営業を取り違えないことが先だと思います。

求人票の多くは経験者向けです。検索すると、データ分析を売る営業が出てくることもあります。

私は営業職を経て、未経験からデータアナリストへ転職しました。営業で身につけた課題の聞き方は、今の仕事でも活きています。同じ条件で抽出や集計を再現する力は、営業経験とは別に作る必要がありました。

活きる経験と足りないもの、やりがちな遠回り、次に確認すべきことまでまとめてみました。
数字を追う仕事から、数字を使って判断する仕事へ転職するときの順番が、これで一通りわかると思います。

▼営業からデータアナリストへの進め方

営業から未経験でもデータアナリストへ転職できる

営業は顧客の困りごとを聞き、仮説を立て、数字を使って提案する仕事です。データアナリストも、何を判断したいかを関係者と揃え、データを見て、次の行動を渡します。考える順番は、そんなに変わらないと思います。

一方で、未経験歓迎と書いてあっても、必須条件に分析実務やSQLの実務年数が並ぶ求人は珍しくありません。予実表をExcelで作っていた、というだけでは、分析実務としては見てもらえないことが多いです。

それでも、経験の見せ方を変えて、分析職の求人に絞れば、まだ進められると思います。採用側が先に見ているのは、入社初日から高度な分析ができるかどうかより、課題を言葉にできるか、数字で説明できるか、足りないスキルを埋められるかです。

営業経験のうち、データアナリスト転職で活きるものと活きないもの

営業経験のすべてが強みになるわけではありません。活きる部分と足りない部分を分けておかないと、学習も書類もどこから手をつけていいか分からなくなります。

具体的には、以下3つです。

▼営業経験で活きるもの/足りないもの

1．課題の切り分けと数字での説明は、転職で活きる

数字を見ていたこと自体より、課題を切り分けて数字で説明してきた動きの方が、転職では活きやすいです。

データアナリストの仕事の中心は、数字を出すことより、数字から何を決めるかを渡すことです。営業でも、顧客の困りごとを聞き、何が本当の問題かを分け、提案に数字を添える場面があります。この流れは、何を見るかを決めて結果を渡す仕事と近いです。

• 顧客の課題を聞き、何が本当の困りごとかを切り分ける
• 失注や予実のズレに対して、なぜかを考える
• 提案資料で、感覚だけでなく数字を添える
• 目標やKPIの意味を、自分の言葉で説明できる

例えば、失注が増えたときに「価格のせい」で終わらせず、競合・導入時期・決裁者の違いまで分けて次の提案を変えた経験があれば、分析職でもそのまま説明できます。

私も営業をしていた頃は、数字の背景を考えて相手に説明する場面がありました。今の仕事でも、依頼者に「何を判断したいか」を確認してからデータを見ます。

2．予実表の更新だけでは、分析実務には見えない

Excelの予実管理は入口になります。ただ、シートの数字を毎月更新していたことと、データベースから条件を指定して集計することは別です。

採用側が見ているのは、誰が操作しても同じ結果になる抽出・集計があるかどうかです。足りないのは、だいたい次の3つです。

• 条件を変えても同じ結果になる抽出・集計
• 欠損や表記ゆれなど、分析前のデータの確認
• 一度きりの資料ではなく、後から見返せる成果物

売上が落ちた月に、未記入とゼロが混ざっていないか、顧客名の表記が揺れていないかを確認する作業は、予実表を転記しているだけではなかなか身につきません。一度きりの提案資料も、作った本人しか再現できないと、後から見返せる成果物にはなりません。

現場で問われるのは、同じ定義で数字を出せるかどうかです。営業の数字感覚は活きます。再現できる集計だけは、営業とは別に作った方がいいです。

▼営業での動きと、分析職での見え方

営業での動き	分析職での見え方
顧客の課題を聞く	分析で何を見るかの材料になる
予実や失注をExcelで見る	入口。再現できる集計までは別スキル
提案資料を作る	伝える力。データの定義までは見えない
目標を追う	KPIの感覚。指標の設計までは別

3．データ分析を売る営業は、分析職への近道になりにくい

「営業 データアナリスト」で探すと、データ分析やAIを売る営業の求人が出てきます。仕事内容はヒアリングと提案、受注です。分析そのものを本業にする職種ではありません。

見るなら、評価と日常業務です。評価されるのが受注件数や提案数なら、売る仕事です。日常業務が抽出・集計・報告で、数字の定義を自分で確認するなら、分析職です。転職掲載欄にデータアナリストやデータ活用とあっても、中身が法人営業やインサイドセールスのことがあります。

目指す先は、データを抽出・集計して、関係者が判断するための数字を出す側です。売る側へ横滑りすると、職種は営業のまま残りやすいので、ここは取り違えない方がいいです。

営業出身の未経験者がやりがちな遠回り

営業出身で止まりやすいのは、学習の順番と求人の選び方だと思っています。ここでは学習の入口と応募のタイミングを見ていきましょう。

具体的には、以下3つです。

1．データサイエンティストやPythonから入ると、先に使う道具を間違える

未経験の分析職で先に使うのは、Excelの集計、SQLでの抽出、グラフやダッシュボードでの可視化です。Pythonや機械学習から入ると、現場で使う前に学習だけが増えます。

求人票にPythonと書いてあっても、未経験枠の本業が予測モデルとは限りません。営業出身者が最初に問われるのは、同じ定義で数字を出せるか、その数字で何を決めるかを渡せるかです。

Pythonや機械学習は、入ってから必要になったときに足せば足りることが多いです。先に触るなら、今の仕事の予実や失注を切る集計でいいと思います。

2．資格の名前だけでは、選考で数字の扱い方は見えない

資格は、学んだ証明にはなります。選考で見られるのは、どんな問いに対して、どの数字を見て、何を伝えたかです。

統計やSQLの資格を取っても、失注理由をどう分け、どの指標で報告したかを話せないと、営業経験の翻訳にはなりません。例えば、統計の資格名より先に「先月の失注を、価格・導入時期・決裁者で分けて、どの層が落ちているか」を話せる方が、選考では使えます。

資格は後から足せます。先に作っておきたいのは、自分の言葉で説明できる集計です。

3．完成待ちも丸投げも、分析職の応募は始まらない

成果物が完成するまで応募しないと、いつまでも選考に入りません。逆に、仕事内容も書類も整理しないまま相談だけ始めると、営業職の求人に引き戻されやすくなります。

転職エージェントは、今の経験で出しやすい求人から案内しがちです。学習ゼロの状態で「データ職」とだけ伝えると、データ分析を売る営業や、営業職そのものが出てくることがあります。

応募は、説明できる成果物が1つあり、分析職の求人に絞れてからで十分です。完成度を待つ必要はありません。ただ、売る仕事に戻る相談から始めるのもおすすめしません。

営業経験をデータアナリスト向けに翻訳する

採用側は「何を売っていたか」より、「どんなズレを見て、何を変えたか」を知りたいです。売上を伸ばした、という結果だけだと、数字の扱い方は見えません。

▼営業経験を分析職向けに翻訳する

担当業務の箇条書きより、課題 → 見た数字 → 仮説 → 行動 → 結果、の順で書いた方が、分析職にも伝わりやすいです。表の左は担当の事実、右は分析職が見たい過程です。

▼言い方の違い

弱い言い方	分析職に届きやすい言い方
法人営業を担当し、目標を達成した	失注理由を案件ごとに分け、提案内容を変えた結果、特定セグメントの受注が改善した
売上管理をしていた	予実の差が出た週に、商談数と単価のどちらが崩れたかを切り分けて報告した
顧客対応が得意	顧客の要望を、判断に必要な指標に言い換えて社内に共有した

左の「法人営業を担当し、目標を達成した」だと、何を見て何を変えたかが消えます。失注理由を案件ごとに分けて、提案を変えた、まで書くと、分析職が見たい過程が出ます。

数字は、社外に出せる範囲だけ使います。機密の実数は出さず、「どの指標を見て、何を変えたか」が分かれば十分です。自分の案件を1つ、この型に当てはめてみると、書類に残す材料が見えてきます。

営業職から未経験でデータアナリストへ転職する進め方

営業出身者は、適性 → 学習の順番 → 説明できる成果物1つ → 分析職の求人に限定、この順の方が遠回りしにくいです。

具体的には、以下4つです。

▼各ステップで終わらせないこと

順	やること	ここで終わらせないこと
1	適性を確認する	向いていそう、という印象だけで学習を始める
2	Excel・SQL・可視化を先に触る	Pythonや資格から入る
3	営業の文脈で語れる成果物を1つ作る	教材を消化しただけで応募する
4	応募先を分析職に限定する	データ分析の提案営業も含めて応募する

1．営業が向いていないことと、データアナリスト向きかは別

学習を増やす前に、向き不向きを一度見た方が遠回りは減ります。営業が向いていないことと、データアナリストが向いていることは別だからです。

人と話す負担が大きいから分析職、という選び方だと、依頼者とのすり合わせや結果の説明で同じ負担が残ることがあります。数字の背景を考えるのが好きでも、定義の確認や地道な修正が続く仕事が苦手なら、続きません。

判定の仕方は、以下の記事にまとめています。

向いていそう、という印象だけでSQLに入ると、学習時間だけが増えます。

2．学習はExcelの集計、SQL、可視化を先にする

営業でExcelを触っている人は、ピボットや関数の延長で集計の感覚は掴みやすいです。未経験の分析職で先に使うのも、この延長です。

今の仕事で見ている予実や失注を、月・商材・失注理由などで切ってみてください。次に、条件を指定してデータを抜く練習（SQL）を足します。その結果をグラフやダッシュボードにまとめて、「何が言えるか」まで書いておくと、教材を消化しただけで終わりません。

3．成果物は1つでよい。営業が説明できる問いに寄せる

未経験で見せられるのは、実務年数より成果物です。最初から何本も作る必要はありません。面接で「自分の仕事の数字です」と話せるものが1つあれば十分です。

テーマは、失注、エリア別の売上、継続や解約など、営業が対面で説明できる問いに寄せます。失注なら「どの理由が多いか」、エリアなら「どこが伸びて、どこが落ちたか」まで分かると、面接で話が続きやすいです。

きれいなダッシュボードより、次の4つが残っている方が使えます。

• 何を知りたかったか
• どの数字を見たか
• 何が言えるか
• 次に何を変えるか

この4つがあれば、見た目が粗くても説明の材料になります。

4．応募先は、仕事内容で分析職かどうかを見分ける

応募する求人は、求人タイトルではなく仕事内容で分析職に限定します。タイトルにデータアナリストとあっても、中身が提案営業だったり、経験者前提だったりすることがあるからです。

見るのは、この3つです。

• 日常業務に、抽出・集計・報告があるか
• 評価されるのが、受注ではなく数字の確認や改善提案か
• 必須条件が、分析実務の年数だけになっていないか

例えば、仕事内容に「分析ツールの提案・導入支援」とあって、評価が受注件数なら、タイトルがデータアナリストでも売る側です。3つのどれかが空欄なら、その求人は後回しでいいです。

まとめ：営業からの転職は、経験の翻訳と求人の切り分けが先

営業職から未経験でデータアナリストを目指すなら、経験を捨てる必要はありません。捨てるのは、「数字を見ていたから大丈夫」という雑な自信と、データ分析を売る営業への横滑りです。

適性がまだ曖昧なら、向き不向きの確認を先にしましょう。

▼未経験でもデータアナリストになれる人・なれない人の見分け方

進めると決めた人は、求人・書類・面接の順で進めていきましょう。

▼第二新卒・未経験からデータアナリスト転職を成功させる5ステップ

求人の中身や書類の見せ方で一人では詰まり、相談先を比べたい場合は、転職エージェントの比較を見てください。

▼データアナリスト向け転職エージェント4社比較

以上、とめでした！