営業からデータ分析転職｜私が掴んだ7段階の実体験設計2026

営業からデータ分析への転職は「異職種すぎる」と諦めていませんか。私はAFP・宅建士の資格を持ち、大手生命保険会社と総合保険代理店で計5年間、富裕層・経営者向けの対面営業を続けてきました。その経験をもとにキャリアチェンジを自ら実践した立場から、営業出身者がデータ分析職へ転職するための7段階を、失敗談も含めてそのまま語ります。

営業出身がデータ分析転職で狙える現実の打席

データアナリスト未経験歓迎の求人は本当にあるか

結論から言うと、未経験歓迎のデータアナリスト求人は存在します。ただし「完全未経験」ではなく「IT業務未経験可」という意味合いがほとんどです。企業が欲しいのは、数字を読んでビジネス判断につなげられる人材であり、その点で営業職は有利な素地を持っています。

私が転職市場を調べた2024〜2025年時点では、SaaS系スタートアップやEC企業、保険・金融系のインハウスデータチームが積極採用していました。特に営業データ（KPI管理・商談数・成約率）を自分で分析していた経験は、職務経歴書で直接アピールできる材料になります。

営業職の経験がデータ分析でどう評価されるか

私が総合保険代理店で富裕層向け営業をしていた頃、毎月の成約率・解約率・顧客属性ごとの収益貢献度を自分でExcelに落として管理していました。当時は「分析」と意識していませんでしたが、これはビジネスインテリジェンスの基礎的な行為と同じです。

採用担当者に評価されるのは「数字を使って何を判断したか」という実績です。「エリアA商圏の成約率が低い原因を分析し、訪問頻度を変えて翌月に15%改善した」という表現は、データ分析職の面接でも十分な説得力を持ちます。営業転職における異職種ハードルを下げる武器は、実はすでに手元にあることが多いです。

私が実際に踏んだ学習7段階とそのリアル

SQLとPythonの学習順序と私が犯した失敗

私が学習を始めたのは営業から経営者へのキャリアチェンジを決意した後のことです。最初に手をつけたのはPythonでした。これが最初の失敗でした。Pythonは汎用性が高い一方、データ分析の文脈では「SQLで抽出→Pythonで加工・可視化」という順序が自然です。SQLをスキップしたまま進むと、実務でデータベースに触れた瞬間に詰まります。

私が推奨する学習順序は以下の7段階です。

• 第1段階：ExcelのPivotTable・VLOOKUP・IF関数の完全習得（1〜2週間）
• 第2段階：SQLの基礎（SELECT・WHERE・JOIN・GROUP BY）をオンライン教材で習得（3〜4週間）
• 第3段階：実データを使ったSQL演習（Kaggleのパブリックデータセット活用）（2〜3週間）
• 第4段階：Pythonの基礎とpandas・matplotlib入門（4〜6週間）
• 第5段階：BIツール（TableauまたはLooker Studio）の基本操作習得（2〜3週間）
• 第6段階：ポートフォリオ作成（自分の営業経験に関連するテーマで分析）（3〜4週間）
• 第7段階：転職活動開始（エージェント登録・求人応募・面接準備）

合計では早くて4〜5ヶ月、じっくり進めると6〜8ヶ月が現実的な目安です。フルタイムで営業をしながら学ぶ場合は、毎日1〜2時間の確保が継続の鍵になります。

SQL習得で苦労した3つの壁と突破策

SQLはシンプルに見えて、実務に近い問題になると急激に難易度が上がります。私が特に詰まったのは次の3点です。

1点目は「JOINの概念」です。LEFT JOINとINNER JOINの違いが感覚的につかめず、当初は「なぜデータが消えるのか」が理解できませんでした。これはER図（エンティティ関係図）を紙に書いて視覚化することで解決しました。

2点目は「サブクエリとウィンドウ関数」です。RANK()やROW_NUMBER()は、営業成績のランキング集計で使う場面がリアルなため、自分の過去の営業データ（架空の数字）を使って練習することで理解が進みました。

3点目は「パフォーマンスを意識したクエリの書き方」です。初期学習段階では気にしなくていい部分ですが、面接の技術テストで問われることがあるため、インデックスの基礎だけは押さえておくべきです。

営業経験を活かすポートフォリオ設計の実際

採用担当者に刺さるポートフォリオの構成

ポートフォリオの作り方で最も重要なのは「テーマ選定」です。テーマは自分の営業経験と絡めるべきです。私の場合、保険代理店での営業経験をもとに「契約継続率と顧客属性の相関分析」をテーマに据えました。実際の顧客データは使えないため、政府統計（e-Stat）や金融庁の公開データを組み合わせて代替データを作成しました。

ポートフォリオは次の4要素で構成するとまとまりが出ます。①課題設定（なぜこの分析が必要か）、②データの取得・加工プロセス（SQLとpandasの活用）、③可視化と考察（グラフと文章で説明）、④ビジネスへの示唆（次にどう動くか）。この流れは、営業職が日々行っていた「仮説→検証→提案」のプロセスと構造的に一致しています。

GitHubとNotionを使った公開方法

作成したポートフォリオはGitHubのリポジトリに上げ、READMEに分析の背景と結論を日本語で書くことをお勧めします。コードが読めない採用担当者でも、READMEを読めば「この人はどんな問いを立て、何を発見したか」が伝わります。30代転職の戦略軸設計|代理店時代の私が固めた5つの判断基準2026

Notionで別途ポートフォリオページを作り、GitHubへのリンクを集約する方法も有効です。見た目が整理されるため、書類選考通過率が上がります。私が転職活動で実際に使ったフォーマットでは、分析1本ごとに「問い・手法・発見・示唆」の4項目を表形式でまとめました。これは保険営業時代に提案書を作る感覚と近く、営業出身者にとって取り組みやすい形式です。

転職エージェント活用の比較軸と私の選び方

データ分析職特化型と総合型エージェントの違い

転職エージェントを活用する際、特化型と総合型では強みが異なります。データアナリスト・データサイエンティスト向けの特化型エージェントは、求人の質が高く、技術的なポートフォリオへのフィードバックも得られます。一方、総合型エージェントは求人数が多く、業界を横断した比較ができます。

私が転職エージェントを選ぶ際に重視した比較軸は3つです。①担当者がIT・データ系の求人に慣れているか（初回面談で確認できます）、②非公開求人の比率が高いか、③書類添削と面接練習を何回まで無料でサポートしてくれるか。この3点を初回の電話・面談で直接確認することをお勧めします。

エージェント登録から内定までの実際のスケジュール感

エージェント登録から内定まで、私の周囲の事例や相談を踏まえると、スムーズなケースで3〜4ヶ月、ポートフォリオが未完成の状態から始めると5〜7ヶ月かかるケースが多いです。学習期間と転職活動期間を切り分けず、学習しながら並行して登録だけ先に済ませておく戦略が時間効率という観点から合理的です。30代営業転職成功の5軸|代理店出身の私が掴んだ判断ポイント2026

エージェント経由での応募は、求人票に載っていない「社内のデータチームの規模・使用ツール・分析テーマ」を事前に確認できるメリットがあります。特に「BIツールが整備されているか」「SQLを書く機会が週何回あるか」は入社後のギャップに直結するため、担当者を通じて必ず確認するべき項目です。

まとめ：営業からデータ分析転職を現実にするための次の一手

7段階を振り返る：私が今これをやり直すとしたら

営業からデータ分析への転職を振り返ると、最大の失点は「Pythonから学び始めたこと」と「ポートフォリオのテーマを汎用的にしすぎたこと」の2点でした。営業出身の強みは「ビジネス課題の解像度が高いこと」です。この強みを殺さないために、テーマは必ず自分の業種・業務経験に引き寄せるべきです。

• SQLを先に学ぶことで、データ抽出の実務感覚が早く身につく
• ポートフォリオのテーマは自分の営業経験に直結させると評価が上がる
• 転職エージェントは複数登録し、担当者の質を見極めてから絞る
• 面接では「分析→判断→行動→結果」の営業プロセスを再現して語る
• 年収交渉は入社後の等級・評価制度を確認してから行う

私がAFP・宅建士として保険営業の現場で学んだのは「数字の背後にある人の行動」を読む視点です。これはデータ分析において、テーブルの数字からビジネスの動きを読む力と同じ根を持っています。営業からデータ分析への転職は、単なる異職種転換ではなく、同じ能力を別のフォーマットで発揮する選択です。

次の一手：まず登録して求人の全体像をつかむ

どれだけ記事を読んでも、実際に求人を見て「自分に何が足りないか」を確認することが、学習計画を立てる上で有効な出発点です。転職エージェントへの登録は無料で行えるものが多く、登録後に担当者との面談を通じてキャリアの棚卸しを行うことができます（紹介成立後に企業側から手数料が発生する仕組みのため、求職者側は費用不要のケースが一般的です）。

自分の営業経験がデータ分析職にどう換算されるか、まず市場の目線で確認してみてください。学習と転職活動を並走させる戦略が、時間を有効に使う現実的な方法です。

詳細を見る