Data ScientistからSenior DSおよびLeadへの道: 18〜36ヶ月のロードマップ

Data Scientistとして2〜3年が経った頃、あなたのノートブックはきれいに整理されています。AUCも上がっています。VP of Growthが今でもQBRで引用する解約予測モデルも作りました。先期、同期2人がいつの間にか昇進していて、フィードバックには「もっとインパクトを」「もっとオーナーシップを」という言葉が並んでいました。帰宅してルーブリックを読み返しましたが、特に新しいことは書かれていませんでした。

実際に何が起きているかというと、あなたは「モデルのオーナー」として働いているのに、会社が求めているのは「ビジネス成果のオーナー」だということです。この2つの仕事の差は、多くのラダーが示すより大きいものです。18〜36ヶ月で昇進した人たちはこれを理解していました。足踏みしている人たちは、中堅レベルに引き上げてくれたこと、つまりより良いモデル、きれいなコード、鋭いグラフの改善を続け、なぜルーブリックが自分に当てはまらないのか不思議に思っています。

このガイドは、私がDSで行き詰まっていたときに欲しかったマップです。Seniorで何が変わるのか。Leadで何が変わるのか。バンド間で実際に身につけるべき能力とは何か。そして報酬の差についても、なぜなら、お金が動機の一部であるという事実を無視するのは業界がよくつく嘘のひとつだからです。

なぜ今重要なのか（そして待つことがなぜ高くつくのか）

バンド間の報酬差は実在します。3年前より大きくなっています。DSからSenior DSへの昇進は、総報酬で通常4〜6万ドルの差があります。SeniorからLeadはさらに5〜9万ドルです。残りのキャリアにわたって複利で積み上げると、1つのバンドで余分な18ヶ月足踏みするコストは、「住宅の頭金」から「2軒分」の間のどこかになります。

もうひとつ高くつくこと、それは昇進が向こうからやってくるのを待つことです。「素晴らしい仕事をすれば気づいてもらえる」という話は、私の経験では、昇進を求めて交渉するという政治的な作業を避けたい人の言い訳に過ぎません。昇進はプロセスです。プロセスにはインプットがあります。あなたに中堅レベルのままでいてもらうことで利益を得るマネージャーが、あなたの評価を書いているのと同じ人間なので、多くの会社はそのプロセスをあなたのために始めてはくれません。

速く昇進するData Scientistが必ずしも賢いわけではありません。彼らは各バンドが何を評価するかを解読し、意図的にそこを狙っています。

Senior DSで何が変わるか

DSの仕事は「チケットに対してモデルを出荷する」ことです。Senior DSの仕事は「1つのビジネスドメインのMLの窓口になる」ことです。

具体的に何が変わるかというと:

ドメインエリアを所有します。 価格設定。解約。マーケットプレイスのマッチング。不正検知。予測。どれか1つを選ぶか（あるいは向こうからやってきます）、6ヶ月以内にそのビジネス指標をGMと同じように理解する必要があります。あなたが価格設定担当のData Scientistで、先四半期の純価格実現値を言えないなら、まだ本当の意味での価格設定DSではありません。価格設定チケットをこなしているだけのDSです。

少なくとも1人のICをメンタリングします。 「Slackで質問に答える」ではありません。メンタリングです。ジュニアのData Scientistをあるプロジェクトの最初から最後まで面倒を見ます。書き留めにくい部分も含めて。PMへの押し返し方、モデルが難しすぎてコスト割れするかどうかの見極め方、ステークホルダーの空気を読む方法など。

PMの計画会議に出席します。チケットを受け取るだけでなく。 Senior DSはロードマップ会議に出席します。MLプロジェクトを主張したり、反論したり、MLが正しいツールでないときは非MLソリューションを提案したりします。MLの作業があなた抜きでスコープされているなら、肩書き上はどうあれ、DSレベルの仕事をしていることになります。

仕様を書きます。コードだけでなく。 モデル仕様書はPMとVPがモデルが存在する前に聞く質問に答えるものです。ビジネス指標は何か、終了基準は何か、モデルが最悪の場合どんな意思決定をしてしまうか、ロールバック計画は何か。あなたが書きます。あなたが守ります。あなたが修正します。コードはその後です。

私がDSからSeniorに移ったとき、最初に崩れたのはスタンドアップの報告でした。相変わらずモデル指標の話をしていました。新しいマネージャーが優しく「AUCの話を聞く必要はありません。今週ビジネスとして何が変わったかを教えてください」と言いました。あの一言が昇進の全てでした。

Lead DSで何が変わるか

Senior DSの仕事は「ドメインを所有する」ことです。Lead DSの仕事はほとんどモデリングではありません。誰も言ってくれないこの部分こそ、多くの優秀なSenior DSがこの役割で弾かれるか、両立しようとしてバーンアウトするかのどちらかになる理由です。

6〜12ヶ月のMLロードマップを所有します。 四半期ごとの成果、優先順位付けされた賭け、終了日。あなたが書き、VPに売り込み、失敗した賭けを引き受けます。失敗したプロジェクトをファイナンスの前で弁護することになります。慣れてください。

2〜4人のData Scientistを管理します。 毎週の1on1、パフォーマンスレビュー、必要に応じてPIP、採用ループ。Senior DSに「要改善」評価を初めて付けるとき、マネジメントが単なるICの仕事に追加会議が入ったものではないと理解できます。

ヘッドカウントとツールの予算を守ります。 なぜチームにもう1人のData Scientistが必要なのか、なぜフィーチャーストアがPostgresのテーブルではいけないのか、なぜGPUの費用が上がったのか、ファイナンスパートナーに説明する午後を何度も過ごします。いくつかの議論には負けます。チームはあなたの負け方を見ています。

経営戦略をMLの賭けに変換します。 CEOが「Q3までにAIファーストになる必要がある」と言うとき、それは宣言であり計画ではありません。あなたはそれを3つの具体的な賭けに変え、それぞれに終了基準を設け、それぞれを所有するSenior DSを配置します。そして、今からQ3までの間にチームに飛び込んでくるダース単位の突発的なリクエストからそれらの賭けを守ります。

正直に言えば、私がSeniorからLeadに移ったとき、最初に壊れたのはノートPCでした。IDEを開かなくなって、自動更新のキューが3週間分たまったのです。データサイエンスに入ったのがモデリングが好きだからなら、Leadの仕事は看板に偽りありと感じるでしょう。データがビジネスを動かすのを見たくて入ったなら、Leadの仕事こそ実際にそれができる仕事です。

バンド間で身につける4つの能力

肩書きは結果です。インプットは能力です。私の経験では、あらゆる昇進委員会が実際に評価している4つを紹介します。ルーブリックにこれほど明確に書かれていないとしても。

1. 問題のフレーミング

「MLをXに使いたい」を、測定可能で、スコープが決まっていて、終了基準のあるプロジェクトに変える能力です。これには最も重要なスキルも含まれます。MLを使わないことを知る判断力です。VPに「これにモデルは必要ありません。ソートされたダッシュボードで80%のことがタダで解決できます」と言えるSenior DSは記憶されます。ロードマップにあったからといって黙ってモデルを作ったSenior DSは記憶されません。

成果物: ビジネス指標、ベースライン、目標値、終了基準、そして「明示的に解決しないこと」のセクションを含む1枚のペーパー。

2. プロダクト化

本番環境で1年間生き残るモデルの出荷です。これはモデル監視、再学習のトリガー、データドリフトの検知、あなた自身が含まれるオンコールのローテーション、ロールバックの手順、そして実際に使ったことがある事後分析のテンプレートを意味します。オフラインでは優秀でも本番で死ぬモデルはSenior DSの成果物ではなく、科学展示会の作品です。

成果物: あなたのチームにいないオンコールエンジニアが午前2時にロールバックすべきかどうか判断できる「本番モデル」ドキュメント。

3. エグゼクティブへの説明

技術に詳しくないVPに対して、モデルのビジネスへの影響を3枚のスライドで、彼らが信頼できる数字で説明する能力です。数字が難しいところです。「4%の改善が見られました」は信頼できません。「このセグメントで4%の改善が見られました。ホールドアウトはこちら、現在のボリュームでのドル換算はこちら、共食い効果についての前提はこちらです」は信頼できます。エグゼクティブへの説明は、多くの優秀なSenior DSが早期にLead DSのように見える場所です。

成果物: どんなプロジェクトにも30分で埋められる3スライドのテンプレート。「何をしたか、何が変わったか、次に何を勧めるか」。

4. 採用

JDを書き、採用ループを回し、パネルを調整し、競合オファーと戦って候補者をクローズする能力です。管理職でなくてもこれはできます。採用ループを回せるSenior DSは注目されます。回せないSenior DSは足止めされます。Leadを争う頃には、少なくとも1人の候補者を既にクローズしていることが望ましいです。（JDの出発点が必要なら、Data Scientist Job Description Templateがこのガイドの補足です。）

成果物: 各面接ステージの調整されたルーブリックと最終ラウンドの「何があれば考えが変わるか」という質問を含む、実際に使えるデブリーフドキュメント。

報酬の現実（米国、2026年の範囲）

「競争力のある報酬」という曖昧な言葉ではなく、実際の数字です。これらは米国の中規模〜大手テック企業における、基本給、ボーナス、新規採用株式（年次ベスティング）を反映しています。

これらの数字を動かすいくつかの要因:

• FAANG級の上場企業: SeniorとそれSTRE上のレベルでは株式が30〜40%上乗せされます。これらの企業のLead DSは株価の良い年には総報酬50万ドルを超えることもあります。
• シリーズB/Cのスタートアップ: 通常、基本給が10〜15%低く、株式が宝くじです。宝くじを現金として受け取らないでください。ゼロとして引き受け、現金だけでも許容できるか判断してください。
• 地域: これらはSF/NYC/シアトルを基準にしています。米国の主要都市の多くは現在この基準の5〜10%以内です。フルリモートの会社はこれより10〜15%低い全国平均に合わせる傾向があります。
• 2024年以降の動向: 全体で8〜12%上昇しています。2024年のlevels.fyiが最後のベンチマークなら、数字が古くなっています。

今すぐオファーと比較するなら、Seniorバンドの下限とDSバンドの上限の差が交渉ゾーンです。ほとんどの会社はそこで抵抗します。ほとんどの候補者は折れます。折れないでください。

モデル職人の罠

これが中堅のData Scientistが足止めされる最も一般的な理由であり、症状が微妙なので直接言及する価値があります。

あなたが罠にはまっているかどうかのチェック:

• スタンドアップの報告がビジネス指標ではなくモデル指標の話をしている。
• マネージャーがあなたの回答を信頼せず、エグゼクティブの質問を転送してくる。
• 先月、PMと自分から話していない。
• モデルのAUCは言えるが、そのモデルが動かす指標で1%改善した場合のドル換算が言えない。
• 夜に論文を読んでいるが、CFOからのファイナンスメモを最後に読んだのはいつか覚えていない。
• パフォーマンスの自己評価に「でもモデルは改善しています」という表現が出てくる。

抜け出す方法は単純ですが、簡単ではありません:

1. ビジネス指標を1つ選ぶ。1つだけ。純売上高リテンション、売上総利益率、テイクレート、不良債権比率。現在の仕事に最も近いものを選ぶ。
2. 2週間かけて、その指標を所有する人たちと話す。PM、GM、ファイナンスパートナー。何がそれを動かすのか、以前に何が試みられたか、何をしてでもそれを動かしたいと思っているかを聞く。
3. チームがその指標に対して出荷できるものと、うまくいかない場合の基準を提案する1ページの終了基準ドキュメントを書く。
4. スキップレベルに提示する。マネージャーではなく、スキップレベルに。（マネージャーには先に伝えること。不意打ちはしないこと。）
5. それに向けて出荷する。

これを初めてやると、列をすり抜けているように感じるでしょう。そうではありません。次のバンドが求めていた作業をただやっているだけです。

18〜36ヶ月のプラン

幻想ではなく、現実的なタイムラインです。短縮できる場合は短縮してください。短縮しているふりをしてスキップするのは避けてください。

0〜6ヶ月: ドメインを選ぶ。 そのビジネス指標に精通してください。それに関連するすべての事後分析とプロジェクトドキュメントを読む。ドメイン外の「面白い」モデル作業に手を挙げるのを止める。このバンドで最も高くつく形の気晴らしです。

6〜12ヶ月: 1つの本番モデルを最初から最後まで所有する。 仕様書から、モデル監視、そして壊れたときの事後分析まで（必ず壊れます）。新しいData Scientistを最初の出荷まで1人メンタリングする。（First ML Model in Production: A Survival Guideがここで役立つ補足です。）

12〜18ヶ月: 採用ループを回す。 マネージャーなしでVPにモデルの結果を発表する。そして証拠を持ってSenior DSの肩書きを求める。仕様書、本番モデル、メンティーの昇進、VP向けのデッキ。

18〜24ヶ月: Senior DSとして、誰にも求められていなくてもチームのロードマップ提案を書く。 最初は修正されたり無視されたりします。それでも次のものを書く。ロードマップを書くことは、このバンドで最も目に見えるLeadトラックのシグナルです。

24〜36ヶ月: 1〜2人のData Scientistを非公式に、そして正式に管理する。 予算項目を守る。Leadの肩書きを取る。もし会社にそのポジションがなければ、次の動きはLeadの明確なオファーを持つ会社に移ることです。「Senior DSだけど、そのうちLeadを検討する」という約束ではなく。

よくある落とし穴

Lead DSを「Senior DSに2年を足したもの」として扱うこと。 異なる仕事です。ほとんどコーディングしません。その仕事を望まないなら、それは情報であり失敗ではありません。

実際にはICトラックがない会社でICトラックを追いかけること。 多くの会社がPrincipal/Staff DSトラックがあると言います。実際に過去18ヶ月以内にそこまで昇進させた会社ははるかに少ないです。具体的な名前で例を求めてください。挙げられなければ、あなたにとってそのトラックは存在しないと思ってください。

管理職のオーバーヘッドを避けるためにDSをSeniorで止めている会社に残ること。 これはシリーズBのスタートアップで実際によくあるパターンです。「必要になったらLeadのロールを考える」という言葉はそのポジションが存在しないことを意味します。待つか、離れるかです。

去年のlevels.fyiで報酬をベンチマークすること。 2024年以降、8〜12%上昇しています。数字は古くなっています。

モデリングの技術を上位職と混同すること。 自分が管理するData Scientistより弱いモデラーのSenior DSを知っています。彼らは問題のフレーミングが優れていて、より確実に出荷し、物事を文書化したから昇進しました。それがルーブリックが実際に評価するインプットです。

ICトラックについて

モデリングが好きで得意なら、最も正直なキャリアの動きは、本物のICラダーを持つ会社でSenior DSに留まることかもしれません。それは戦略であり失敗ではありません。Lead、Staff、Principal、そしてDistinguished DSのロールはMLを真剣に考える会社に存在し、そのラダーの頂点の報酬はマネジメントトラックに匹敵するか、それを上回ります。罠は、ICトラック自体ではなく、密かにそこで止めている会社にSeniorで留まることです。まず会社を選び、次に肩書きを選ぶ。

成功の測定

次のような状態なら正しい軌道にいます:

• 自分の仕事が動かすビジネス指標とその指標の1%改善のドル換算を言える。
• PMがチケットを渡す前に、解決策ではなく問題を持ってくる。
• 過去6ヶ月以内に少なくとも1人のData Scientistを本当の出荷まで通してメンタリングしている。
• 過去四半期に採用ループに関わっている。
• スキップレベルがマネージャーに促されなくてもあなたの名前と何に取り組んでいるかを知っている。

これらのほとんどが当てはまるなら、すでに次のバンドのレベルで働いています。肩書きは書類手続きに過ぎません。

関連リソース

• Data Scientist Job Description Template: 成長する先のロールの補足JD
• How to Frame an ML Problem That Actually Ships
• The First ML Model in Production: A Survival Guide
• Hiring Your First Data Scientist