「データサイエンティスト」と「機械学習エンジニア」の違い、企業によって全然違うんです。私が困惑するのは、同じ「データサイエンティスト」という求人タイトルでも、ある会社では分析業務中心(SQL・BI・レポート作成)、別の会社ではモデル実装と運用(Python・MLOps・本番リリース)、さらに別の会社ではビジネス提案まで(データで経営に提言)と、全く違う業務を指している点です。タイトルだけで判断すると入社後に後悔します。応募前にチェックすべきは3点。①求人票の業務内容(「分析」「実装」「提案」のどれに力点があるか)②使用技術スタック(SQL中心なら分析寄り、Python・Docker・Kubernetesが並ぶなら実装寄り)③所属組織(事業部所属なら分析・提案寄り、データ基盤チーム所属なら実装寄り)。これらでミスマッチを避けられます。年収レンジも違っていて、分析中心のDSは500〜900万、実装まで出来るMLEは700〜1500万が相場。自分がどちらのキャリアを歩みたいのかを決めた上で、求人タイトルではなく業務内容で選んでくださいね。面接での見極め方も知っておくと役立ちます。面接で「一日の業務の流れを教えてください」と聞いて、SQLクエリ・ダッシュボード作成の話が多ければ分析寄り、デプロイ・障害対応の話が多ければ実装寄りです。入社後のキャリアパスも違います。分析寄りのDSは事業部との距離が近く、マネジメントやビジネス側への異動ルートがあります。実装寄りのMLEは技術を深めてテックリードやアーキテクトを目指すルートが主流です。ここを外すと、入社後に「やりたい仕事じゃなかった」が起きます。