30歳を前に決断した、JTCデータ分析組織からSaaS企業への転職記録

0. はじめに

この記事は、JTCのIT部門で働きながら、漠然とした不安を抱えているあなた や 転職後の自分 に向けて書きます。

私は201X年にプライム上場の大手メーカー系列会社(以下、A社)に入社。全社横断のデータ分析組織にて、データ基盤構築やBI開発、AIモデル構築など複数のプロジェクトをリードしました。

基幹システムの刷新や全社データ基盤構築プロジェクトに参画し、順調なキャリアに見えましたが、JTCを離れ、SaaS企業(以下、B社)へ転職を決意しました。

理由は多くありますが、例えば以下の理由からでした。このような事業会社は多いのではないでしょうか。

• 「SIベンダー任せで、決して自分で触らない(作る技術がない)」IT部門
  • ベンダへ投資した金額 ≠ システムの価値
  • 営業が汗水流して上げた売上を、コンサル,SIベンダに流す
  • 自分で触って自社内製するつもりはない
• SaaS製品の利用にウォーターフォールを適用し、利用開始に2年以上を要するスピード感
  • そのサービスで何ができるかわからずに進む要件定義、設計
  • 従量課金の予算取りに5年後の見積もりを求め、予算確保後のモニタリングは行わないレガシーなコスト管理
• 「事業の最前線から遠い」という距離感
  • 数十年前のスクラッチ開発のシステムの模倣

この記事では、転職活動の全記録を書いています。同じ悩みを抱える人が、自分のキャリアを見つめ直すきっかけになれば幸いです。

---

1. 転職を決意するまで

1-1. 社内転職からデータ分析の道へ

入社後3年間、別部門で業務を経験した後、社内公募でデータ分析組織に異動しました。

異動後は複数のプロジェクトを経験:

• 部門横断のデータ統合による分析基盤構築
• 機械学習を用いた予測モデルの構築
• 大規模な全社データ基盤構築PJの推進

1-2. 「このままではマズイ」と感じた3つの瞬間

① ベンダー依存が「当たり前」の組織で感じた危機感

大規模プロジェクトで製品選定からフィジビリティ検証を実施する際、自社の環境では何も行いませんでした。
クラウド基盤の実装はSIベンダー頼み、本番環境での検証もSIベンダー経由。

そして、さらに衝撃的だったのは──周囲の誰も、それを問題だと思っていなかったことです。

「要件を整理してベンダーに渡す」が当たり前。自分で作ろうとする人もいないし、作れる人もいない。「それはベンダーの仕事だから」 。

② ステークホルダー調整に6ヶ月かかる意思決定

あるダッシュボード機能の追加は技術的には1,2週間で実装できる内容でしたが、関係部署への説明会、根回し、役員報告で意思決定まで約6ヶ月かかりました。

「このスピード感で、本当に事業成長に貢献できているのか?」

③ キャリアの天井が見えた瞬間

プロジェクトの設計フェーズが完了し、今後2年間は技術的な挑戦はほとんどありません。

社内のロールモデルを見渡しても、「自分で手を動かして価値を生み出し続けている人」がいませんでした。「技術 × ビジネス」の両方に関わり続けるキャリアパスが、この組織には存在しません。

「動くなら、今しかない」 と確信しました。

1-3. それでも迷った「安定」との天秤

最も躊躇したのは、安定した給与を手放すことでした。年功序列の昇給、手厚い福利厚生、ライフイベントを考えると不安は大きかったです。

それでも決断できた理由──技術的挑戦の「2年間の空白」

「2年後の32歳、自分は何ができる人なのか?」

モダンなツールは触れない、実装経験は積めない、事業貢献の実感も得られない──市場で求められているスキルとのギャップは、どんどん広がっていく。

天秤にかけた結果、「30歳を前に動かなければ、後悔する」 という結論に至りました。

また、データ分析組織にいながら、気づけば大規模システム刷新プロジェクトに専従していました。
本来やりたかったのは、データから事業課題を発見し、アクションに繋げる仕事。でも実際は要件定義、ベンダー管理、報告── 「プロジェクトを進めること」「ベンダーを動かすこと」が目的化 していました。

---

2. 転職活動の全記録──準備から内定まで

2-1. 準備フェーズ(活動開始の1ヶ月前)

職務経歴書の「翻訳」作業

週末を使って約3週間、職務経歴書を何度も書き直しました。

意識したのは以下の3点:

1. 技術スタックを明記(クラウドサービス、BIツール等)
2. 規模感を数字で示す(数十名規模のステークホルダー調整等)
3. ビジネスインパクトを定量化(業務時間削減率等)

特に「調整業務」は、そのまま書くと「ベンダーコントロールだけ」と思われるリスクがあるため、裏にある本質的なスキル(技術検証、優先度設計、段階的合意形成)を具体的に言語化しました。

年収レンジ:
提示されたレンジは700〜900万円。「データ分析者で、PL経験がある20代後半なら、このレンジは十分狙える」とのことでした。

2-2. 活動フェーズ(1.5ヶ月の集中活動)

リアルな活動量

• 応募社数:23社
• 書類通過率:50%程度(約11社)
• 面接実施:6社程度(途中で辞退したため)
• 最終面接:4社
• 内定:2社(途中で活動終了)
• 活動期間:1.5ヶ月

在職中の工夫:

• 平日夜:18時以降で面接設定
• 有給休暇:半休を大いに活用

正直、1.5ヶ月は体力的にも精神的にもきつかったですが、短期集中だったからこそ、モチベーションを維持できました。

応募企業の選定軸

必須条件:

• プライム上場企業(急成長 × ある程度の安定性)
• 職種がデータエンジニア/サイエンティストのいずれか

柔軟に考えた条件:

• 業界・プロダクト領域:問わず
• データ組織の形態:問わず

判断の優先度:

1. 技術スキルが伸びる環境か(モダンツール、自分で手を動かせる裁量)
2. スピード感はあるか
3. カルチャーフィット
4. 年収・待遇

応募を見送った・途中で辞退した企業

• データ活用が成熟していない企業
• 自分のスキルが伸びなさそう(集計作業メイン、技術スタックが古い)
• 「またベンダー任せ」になりそうな環境
• スピード感への不安(意思決定プロセスが複雑)

2-3. 選考フェーズ──JTC出身者が突かれる「3大質問」

① 「本当に自分で手を動かしてるの?」問題

実際に聞かれた質問:

• 「SQLはどの程度書けますか?」
• 「Pythonでの実装経験を具体的に教えてください」
• 「BIツールは自分で設計していますか?」

私の回答戦略:正直に「できること」「できないこと」を伝える

できないことを「できる」と言っても、技術面接で簡単にバレます。正直に答えつつ、業務外での学習(Kaggle、個人プロジェクト)をアピールしました。

「ベンダーコントロールだけでは?」への対処:

「現在の大規模プロジェクトは実装の多くをベンダー依頼していますが、それ以前のプロジェクトでは自分で設計から実装まで行いました」と説明。小〜中規模で「自分で実装した」プロジェクトを具体的に提示しました。

② 「スピード感についてこれる?」問題

意外だったのは、スピード感については、ほとんど聞かれなかったことです。JTCの意思決定の遅さは、面接官も理解していたようです。

むしろ、「スピード感を求めて転職している」ことを自分から伝えることで、ポジティブに捉えてもらえました。

③ 「技術力、大丈夫?」問題

モダンツールの未経験について:

「業務では使ったことがありません。ただし、公式ドキュメント・チュートリアルを学習中、個人プロジェクトで環境を構築中です。入社後、3ヶ月でキャッチアップする計画です」

ポイント: できないことを隠さず、「学習中」であることを具体的に示し、キャッチアップの計画を伝える。

2-4. 面接で実際に聞かれた質問リスト

技術面接

• 職務経歴書ベースの技術的な深掘り
• 一部企業では事前課題やコーディングテスト
• ライブコーディングはなし

カルチャーフィット面接

ほぼすべての企業で似た質問:

1. 転職理由の深掘り(100%聞かれる)
2. 志望動機
3. キャリアビジョン
4. 過去の失敗・挫折経験
5. チームワーク・コミュニケーション

効果的だった逆質問

• 「データ組織の現在の課題と今後の方向性を教えてください」
• 「入社後、最初に期待される成果は何ですか?」
• 「現在のチームが抱えている、最も大きな課題は何ですか?」
• 「入社後、3ヶ月でどんな成果を出せば『良い採用だった』と思ってもらえますか?」

2-5. オファー・意思決定

2社からの内定

どちらもプライム上場のSaaS企業、技術力が高いと評価されている企業、従業員のほとんどがキャリア採用者。

内定企業A社:

• 事業領域:BtoB SaaS
• データ組織:中央集権型
• オファー年収:約750万円
• 魅力:高度なデータ分析基盤、技術的挑戦
• 懸念:全社横断組織で事業部門との距離が遠い

内定企業B社(最終的に選択):

• 事業領域:BtoB SaaS
• データ組織:事業部配属型
• オファー年収:約830万円
• 魅力:事業部の最前線、カルチャーへの強い共感。全社横断と事業それぞれにデータ組織をもつ。
• 懸念:全社的なデータ基盤に関わるには社内異動の必要

最終的にB社を選んだ決め手

① カルチャーフィット

B社の企業理念を聞いた時、「データは手段であって目的じゃない」 という自分の価値観と完全に一致しました。特に、ユーザの課題解決を最優先するバリュー、自分でものを作ることへの自責というバリューが、自分が転職で実現したかったことそのものでした。

② 年収アップ

現職から100万円以上の年収アップは、市場価値が評価された証であり、決断を後押ししてくれました。

③ 事業の最前線でデータ活用ができる

事業部配属型のデータ組織で、事業部門と直接連携しながら仕事ができ、データ分析の結果がすぐにビジネスアクションに繋がる──JTCで感じていた「事業の最前線から遠い」という距離感を感じませんでした。

年収交渉・内定承諾から入社まで

提示された年収が期待を大きく上回っていたため、年収交渉はしませんでした。

退職交渉では1.5ヶ月の引き継ぎ期間で合意しました。
自身のキャリアは自身しか責任を持てません。

---

3. JTC出身者の強みと弱み──客観的分析

3-1. 思ったより評価された「3つの強み」

① 複雑なステークホルダー調整力

複数部門の調整経験は、スケールフェーズの企業に刺さりました。特に、複数部門の利害調整と段階的合意形成、優先度設計が評価されました。

② ドキュメンテーション・標準化意識

ウォーターフォールで鍛えられた設計書文化、属人化排除への執着は、スケールフェーズの企業には必須スキルでした。

③ データ品質・ガバナンスへの感度

コンプライアンス・セキュリティへの理解、データ品質への意識は、急成長企業が「次に整備すべき領域」として注目されました。

3-2. 思ったより評価されなかった「弱み」

① 技術スタックの古さ

モダンツール未経験は正直マイナス。ただし「キャッチアップ意欲」でカバー可能でした。

対処法: 「業務では未経験だが、独学で学習中」と正直に伝え、具体的な学習内容を示し、入社後のキャッチアップ計画を提示。

② 「自分で手を動かす」実績の薄さ

対処法: 大規模PJだけでなく、小〜中規模で「自分で実装した」プロジェクトを強調。業務外での技術的取り組み(Kaggle、個人プロジェクト)をアピール。

③ スピード感への適応不安

対処法: JTCのスピード感に不満を持ち、改善したいと明確に伝える。入社後のキャッチアップ計画を具体的に示す。

ポイント: JTC経験は「調整力だけ」では厳しいが、「調整力 × 技術理解 × 学習意欲」の掛け算なら十分に市場価値があります。

---

4. 転職活動を通じて学んだこと

4-1. JTC経験の再評価

やはり足りなかったこと: **「内製で作る意識・技術」が圧倒的に不足していました。**この不足が、転職活動で最も苦労したポイントでした。

今だから言える「JTCでやっておけばよかったこと」

JTCにいる間、**ワークライフバランスは保たれていました。**その余剰時間を使って、市場で求められているスキルの把握、モダンツールの学習、Kaggleや個人プロジェクトでの実装経験、GitHubでのアウトプットをもっと積極的にやっておけばよかったと後悔しています。

**「業務でできないなら、業務外でやればよかった」**──これが最大の学びです。

4-2. 転職タイミング

結論から言うと、もっと早く動いてよかったと思っています。

タイミングの難しさはありますが、重要なのは年齢より「何を経験してきたか」です。
今後のキャリアを見据え、現職に停滞感があった1年前に決断しても結果はあまり変わらなかったと思います。

4-3. マインドセットの転換

転職活動を通じて、最も大きく変わったのは転職に対する考え方でした。

転職は怖くない

実際に転職活動をしてみて、自分の市場価値を客観的に知ることができ、複数の企業から評価されることで自信がつき、選択肢があることが分かりました。

「とりあえず動いて、自分の価値を確かめることが大事」 ──これが最大の学びでした。

転職活動は「転職すること」が目的ではありません。自分の市場価値を知る、今の環境を相対化する、キャリアの選択肢を広げるという意味で、定期的に行うべきだと感じました。

重要なのは、「今の環境しか知らない」という状態から抜け出すこと　です。

---

5. これから転職を考える人へ──5つの具体的アドバイス

5-1. いつ動き始めるべきか

結論:思い立ったら、すぐに動くべきです。

自分のキャリアは自分しか考えてくれません。 会社はあなたのキャリアに責任を持ちません。

「もっとスキルをつけてから」と考えているうちに、時間だけが過ぎていきます。

まずは動いてみる。それで市場の反応を見る。これが最初の一歩です。

5-2. 何から始めればいいか

最初にやるべきことは、職務経歴書の作成とキャリアの棚卸しです。

ただし、一人で悩む必要はありません。生成AIを使って理詰めで考えましょう。

具体的には:

1. これまでの業務内容を箇条書きで整理
2. ChatGPTやClaudeに「この経験を職務経歴書に書くならどう表現すべきか」と相談
3. 複数の表現パターンを生成AIで作ってもらい、最適なものを選ぶ

並行してやるべきこと:

• 転職エージェントへの登録(まずは情報収集)
• 転職サイトで求人を眺める(市場感覚を掴む)

完璧な準備ができてから動くのではなく、動きながら準備を整えるのが効率的です。

5-3. 準備期間にやるべきこと

• SPIの対策(事前に問題集を1冊)
• プログラミング試験の対策(AtCoderなどで基礎的なアルゴリズム問題)
• 技術キャッチアップ(市場で求められているツールに合わせた基礎学習)

5-4. やってよかったこと

生成AIを使って理詰めで準備したことです。想定質問に対する回答、志望動機の複数パターン作成、面接後の振り返りなど、用意周到に準備することで、面接での自信につながりました。

5-5. やらなくてよかったこと

現職に過度なリソースを割くことです。

どうせ転職するなら、残業は最小限に、新しい大きな仕事は引き受けず、プロジェクトの区切りで動く。

「もう辞める会社」に全力を注ぐより、「これから入る会社」のための準備に時間を使うべきでした。

---

6. 「転職しない」という選択肢について

6-1. JTCに残るメリットの再確認

最大のメリット:安定性

年功序列の昇給、手厚い福利厚生、雇用の安定性。特にライフイベントを控えている場合、この安定性は大きな価値があります。

その他のメリット:

• 大規模プロジェクトのマネジメント経験が積める
• 複雑な組織での調整力が身につく
• ワークライフバランスが保たれている

転職が全てではありません。自分の価値観と照らし合わせて、JTCに残る選択も十分にありえます。

6-2. 社内異動という第3の選択肢

私自身、社内公募で異動した経験があります。

社内異動のメリット:

• リスクが低い(給与・雇用は維持される)
• スキル面はポテンシャルで見られる(未経験でも挑戦しやすい)
• 転職に比べてハードルが低い

特に重要なのは、全くの未経験からいきなり転職するのは難しいという点です。

社内異動のデメリット:

• 環境変化によって得られるスキルには天井がある
• ベンダー依存の体質は変わらない
• 意思決定のスピード感は変わらない

戦略的には: まず社内異動で希望職種の経験を積む → 2〜3年経験を積んだら転職市場での評価を確認 → 市場価値が上がったタイミングで転職、という2ステップが現実的かもしれません。

6-3. 転職すべき人・しないほうがいい人

転職すべき人:

1. 「自分で手を動かせない」ことに強いストレスを感じている人
2. 事業成長への直接貢献を実感したい人
3. 市場価値を高めたい・キャリアの選択肢を広げたい人

転職しないほうがいい人:

1. 安定・福利厚生を最優先する人
2. 大規模調整業務にやりがいを感じている人
3. まだ経験が浅い人(入社3年未満)

最も重要なのは: 転職するかしないかではなく、**「自分のキャリアを主体的に考えているか」**です。

---

7. おわりに

7-1. 転職活動の総括

1.5ヶ月の転職活動を振り返って──

非常に晴々とした気持ちです。次が楽しみでしょうがない。

自分で選択した未来に向かって進んでいるという実感が、何よりも大きな自信になっています。

7-2. 新天地での抱負

短期的な目標(1〜2年):

自身のキャリアを主体的に選択できるだけのポータブルスキルを身につけたいです。モダンなツールの実装経験、データモデリングの実践、自分で手を動かして価値を生み出す経験を積み上げたいと思います。

中長期的な目標(3年〜):

優秀な仲間と刺激的な仕事を行なっていきたいです。データ活用の仕組み化・標準化を推進し、属人化しない持続可能なデータ組織の構築に貢献したいです。

JTCで培った「調整力」「仕組み化への執着」に「技術力」を掛け合わせることで、より大きな価値を生み出せると信じています。

7-3. 最後のメッセージ

この記事を読んでくださった、あなたへ。

自分のキャリアは自分で作る。

これが、転職活動を通じて最も強く感じたことです。

人生のなかで仕事の時間は長い。どうせやるなら、より刺激のある方へ。

まずは動いてみる。それで市場の反応を見る。

転職活動は「転職すること」が目的ではありません。自分の市場価値を知る、今の環境を相対化する、キャリアの選択肢を広げるという意味で、定期的に行うべきだと思います。

重要なのは、「今の環境しか知らない」という状態から抜け出すことです。

---

補足:参考情報

使った転職サービス

メインで利用:

• doda(総合型エージェント)
  • データ職の求人数が豊富、担当エージェントが親身、面接対策・日程調整が手厚い

サブで利用:

• ビズリーチ(ダイレクトリクルーティング)
  • 企業からのスカウトで市場価値を確認
• リファラル
  • カルチャーフィットが事前にわかる

その他の学習リソース

技術学習:

• Udemy(モダンツールの講座)
• 公式ドキュメント
• Kaggle(データ分析コンペ)
• AtCoder(プログラミング試験対策)

情報収集:

• Qiita、Zenn(データ分析者の体験記)
• 各社のテックブログ

面接対策:

• 生成AI(ChatGPT、Claude)での想定質問・回答作成
• 転職会議、OpenWork(企業の口コミ確認)

---

以上で、この転職体験記は終わりです。

最後まで読んでいただき、ありがとうございました。
あなたのキャリアが、より良い方向に進むことを願っています。