データアナリストの面接で実際に2026年に問われるインタビュー問題
データアナリストの面接は実際には4つの段階から構成されており、それぞれが何を評価するか、そしてSQLテストを突破してオファーに至るまでの答えの例
Jordan Reyes · · 8 min read
データアナリストの面接では、実質的にほとんどの仕事を4つの質問がこなしている。2つのテーブルに対してクエリを書くこと、ある数字が動いた理由を説明すること、自分が担当したプロジェクトを説明すること、そしてノートブックを絶対に開かない相手に結果を伝えることだ。それ以外はすべて日程調整にすぎない。この記事では、各ラウンドが何を評価しているのか、データアナリストとビジネスインテリジェンスアナリストそれぞれにとって合格ラインの回答とはどのようなものか、そして誰にも指摘されないまま実は落としているかもしれないラウンドはどれか、を扱う。
面接で聞かれる質問の一覧を発表している連邦機関はどこにもないし、他の誰も本物の一覧は持っていない。実際に存在するのは、その職務の土台となるタスクデータだ。O*NETはその仕事に従事している人々を調査し、各タスクとスキルを0〜100の重要度スケールで評価している。そして採用パネルは質問をタスクから組み立てる - - つまり、実際に質問がひとつも発せられる前から、この評価がどこに重みが置かれているかを教えてくれる。以下のO*NETの評価はすべて、2026年更新時点でサイトに掲載されていた数値だ。
パネルが材料にしているもの
大半のデータアナリスト求人が対象とする領域は、O*NETの2つの職種でカバーされている。データサイエンティスト(15-2051.00)とビジネスインテリジェンスアナリスト(15-2051.01)だ。両者のタスクリストは同じではなく、その違いを知っておくことは準備の10分間に値する。
ビジネスインテリジェンスアナリストの場合、評価が最も高いタスクは「ビジネス・財務・経済データをまとめた標準レポートまたはカスタムレポートを作成する」で91点、続いて「ビジネスインテリジェンスのツール、データベース、ダッシュボード、システムまたは手法を維持・更新する」が84点、「ビジネスインテリジェンス情報をユーザーへ適時に届ける」が80点となっている。これはサービス義務が付随したレポーティング業務だ。データサイエンティストの場合、上位2つのタスクは「統計ソフトウェアを使って大規模なデータセットを分析・加工・処理する」と「分析結果を伝えるためのグラフ、チャート、その他の可視化を作成する」で、どちらも83点となっている。
したがって、求人票に「ビジネスインテリジェンスアナリスト」とあれば、ステークホルダー対応や更新スケジュール、レポートが壊れたときに誰が責任を持つのかといった質問が多くなると考えていい。プロダクトチームの「データアナリスト」なら、指標の定義や、ある変更が実際に効果を持ったかどうかを検証する話が多くなる。両者は連邦の職業コード15-2051という同じ区分に属しており、だからこそBLSはこの2つをまとめて1つの賃金の数字として公表している。賃金の行は同じでも、面接は別物だ。
ツールに関する質問はこのようにはきれいに分かれず、候補者が的外れな方向に準備をしすぎるのはここだ。O*NETは各職種のソフトウェアの一部を「ホット」または「需要が高い」とフラグ付けしているが、この2つのリストは肩書きから想像するよりはるかに重なっている。Microsoft Power BI、Alteryx、Google Looker、Snowflake、Apache Spark、Excel、PowerPointはどちらのページにもフラグが立っている。共有されている中間部分がスタックの大半を占め、面接での違いはその両端に現れる。ビジネスインテリジェンスアナリストのページにはレポーティングとエンタープライズ寄りのツール - - Salesforce、SAP、Google Analytics、SQL Server Reporting Services - - が追加されている。データサイエンティストのページにはモデリングとエンジニアリング寄りのツール - - TensorFlow、PyTorch、SAS、MATLAB、Docker、Kubernetes、Git、Apache Airflow - - が追加されている。つまり、ビジネスインテリジェンスアナリストの面接のためにTensorFlowを復習するのは、違う試験の勉強をしているようなものだ。逆に、データアナリストの面接でPower BIを「自分には関係ないツール」として扱うのも同じ間違いの裏返しであり、こちらのほうがよくある。
SQLラウンド
渡されるのは2つか3つのテーブルと、自然な言葉で書かれた質問だ。誰かに見られながら、声に出しながらクエリを書く。構文そのものが要点ではない。
| 渡されるもの | 実際に評価されていること |
|---|---|
| 2つのテーブルと「3月に2回注文したユーザーは何人か」という問い | 打ち始める前に「ユーザー」の定義を確認するかどうか |
| もっともらしいが誤った数字を返すクエリ | 結合(JOIN)が行を重複させたことに気づくかどうか |
| 「では国別に、ランキング形式でやってみてください」 | ウィンドウ関数が体に染みついているか、それとも苦戦するか |
| 「このクエリは9分かかっています」 | 当てずっぽうの前に、原因としてありそうなものを一つ挙げられるか |
最初の行にある罠こそが、内定を逃す原因になる。「3月に2回注文したユーザー」を求められてすぐに打ち込み始めるデータアナリストは、3つの確認を飛ばしている。ゲストでの購入もユーザーとしてカウントするのか、3月とは注文日のことかそれとも発送日のことか、返金された注文もカウントに含めるのか、という点だ。まず確認する。それから書く。O*NETは「データ分析によって対処できるビジネス課題を特定する」をデータサイエンティストについて78点と評価しており、これは、曖昧な依頼を正確なものへ落とし込むことが、仕事の前置きではなく仕事そのものの一部であるということを、堅い言い方で表している。
このラウンドのためにもうひとつ身につけておく価値のある習慣がある。次に何を確認するかを口に出すことだ。「これは4,812件を返していますが、まず最初にやるのは、これを注文件数の生データと比較して、結合(JOIN)によって数が水増しされていないか確認することです」。この一文は、どんなに洗練された共通テーブル式(CTE)よりも、多くのSQLラウンドをうまく締めくくってきた。
SQLよりも内定を左右するラウンド
大半のデータアナリスト候補者は技術的な選考に向けて準備をするが、実際にはコミュニケーションに関する質問で不採用になっている。タスクデータはその理由を語っている。O*NETがデータサイエンティストの日常業務のうち最も高く評価している項目を見てみよう。「データや情報を分析すること」が96点、「コンピュータを使って作業すること」が94点、「情報を処理すること」が93点 - - そして「情報の意味を他者に解釈して伝えること」が87点で、これは「情報を得ること」や「意思決定と問題解決を行うこと」(どちらも83点)を上回っている。ビジネスインテリジェンスアナリストについても同じ項目は89点で、「上司・同僚・部下とコミュニケーションを取ること」は81点となっている。
スキルのリストを見ると、この傾向はさらに際立つ。
読解力が75点、スピーキングが72点、ライティングが69点で、数学はそれらすべての後ろの63点だ。米労働統計局(BLS)も、この職種の説明の中で同じことを平易な言葉で述べている。データサイエンティストは「ビジネス上の提言を行うために、専門家にも非専門家にも分析結果を伝えられなければならない」というのだ。
これを試す質問は、たいてい何の変哲もない形でやってくる。「直近の分析結果を財務部門の人にどう説明しますか」。あるいはもっと切り詰めた形で、「VPに90秒だけ与えられました。どうぞ」。ビジネスインテリジェンスアナリストがパイプライン - - データソース、結合、更新頻度 - - の説明から答え始めてしまうと、それは丁寧な形で不合格になっており、しかもそのことを本人に伝えてはもらえない。まず発見事項と、そこから導かれる意思決定から始めること。手法の話は、誰かに聞かれたときだけでいい。90秒とは3文のことだ。その3文すべてを結論に使うこと。
「ある数字が動きました。どうしますか」
週間の新規登録数が12%減少した理由を尋ねられたデータアナリストのための、型として覚えておく価値のある模範回答を挙げる。
「まず、それが本物の変化かどうかを確認します - - トラッキングはまだ正常に発火しているか、リリースでイベント名が変わっていないか、その週のデータは本当に確定しているか、といった点です。本物であれば、原因を切り分けられそうな軸 - - チャネル、プラットフォーム、国、新規か既存かなど - - で分解してみます。ある1つのセグメントだけが減少の大半を占めているなら、たいていはバグかキャンペーンの停止が原因です。全セグメントに均等に広がっているなら、季節要因か、トラフィックの上流側の何かが原因であることが多いです。そのうえで、どちらに近いと見ているか、そして確信を持つために何が必要かをお伝えします」
この回答が何をしているかに注目してほしい。まず計測の確認、理論化の前にセグメント分解、そして断定ではなく最後に確信度を述べていることだ。パネルがこれを尋ねるのは、それが実際の仕事そのものだからだ。ビジネスインテリジェンスアナリストにとって2番目に評価の高いタスクは、ツールとダッシュボードを正しく保つことで84点であり、その仕事の半分は、奇妙な数字が「現実の変化」なのか「パイプラインの不具合」なのかを見極めることにある。
「あるプロジェクトについて話してください」
うまくいく答え方は、使った技術スタックではなく意思決定から始まる。「サポートチームは、どのチケットカテゴリが再問い合わせを引き起こしているのかを知りたがっていました。そこで90日分のチケットをアカウントテーブルと結合したところ、2つのカテゴリが再問い合わせの大半を占めていることがわかり、そのうち1つについてはヘルプ記事を書き直してもらいました」。ツールについて触れるとしても、最後の一節に留める程度でいい。
何も成果につながらなかったプロジェクトでも、十分に良い回答になり得る。しかもそれは、突っ込まれたら答えられない磨き上げたストーリーよりも良い回答だ。「解約防止のダッシュボードを作りましたが、誰も開きませんでした - - 実際に使う2人に、毎週何を判断材料にしているか聞く代わりに、クエリしやすいデータから作ってしまったのです」と語るビジネスインテリジェンスアナリストは、まさにO*NETがこの職種について80点と評価しているタスク、すなわちビジネスインテリジェンス情報をユーザーへ適時に届けることを実演して見せている。これは、スクリーンショット付きのダッシュボードよりも良いシグナルだ。
学位について聞かれるのか
めったに聞かれないし、候補者が恐れているような形でもない。O*NETはデータサイエンティストを「かなりの準備が必要」なジョブゾーン4に分類しており、調査対象労働者の48%が学士号、44%が修士号を持っていると回答している - - つまり、大学院の学位を持たないデータアナリストは例外ではなく、むしろ多数派に属している。
「希望年収はいくらですか」
レンジで答え、それに勤務地の情報を添えること。この職種に関する連邦の賃金データは異例なほど幅が広く、その幅の広さこそが、単一の数字を口にすることを拒む根拠になる。
Data scientists: wages and outlook, May 2025
BLSによれば、2025年5月時点の中央値は120,230ドルで、下位10%は67,240ドル未満、上位10%は199,130ドル超、職数は275,600件となっている。雇用は2025年から2035年にかけて35%増加すると見込まれ、この10年間で年平均約24,800件の求人が発生するとされている。この幅の中に収まり、勤務地を明示したレンジであれば説得力を持つ。単一の数字は、その後2年間縛られ続けることになる当て推量にすぎない。
このデータが教えてくれないこと
O*NETが調査しているのは、その仕事を採用する側ではなく、実際にその仕事をしている人々だ。企業が何ラウンド面接を行うか、SQLの選考を突破する候補者の割合、持ち帰り課題にかかるべき時間、あるいはある特定の雇用主が機械学習について尋ねるかどうかといったことは、そこには一切書かれていない。この評価が教えてくれるのは、その仕事がどこに重みを置いているかということだけだ。ある特定のパネルがあなたの1時間をどう使うかまでは教えてくれない。「彼らが聞いてくる50の質問」というランキング付きリストを売り込んでくる相手は、そのランキングを自分ででっち上げているだけだ。
持ち帰り課題がある場合
文章によるまとめのほうを本体の課題とみなし、分析そのものは付録として扱うこと。誰かがノートブックを開く前に、まず1ページに目を通す。そして、そのページこそが「情報の意味を他者に解釈して伝えること」 - - ビジネスインテリジェンスアナリストで89点、データサイエンティストで87点 - - が実際に評価される場所だ。2段落で十分。何がわかったか、そしてそれに対して何をするか。そこに、これが実務であれば挙げるはずの留意点を加えること。自分自身の分析の弱点を指摘できることこそが、この仕事の経験があることを示す最も信頼できるシグナルだからだ。
コードは読みやすく保ち、問いに答えられたところで手を止めること。4つのグラフと1つの提言を提出するデータアナリストはシニアに見える。14のグラフと提言なしは、何が重要かを判断できなかった人物に見える。そして、何が重要かを判断すること自体がこの仕事なのだ。
今週やるべきこと
やるべきことは3つ、この順番で。まず、直近のプロジェクトの90秒版を書く - - 発見事項を最初に、手法は最後に - - そして、急がずに90秒に収まるまで声に出して練習する。次に、最近書いたクエリを1つ取り出し、書きながら説明する練習をし、次に何を確認するかという一文で締めくくる。最後に、リクルーターとの電話の前に自分の都市圏の賃金レンジを調べておき、お金の話が出たときに沈黙ではなくレンジで答えられるようにしておく。
面接を突破することよりも、そもそも面接にたどり着くことのほうが難しいという場合は、HeroApplyがあなたの履歴書から応募フォームを入力してくれる。そうすれば、時間はフォーム入力ではなく、上記の4つのラウンドに注ぎ込める。
情報源
- BLS Occupational Outlook Handbook - Data Scientists, May 2025 wages and 2025–35 projections
- O*NET OnLine - Data Scientists 15-2051.00, tasks, work activities and technologies (updated 2026)
- O*NET OnLine - Business Intelligence Analysts 15-2051.01, tasks, skills, activities and technologies (updated 2026)
よくある質問
データアナリストの面接でどのような質問がされるか？
ほぼすべてのケースは4つのグループに分類される - SQLやクエリの演習、メトリクスの変動に関する診断ケース、自分が所有したプロジェクトのウォークスルー、そして非技術者に結果を説明する質問。O*NETでは、「数学モデルの結果を口頭または書面で発表する」ことをデータサイエンティスト職の重要性で80/100と評価しており、「統計ソフトウェアを使って原始データをクリーンに扱う」を76/100と評価している。準備の順番はこの順序にすべきである。
データアナリストの面接で必要なSQLの量は？
2つのテーブルを結合できる、GROUP BYで集計できる、日付範囲でフィルタリングできる、ウィンドウ関数を使えること。面接官はビジネス上の質問をクエリに変換できるかどうかをチェックしているのではなく、文法を暗記しているかどうかを。クエリを書けるだけでなく、その結果に問題がある可能性を口頭で説明できるなら、ほとんどのポジションの基準を満たしていると言える。
「データプロジェクトについて話してください」と聞かれたとき、データアナリストとしてどう答えるか？
分析が下した決定に焦点を当て、ツールの話ではなく、質問された内容、利用したデータ、見つけた事実、そしてその後誰かがどのように行動を変更したかを述べてください。誰も開けなかったダッシュボードのプロジェクトでも、それが使われなかった理由と、改善点を述べれば、使いやすい答えになります。
データアナリストが給与期待額についてどう言うべきか？
給与範囲を職種およびメトロポリスの公表された賃金データに根拠づけ、総合報酬が交渉可能であると述べる。BLSによると、2025年5月時点でデータサイエンティストの中央値賃金は120,230ドルで、最低10％は67,240ドル未満、最高10％は199,130ドルを超える。この範囲は広く、場所が明記されていない数値は採用担当者にとってほとんど情報が得られない。
データ分析の面接ではまだターゲットアサインメントを使用していますか？
多くの場合、オープンな質問を付帯した小さなデータセットを使用します。書面の要約を評価対象とし、O*NETが「他者に情報を解釈する」をビジネスインテリジェンスアナリストにおいて89/100と評価しており、データ処理自体ではない最も高い評価の仕事活動であり、『上司や同僚、下位者とのコミュニケーション』の81点を大きく上回っているためです。明確な2文の回答は、40セルのノートに結論がないものよりも優れています。
HeroApply が採用申請を代行します
求人情報に合った職種を検出し、あなたの声でスクリーニング質問に答えて、応募書類を提出 - デスクトップ、スマートフォン、またはクラウドで
Jordan Reyes · Careers Editor
Jordan writes the resume, cover letter and interview guides - the parts of the search that happen before anyone presses Apply. Every example comes from a real job title.
ブログの最良のコンテンツ、週1回
1つのメールで週のガイドが届きます。スパムはありません。いつでも解除可能です。
