Pythonの求人はなぜ少なく見える？用途別の職種名と年収相場

Pythonの求人が見つからない

Pythonの文法はひととおり身につけて、簡単なスクリプトや学習用の成果物は作れる。次は仕事にしたい。そう考えて「Python 求人」で検索したところで、いったん手が止まることがあります。

検索結果に並ぶのは求人媒体の検索結果ページで、地域別の一覧や未経験歓迎の一覧が延々と続きます。開いてみれば求人自体はあるのですが、応募要件の欄に並んでいる言葉が自分の力量と噛み合っているのかが分かりません。書いてあるライブラリ名の半分は使ったことがなく、かといって「これは無理」と言い切れるほどの判断材料もない。応募すべきか見送るべきかを決められないまま、タブを閉じることになります。

そこへ「Pythonの求人は少ない」「Pythonエンジニアはやめとけ」という言説が届きます。学習の方向そのものを間違えたのではないかと感じることもあるでしょう。ただ、この2つの評判は、Pythonの求人がどういう形で世の中に出ているかを踏まえたうえで語られているとは限りません。

ITエンジニア向けの転職エージェントを経験者の視点で比較したい場合は、以下の記事にサービスごとの特徴と使い分けがまとまっています。

参考記事：ITエンジニアにおすすめの転職エージェント10選｜経験者向けに比較

用途で分かれる4つの求人

Pythonの求人は「Pythonエンジニア」という1つの職種としてまとまっているわけではなく、何にPythonを使うかによって別々の職種名で募集されています。大きく分けると、Webアプリケーションの開発、AI・機械学習の開発、データ分析とデータ基盤、業務自動化の4つです。同じ「Pythonが書ける」でも、この4つでは求人票に書かれる要件も、選考で問われることも別物になります。

Webアプリケーションの開発

Webサービスのサーバー側の処理やAPIを作る仕事です。求人票では「バックエンドエンジニア」「サーバーサイドエンジニア」「システムエンジニア」といった名前で募集され、Pythonは使用技術の1つとして書かれます。

要件に並びやすいのがDjangoです。Django Software Foundationの公式サイトはDjangoを「高レベルのPythonウェブフレームワーク」と説明しており、Webアプリケーションを速く構築できるよう設計され、開発者が一般的なセキュリティ上のミスを避けられるよう作られているとしています。求人票にDjangoの名前があれば、その求人はWebアプリケーションの開発だと判断できます。

この用途では、言語の外側にある知識が言語と同じ比重で問われます。厚生労働省の職業情報提供サイト（job tag）の「システムエンジニア（Webサービス開発）」は、Webサイトの開発ではサーバのOSであるLinux、Webサイトの機能を実現するApache、データベースのMySQL、PostgreSQL、そしてプログラミング言語の知識が必要になると記しています。加えて、開発においてセキュリティに関する知識も重要になっているとし、最新の情報が英語のWebサイトや英語のコミュニティで得られることから英語の読み書き能力が必要だとも書かれています。

AI・機械学習の開発

学習データを使ってモデルを作り、精度を上げ、運用に載せる仕事です。求人票では「機械学習エンジニア」「AIエンジニア」として募集されます。

job tagの「AIエンジニア」は、求められるものとして「ディープラーニングやその他の機械学習の手法に精通していること」を先に挙げ、そのうえで「この分野でメジャーなプログラミング言語であるPython（パイソン）などを使いこなせること、データ分析の技術やツールが十分に使えること」を挙げています。さらに画像処理、自然言語処理、音声処理などの技術への精通や、医学、農学といった特定分野の専門知識が求められることもあるとしています。順序が示すとおり、この用途で中心にあるのは言語ではなく手法です。

要件に並ぶライブラリではscikit-learnが目印になります。scikit-learnは公式サイトで「シンプルで効率的な予測データ分析のツール」と説明され、分類、回帰、クラスタリング、次元削減、モデル選択、前処理という6つのタスクに対応するとされています。あわせて公式サイトは、このライブラリがNumPy、SciPy、matplotlibの上に構築されていることを明記しています。つまり機械学習の求人では、その土台となるデータ処理のライブラリが前提として扱われているということです。

データ分析とデータ基盤

データを集めて整え、判断に使える形にする仕事です。求人票では「データアナリスト」「データサイエンティスト」「データエンジニア」という名前で立ちます。

Pythonの側で目印になるのはpandasです。pandasは公式サイトで「Pythonプログラミング言語の上に構築された、オープンソースのデータ分析・操作ツール」と説明されています。求人票にpandasがあれば、その仕事はデータを扱う仕事だと読めます。

この用途で見落とされやすいのが、Pythonと並んで要求される技術の量です。job tagの「データエンジニア」は、必要なスキルとして微分積分、線形代数、確率統計などの数学のスキル、Python・Scala・Java・Rなどのプログラミングのスキル、ビッグデータ分析のための環境をクラウド上で設計・構築・運用するスキルを挙げ、さらにHadoopなどによる大規模データの分散処理の知識も求められるとしています。言語は要求される要素のうちの1つという位置づけです。

業務自動化とスクレイピング

社内の業務処理を自動化したり、必要なデータを機械的に集めたりする仕事です。この用途は「Pythonエンジニア」という専任の求人としてはあまり立たず、情報システム部門や業務改善を担う職種の募集の一部として現れることが多くなります。

そのぶん、事業会社で働いている人にとっては接続点になりやすい用途です。もしあなたが業務のなかでExcelの集計をPythonで自動化した経験があるなら、その経験はデータ分析職に応募するより先に、業務系の開発や社内システムを担う求人で評価されやすくなります。日々の業務を知っていること自体が、自動化の対象を見つける力として扱われるためです。

求人が少なく見える理由

Pythonの求人が少なく見えるのは、実際に少ないからではなく、言語名ではなく職種名で募集されているためです。言語名だけで検索すると、職種名で立っている求人を取りこぼします。

前の章で見たとおり、Pythonを使う仕事はバックエンドエンジニア、機械学習エンジニア、データサイエンティスト、データエンジニアといった職種名の下に入っています。job tagの職業区分もこの形になっていて、Pythonは「システムエンジニア（Webサービス開発）」の使う道具のひとつとして挙げられ、「AIエンジニア」「データエンジニア」では必要なスキルの1つとして記載されています。どの職業の説明にも「Pythonエンジニア」という職業名は出てきません。

求人票の構造にも理由があります。言語は必須要件の欄ではなく「使用技術」「開発環境」といった欄に書かれていることがあり、その場合、応募資格の側には職種名と経験年数しか載りません。媒体の検索が応募資格を優先して拾う仕様であれば、言語名では引っかからないことになります。

そこで、探し方を2段構えにしてください。1つは言語名での検索を1回で終わらせず、前の章で挙げた職種名でも検索することです。もう1つは、検索でヒットした求人の本文まで開いて、使用技術の欄にライブラリ名があるかを確かめることです。この2つを回すだけで、目に入る求人の範囲は変わります。

用途別の年収相場

「Pythonでいくら稼げるのか」に答えられる公的な統計は、言語単位では存在しません。統計は職業単位で取られているため、Pythonを使う代表的な職業の水準を見ることになります。厚生労働省の職業情報提供サイト（job tag）が公表している職業別の賃金は次のとおりです。

いずれも令和7年賃金構造基本統計調査の結果を加工して作成された数値です。この表は、そのまま読むと誤解を招く箇所が3つあります。

1つめは、AIエンジニアとデータエンジニアの数値が同じ値になっていることです。これは偶然ではなく、job tagの統計が職業名ごとではなく職業分類ごとに集計されているためです。job tag自身も統計データについて「必ずしもその職業のみの統計データを表しているものではありません」と注記しています。職業名の違いが、そのまま賃金の違いとして表に出ているわけではありません。

2つめは、平均年齢の差です。システムエンジニア（Webサービス開発）は37.1歳、データサイエンティストは43.9歳と6歳以上の開きがあります。年収の差が用途の違いから生まれているのか、年齢構成の違いから生まれているのかは、この表だけでは切り分けられません。「データを扱う職種に進めば年収が上がる」と読むのは早計です。

3つめは、これらが平均値だということです。平均には管理職や上位の職責にある人が含まれるため、入職して間もない時期の水準ではありません。転職サービスが自社の掲載求人から算出した年収レンジを見かけることがありますが、あちらは母集団がそのサービスの掲載求人に限られるので、公的統計と同じ土俵に並べて比べることはできません。どちらを見るにしても、レンジの上限は経験年数と職責が伴う値だと考えてください。

用途を選ぶときに年収を第一の基準にしないほうがよいのは、この3点が理由です。数十万円の差の多くは、用途そのものより、そこで求められる経験の重さの違いから来ています。

求人票で見る要求レベル

「仕事で使えるレベル」がどの程度なのかは、抽象的に考えるより求人票を読んだほうが早く分かります。見るべき箇所は3つです。

1つめは、ライブラリ・フレームワーク名の並びです。前の章で見たとおり、Djangoが並べばWebアプリケーションの開発、pandasが並べばデータを扱う仕事、scikit-learnが並べば機械学習と、用途がほぼ特定できます。深層学習向けのフレームワークが挙がっている求人なら、モデルを実装する側の仕事だと読めます。

2つめは、言語以外に何が同時に要求されているかです。ここに、言語だけを学んだ状態との差がはっきり出ます。job tagの記述をたどると、Webサービス開発ではLinux、Apache、MySQLやPostgreSQLといったデータベース、セキュリティの知識、英語の読み書きが挙がり、データエンジニアでは数学のスキル、クラウド上での環境の設計・構築・運用、分散処理の知識が挙がっていました。求人票に並ぶこれらの語の数が、そのまま要求の厚みです。

3つめは、それが必須要件と歓迎要件のどちらに書かれているかです。歓迎要件にあるものは、入社後に身につける前提で書かれていることがあります。必須要件の側に自分の持っていない技術が2つ3つ並んでいるなら、その求人はいまの自分には射程外だと判断できます。目安として、もしあなたが求人票のライブラリ名を見て半分以上が初見なら、いま応募先として検討するより、そこに書かれている技術のうち1つを学習の次の対象にするほうが近道になります。

就業場所の欄も、あわせて確認してください。2024年4月1日施行の改正職業安定法施行規則により、募集の際には「就業場所の変更の範囲」と「従事すべき業務の変更の範囲」を明示することが必要になりました。ここでいう変更の範囲とは、雇入れ直後にとどまらず将来の配置転換など今後の見込みも含めた範囲を指します。厚生労働省のリーフレットは、在籍出向を命じることがあり、出向先での就業場所や業務が出向元の変更の範囲を超える場合には、その旨を明示するようにするとも記しています。自社で働くのか、客先で働くことがあるのかは、この欄から読み取れることがあります。

足りないものと埋める順序

「Pythonはやめとけ」と言われる背景にあるのは、言語そのものの問題ではなく、Pythonを学んだだけでは届かない求人があるという事実です。どこが足りないのかと、それをどの順で埋めるのかを分けて見ていきます。

AI・機械学習で問われるもの

4つの用途のなかで、言語の外側がいちばん重く問われるのがこの領域です。情報処理推進機構（IPA）の「DX動向2025」では、日本企業の85.1％でDXを推進する人材が不足しており、これは米国・ドイツと比べて著しく高い水準だとされています。ただしこの数字を「人材が足りないのだから未経験でも入れる」と読むのは誤りです。同じ調査は、AI活用スキルを重視する傾向が強まる一方で、どのレベルのAI理解を求めるのかは企業ごとにばらつきがあり、それが採用を難しくしていると指摘しています。DX推進を担当する人材のスキルセットが定義されていない企業が多く、役割や期待値が曖昧なままでは採用も育成もかみ合わないという構造も挙げられています。不足しているのは職務を遂行できる人であって、言語を書ける人ではありません。

AIエンジニアの学歴の分布を見ると、修士課程卒63.6％、大卒57.6％、博士課程卒30.3％となっています。同じページには「特に学歴や資格は必要とされず、現状では求められる要件や水準も明確でない」とも書かれており、要件として定められていないことと、実態として集まっている人の属性は別だということが読み取れます。学歴が要件でないからといって、同じ土俵で戦うことになる相手の顔ぶれが変わるわけではありません。

まず埋めるのはデータベース

足りないものが分かったら、次はどれから埋めるかです。前の章で挙げた「言語以外に同時に要求される技術」のうち、自分が狙う用途の求人票に繰り返し現れているものから1つ選んで足していきます。4つの用途を通じて現れるのはデータベースの扱いなので、どこから手を付けるか迷うならここが起点になります。

遠回りに見える入口のほうが近い

足りない部分が大きいときは、学習で埋めきる前に、隣の用途から実務で埋めるという手があります。job tagの「データエンジニア」は、中途採用の場合はシステムエンジニアなどIT関係のエンジニアからの転職が多いと記しています。「データサイエンティスト」でも、中途採用は情報処理技術者、通信技術者、マーケティングリサーチャー、製造業の研究者からなる場合が多いとされています。データ側の職種は、隣の職種からの移動で埋まっている面があるということです。

Webバックエンドや業務自動化の求人から入り、実務でデータを扱う経験を積んでから移る。この順序は遠回りに見えて、実際の入職経路に沿っています。

Python求人の探し方と相談先

探し方の要点は、言語名で1つの媒体を検索して終わりにせず、職種名やスキル単位で絞り込める媒体と、企業側から打診が届く媒体を併走させることです。ここではIT・Web領域を専門にする4つのサービスを取り上げます。

レバテックキャリア

レバテック株式会社が運営するIT・Webエンジニア向けの転職支援サービスです。公式サイトには、約59種類、90スキルから自分の経験にあった求人を探せると記載されています。企業からのスカウトも届きます。転職サポートの登録は無料です。

この記事の趣旨からいうと、スキル単位で絞り込める点が使いどころです。言語名で全体を眺めるのではなく、自分が使ったことのある技術の組み合わせで候補を出せば、求人票を1件ずつ開いて判断する手間が減ります。

Geekly（ギークリー）

株式会社ギークリーが運営する、IT・Web・ゲーム業界に特化した転職エージェントです。専任のキャリアアドバイザーが求人紹介、キャリア相談、履歴書・職務経歴書の作成支援と添削、面接対策、条件交渉の代行、入社後のフォローまでを担当します。求職者の利用は無料です。業界経験者だけでなく、職種未経験歓迎・業界未経験歓迎の求人も扱っています。

自分がどの用途の求人に届くのかを判断しかねているなら、経歴を伝えたうえで候補となる職種名を挙げてもらうという相談の仕方ができます。

マイナビ転職ITエージェント

株式会社マイナビが運営する、IT・Webエンジニア職種を対象とした転職エージェントサービスです。公式サイトは対象職種としてシステムエンジニア、プログラマー、インフラエンジニア、社内SE、アプリケーションエンジニア、Webエンジニアなどを挙げています。キャリア相談、求人紹介、応募書類の添削、模擬面接・面接対策、年収交渉、入社日調整、入社後のフォローを提供しており、夜間・土曜の面談にも対応しています。求職者の利用は無料です。

対象職種が公式サイトに列挙されているため、自分が狙う職種名を先に決めてから相談に入る使い方に向いています。

Green（グリーン）

株式会社アトラエが運営するIT・Web業界の転職サイトです。公式サイトは「企業と求職者が直接やり取りできる転職サービス」と説明しており、企業からスカウトを受け取ることも、自分から気になる求人に応募を送ることもできるとしています。求人はスタートアップから上場企業まで掲載されており、職種・勤務地・年収で絞り込む検索に対応しています。求職者は求人閲覧・応募・スカウト受信・メッセージのやり取りを含め、すべての機能を無料で利用できます。

ここまでの3つがエージェント型なのに対し、Greenは自分で検索して企業と直接やり取りする形です。求人票の使用技術の欄を自分の目で読み比べたい段階では、こちらのほうが手数が少なく済みます。

まとめ

Pythonの求人を探すときに押さえておきたいのは、次の3点です。

• 求人は言語名ではなく職種名で立っている
  • Webアプリケーションの開発、AI・機械学習、データ分析とデータ基盤、業務自動化の4つに分かれ、それぞれバックエンドエンジニア、機械学習エンジニア、データサイエンティスト、情報システム部門の職種として募集されます。
• 年収は職業分類ごとの統計でしか分からない
  • job tagの数値はPythonを使う人だけの値ではなく、平均年齢の違いも含まれています。用途の選択で年収が決まるわけではありません。
• 要求レベルは求人票から読める
  • ライブラリ名で用途を特定し、言語以外に何が同時に要求されているかを数え、それが必須要件か歓迎要件かを見る。この3手順で、自分に届く求人かどうかが判断できます。

次の一歩として、求人サイトの検索窓に言語名ではなく職種名を入れて、ヒットした求人を3件だけ開いてみてください。使用技術の欄に並ぶ語を書き出すと、いま自分に足りていない技術が具体的に見えてきます。