SESの「単価つらい問題」は、情報の非対称性が9割

SESエンジニアとして働いていると、こんな不満を抱えたことはないだろうか。

自分のスキルセットが今どれくらいの単価相場なのか分からない
営業から提示される単価が妥当なのか判断できない
「SES つらい」と感じる理由の多くが、実は技術力ではなく交渉材料の不足

2026年8月現在、SES業界の単価相場に関する信頼できる統計は各社の非公開データに偏っており、エンジニア個人が参照できる一次情報は驚くほど少ない。この記事では「待っていても単価相場データは降ってこない」という前提に立ち、AIツールを使って自分で市場データを分析する技術を、実際のコマンドとコードとともに解説する。

本記事はSES業界の話がメインではない。メインはAI駆動でどうスキルを構築し、それを収益や交渉力に変換するかという実務ネタだ。SESはあくまで「なぜこのスキルが必要か」を説明する導入に過ぎない。

なぜ「データ分析」がSESエンジニアの武器になるのか

SES案件でアサインされるエンジニアの多くは、特定の技術スタック（Java、SAP、インフラ運用など）に閉じたスキルセットで評価される。ここに「データ分析」が加わると何が変わるか。

案件内で発生するログ・チケット・工数データを可視化し、customer側に価値提供できる
自分自身のキャリアデータ（案件履歴、単価推移、スキル習得ログ）を定量化し、単価交渉の材料にできる
SES以外の収益源（データ分析の副業案件、自作ダッシュボードのSaaS化）に接続できる

重要なのは、これらすべてがAIツールを使えば非エンジニアでも数時間で着手できる時代になったということだ。以下、実際に手を動かす手順を示す。

実践1: Claude Codeでデータ分析環境を10分で立ち上げる

まずローカルに分析環境を作る。Pythonのデータ分析スタック（pandas, matplotlib, jupyter）をClaude Codeに任せて構築させる。

mkdir ses-rate-analysis && cd ses-rate-analysis
python3 -m venv venv
source venv/bin/activate
pip install pandas matplotlib jupyterlab openpyxl

Claude Codeのターミナルで以下のように指示するだけで、雛形のノートブックとデータ取り込みスクリプトが生成される。

> pandasで案件単価CSVを読み込み、月次推移を折れ線グラフにするnotebookを作って

ポイントは、コードを一行も書かずに「何を分析したいか」を日本語で渡すだけで、EDA（探索的データ分析）の骨組みが完成する点だ。これはSESの現場でも即座に転用できるワークフローで、Excelでの手作業集計をしているチームに提案するだけで評価につながる。

実践2: 「それっぽい分析」ではなく「使える分析」を作る

AIにコードを書かせると、見た目はきれいだが意思決定に使えないグラフが量産されがちだ。これを避けるための最低限のプロンプト設計を紹介する。

import pandas as pd

df = pd.read_csv("contracts.csv")

# 単価帯ごとの案件数を集計
bins = [0, 500000, 700000, 900000, 1200000, 99999999]
labels = ["~50万", "50-70万", "70-90万", "90-120万", "120万~"]
df["単価帯"] = pd.cut(df["月額単価"], bins=bins, labels=labels)

summary = df.groupby("単価帯").agg(
    件数=("案件ID", "count"),
    平均スキル数=("スキル数", "mean")
).reset_index()

print(summary)

このコード自体はAIに書かせて構わないが、「単価帯という切り口を自分で定義する」部分は人間の仕事だ。AIは切り口を与えれば実装は一瞬で終わらせてくれるが、「何を軸に分解すべきか」を考えるのがデータ分析の本質であり、ここをサボると単なる作業代行で終わる。

Claude Codeに投げるプロンプトの例：

> このCSVから、スキル数と単価の相関を散布図で見たい。
> 外れ値（極端に高単価だが根拠不明な案件）があればコメントで指摘して

「外れ値の指摘まで頼む」のがコツだ。AIは統計的な異常値検出（IQRやZ-score）を一瞬で実装してくれるので、自分の勘に頼らない分析ができる。

実践3: 分析結果をポートフォリオ化して単価交渉の材料にする

SES 単価相場という言葉で検索する人の多くは「相場を知りたい」のではなく「自分の単価が妥当か確認したい」というニーズを持っている。これに応えるには、公開されている自分のキャリアデータを可視化し、GitHubで公開するのが最も再現性の高い方法だ。

従来のアピール	データ分析ポートフォリオ化後
「Javaを5年やっています」	「稼働案件ごとの技術スタックと単価推移をダッシュボード化し、根拠を持って単価改定を提案」
職務経歴書（テキストのみ）	Streamlit / Looker Studioで動くインタラクティブな実績ダッシュボード
営業任せの単価交渉	自分でエビデンスを用意した単価交渉

GitHub Pagesで公開する最小構成は以下の通り。

pip install streamlit
streamlit run dashboard.py

# dashboard.py
import streamlit as st
import pandas as pd

st.title("エンジニア稼働実績ダッシュボード")
df = pd.read_csv("my_career.csv")
st.line_chart(df.set_index("年月")["単価"])
st.bar_chart(df.set_index("年月")["稼働スキル数"])

これをVercelやStreamlit Community Cloudにデプロイすれば、面談や商談の場でURLひとつ見せるだけで「データで語れるエンジニア」という印象を作れる。SES営業に単価改定を依頼する際も、感覚論ではなく「稼働実績データに基づく提案」として通しやすくなる。

実践4: データ分析スキルを個人の収益源に広げる

ここが本題の後半だ。SES案件で培ったデータ分析の型は、そのまま個人の小さな収益源に転用できる。

業務改善レポートの副業化：クラウドワークスやランサーズには、Excelデータの可視化・分析を依頼する案件が継続的に存在する。pandas + matplotlibの基礎があれば着手可能な領域が多い。
社内向け簡易ダッシュボードのテンプレート販売：Streamlitで作った汎用ダッシュボードをテンプレート化し、noteやBOOTHで配布する。
AIエージェントによる分析自動化の提案：Claude Codeで「毎週のレポート作成を自動化するスクリプト」を組み、非エンジニア向けに納品する。

共通しているのは、いずれも「AIにコードを書かせる能力」より「何を分析すべきかを見極める能力」が収益の源泉になっているという点だ。AIツールはコーディングのコストをほぼゼロにしたが、課題設定の価値は逆に上がっている。

まとめ：SESという働き方の外側に、自分でデータを積む

SES つらいと感じる根本原因の一つは、単価やスキルの市場価値を客観視する手段が個人に与えられていないことだ。統計データが整備されるのを待つのではなく、

Claude Codeで分析環境を数分で構築し
自分のキャリアデータを定量化し
ポートフォリオとして公開し
副業・個人開発に接続する

という順番で手を動かせば、SES 単価相場という不透明な情報に依存せず、自分の実績データそのものを交渉力に変えることができる。今日紹介したコードはすべて数十分で再現できる規模のものだ。まずは自分の案件履歴CSVを1枚作るところから始めてみてほしい。

関連記事

AI駆動塾 — AIを使ったスモビジの作り方を学ぶ

Claude Code、OpenClaw、AI経営OSの実践ノウハウを毎週公開中。
月額¥4,980で過去記事すべて読み放題。

noteメンバーシップに参加する →

💼 フリーランスエンジニアの案件をお探しですか？

SES解体新書フリーランスDBでは、高単価案件を多数掲載中です。

✅ マージン率公開で透明な取引
✅ AI/クラウド/Web系の厳選案件
✅ 専任コーディネーターが単価交渉をサポート

▶ 無料でエンジニア登録する