データサイエンティスト検定の内容|リテラシーレベルの勉強の進め方


この記事のポイント
- ✓データサイエンティスト試験として知られるDS検定リテラシーレベルの内容を公式の案内で整理
- ✓100問100分のCBT
- ✓2026年11月の第14回の日程
データサイエンティスト試験を調べると、最初に名前が挙がるのが一般社団法人データサイエンティスト協会のDS検定(データサイエンティスト検定リテラシーレベル)です。受験資格の制限がなく、初学者やこれからデータを扱う仕事を目指すビジネスパーソンを想定した試験ですが、合格ラインの正答率は7割台後半と高く、範囲も統計、プログラミング、ビジネスまで広がっています。この記事では、協会の公式の案内で確かめた試験の形式、日程、費用、合格率の推移、試験範囲を整理し、3か月で合格を目指す勉強の進め方を説明します。
データサイエンティスト検定とはどんな試験か
DS検定は、データサイエンティストに必要な力のうち、見習いレベルの実務能力と知識を持っていることを証明する民間の検定です。公式サイトでは、次のように説明されています。
『データサイエンティスト検定 リテラシーレベル』(略称:DS検定® ★)とは、アシスタント・データサイエンティスト(見習いレベル:★)と数理・データサイエンス教育強化拠点コンソーシアムが公開している数理・データサイエンス・AI(リテラシーレベル)におけるモデルカリキュラムを総合し、実務能力と知識を有することを証明する試験です。 出典: データサイエンティスト協会 DS検定とは
データサイエンティストとは、データを集めて分析し、そこから事業に役立つ答えを導く仕事のことです。協会は、データサイエンティストの力を4つの段階で示していて、業界を代表するシニア、組織全体を任される棟梁レベルのフル、担当プロジェクト全体を任される独り立ちレベルのアソシエイト、プロジェクトの担当テーマを受け持つ見習いレベルのアシスタントに分けています。DS検定が対象にしているのは、このうち最初の段階にあたるアシスタント(★)です。
試験の名前に「リテラシーレベル」と付いているのは、大学などで教えられている数理・データサイエンス・AIの基礎教育(リテラシーレベル)のモデルカリキュラムも範囲に含まれているからです。つまりDS検定は、専門家として独り立ちする力を測る試験ではなく、データを扱う仕事を始めるための基礎体力を測る試験だと考えると、位置づけが分かりやすくなります。
協会が想定している受験者は、データサイエンティストの初学者、これからデータサイエンティストを目指すビジネスパーソン、データサイエンティストに興味を持つ大学生や専門学校生です。現役のエンジニアだけでなく、営業、企画、マーケティングなど、データを読む場面が増えている職種の人にも向いています。
試験の形式と2026年の日程
公式サイトで確かめた試験の概要を整理します。
| 項目 | 内容 |
|---|---|
| 受験資格 | 制限なし |
| 試験の形式 | 選択式、全国の試験会場で受けるCBT方式 |
| 問題数と時間 | 100問・100分 |
| 受験料(税抜) | 一般10,000円、学生5,000円、大学会員の学生4,000円 |
| 第14回の試験期間 | 2026年11月7日(土)から11月22日(日) |
| 第14回の申込期間 | 個人は2026年9月21日から10月23日、団体は10月16日まで |
| 第14回の結果発表 | 2027年1月中旬 |
CBT方式とは、テストセンターのパソコンで問題に答える方式のことです。試験期間の中から、自分の都合のよい日と会場を選んで受けられます。1問あたりにかけられる時間は平均で1分なので、考え込む問題に時間を使いすぎると最後まで解き終わりません。
受験料は、一般が10,000円(税抜)、学生は半額の5,000円です。大学会員の学生とは、協会の大学・研究機関・自治体会員になっている大学に在籍する学生のことで、4,000円で受けられます。
第14回の申し込みは、この記事の時点で受付が終わっています。第15回以降の日程は決まり次第、公式サイトで更新されると案内されています。これまでの実施の時期を見ると、3月、6月、11月の年3回のペースで行われているので、次の回を目指す人は公式サイトのお知らせを定期的に確かめてください。
合格すると、受験者のマイページから合格証明書をPDFでダウンロードでき、オープンバッジ(合格を証明するデジタルの証明書)も届きます。合格証明書は郵送されず、PDFでの提供のみです。オープンバッジは、仕事の応募書類やSNSのプロフィールで合格を示すときに使えます。
合格率と合格ラインの推移
DS検定の難しさを知るには、協会が公開している過去の実施結果を見るのが確実です。直近の回の結果は次のとおりです。
| 回(実施時期) | 受験者数 | 合格率 | 合格ラインの目安 |
|---|---|---|---|
| 第13回(2026年6月) | 約2,220名 | 約49% | 正答率約76% |
| 第12回(2026年3月) | 約2,400名 | 約42% | 正答率約77% |
| 第11回(2025年11月) | 約3,560名 | 約43% | 正答率約77% |
| 第10回(2025年6月) | 約2,200名 | 約44% | 正答率約77% |
| 第9回(2025年3月) | 約2,720名 | 約44% | 正答率約77% |
合格率は4割台で推移していて、受験者の半分以上が不合格になっています。第1回(2021年9月)は合格率が約66%でしたが、その後は4割前後に落ち着きました。
特徴的なのは、合格ラインの高さです。多くの資格試験では6割前後が合格の目安になるのに対し、DS検定の合格ラインの目安は正答率で約77%前後です。第1回と第2回は約80%、第3回から第6回は約79%、第7回以降は約77%、第13回は約76%と、少しずつ下がってきてはいますが、それでも8割近い正答が求められます。
協会は、これらの数字は過去の参考値で、試験問題は回ごとに少しずつ新しくなると注記しています。合格ラインが「約」で示されているのは、回によって調整されるためです。勉強するときは、模擬問題で8割を安定して取れることを目標にしておくと、本番で多少崩れても合格ラインを上回れます。
試験範囲は4つの領域とモデルカリキュラム
DS検定の出題範囲は、協会が2025年に更新したスキルチェックリストver.6にもとづいています。公式サイトでは、一部の試験範囲が変わったと案内されています。スキルチェックリストとは、データサイエンティストに必要なスキルを項目ごとに並べた一覧のことで、その4つのカテゴリの見習いレベル相当と、リテラシーレベルのモデルカリキュラムを合わせた範囲から出題されます。
4つの領域で問われる主な内容を整理します。
| 領域 | 主な内容 |
|---|---|
| 基盤 | データやAIの倫理、コンプライアンス、論理的な考え方、課題の定義、生成AIの活用、データの理解と可視化、ITセキュリティ |
| データサイエンス | 線形代数や微分積分の基礎、統計の基礎、仮説の検証、推定と検定、データの準備と可視化、回帰や分類、機械学習、自然言語処理や画像認識、大規模言語モデル |
| データエンジニアリング | システムの設計、データの収集と構造、データの蓄積とクラウド、データの加工、プログラミング、SQL、ITセキュリティ、AIシステムの運用 |
| 価値創造 | 技術や社会の流れの読み取り、課題の再定義、事業の設計、ガバナンスと倫理の設計、効果の測定と改善 |
ver.6で目立つのは、生成AIに関する項目が各領域に入っていることです。基盤では生成AIの活用、データサイエンスでは大規模言語モデル、データエンジニアリングではコーディングの支援が範囲に入っています。リテラシーレベルのモデルカリキュラムにも、生成AIの留意事項として、事実と違う内容を作り出してしまう問題(ハルシネーション)や、偽の情報や有害な内容が作られる問題が含まれています。
モデルカリキュラムの側では、データの分布と代表値(平均値、中央値、最頻値)、相関と因果の違い、母集団と標本の抽出、グラフの使い分け、A/Bテストのような比較の方法、個人情報の保護、情報セキュリティの3要素(機密性、完全性、可用性)などが並んでいます。数式の計算より、データを正しく読み、正しく扱うための考え方を問う内容が中心です。
未経験者がつまずきやすい3つの分野
範囲が広いDS検定では、経歴によって苦手な分野がはっきり分かれます。未経験の人がつまずきやすい分野を3つ挙げ、それぞれの乗り越え方を示します。
1つ目は、統計と数学の基礎です。文系出身の人やしばらく数学から離れていた人は、標準偏差、相関係数、確率分布、ベクトルと行列の計算といった言葉でつまずきやすくなります。DS検定で問われるのは高度な証明ではなく、言葉の意味と簡単な計算です。たとえば標準偏差なら「データが平均からどれくらいばらついているかを示す数字」と1行で説明でき、簡単な例で計算できれば十分です。中学から高校の数学の教科書の該当部分を読み直すと、思ったより早く追いつけます。
2つ目は、データエンジニアリングの分野です。SQL(データベースからデータを取り出すための言葉)、クラウド、データの形式、プログラミングの基礎など、ITの実務経験がない人には聞き慣れない言葉が続きます。この分野は、言葉を覚えるだけでなく、実際に手を動かすと理解が一気に進みます。無料で使える学習用のデータベースでSQLを書いてみる、表計算ソフトでデータを並べ替えたり集計したりしてみる、といった体験が、試験の問題を読むときの助けになります。
3つ目は、ビジネスと倫理の分野です。IT系の経験者は、技術の問題は得意でも、課題の定義やKPI(目標の達成度を測る指標)の設計、個人情報の扱い、AIの倫理といった問題で点を落としがちです。この分野は、正解の考え方が「事業の目的から逆算する」「関係者の権利を守る」という方向で一貫しているので、問題を解きながらその考え方の型をつかむと安定して得点できます。
統計の分野で押さえておきたい言葉
データサイエンスの領域とモデルカリキュラムで繰り返し出てくる統計の言葉を、初めて学ぶ人向けに1行ずつ言い換えておきます。試験の問題文を読むときに、この言い換えが頭に浮かぶようになれば、統計の分野の土台はできています。
- 平均値:すべてのデータを足して個数で割った値。極端に大きい値や小さい値に引っ張られやすい
- 中央値:データを小さい順に並べたときに真ん中にくる値。年収のように偏りのあるデータの代表値に向く
- 最頻値:データの中で最も多く現れる値
- 標準偏差:データが平均からどれくらいばらついているかを示す値。大きいほどばらつきが大きい
- 相関係数:2つのデータがどれくらい一緒に増えたり減ったりするかを、マイナス1から1の範囲で示す値
- 擬似相関:本当は関係がないのに、別の要因のせいで関係があるように見える状態
- 交絡:見ている2つのデータの両方に影響する、隠れた第3の要因があること
- 母集団と標本:調べたい集団の全体と、そこから取り出して実際に調べた一部
- 仮説検定:集めたデータから、ある仮説が偶然では説明しにくいかどうかを判断する方法
特に大切なのが、相関と因果の違いです。たとえば「アイスクリームの売上が多い日は、水難事故も多い」というデータがあっても、アイスクリームが事故の原因になっているわけではありません。気温が高いという共通の要因が、両方を増やしているだけです。DS検定のモデルカリキュラムにも、相関と因果、擬似相関、交絡が並んでいて、データを正しく読む力の中心として扱われています。
統計の言葉は、意味を覚えるだけでなく、身近な例を1つずつ結びつけておくと忘れにくくなります。ニュースで見かけたグラフや調査の数字を、学んだ言葉で説明し直してみる練習は、通勤の時間にもできる効果的な勉強法です。
データエンジニアリングの分野で押さえておきたい言葉
ITの実務経験がない人が最も戸惑うのが、データエンジニアリングの分野です。ここでも、よく出てくる言葉を言い換えておきます。
- データベース:データを整理して保存し、必要なときに取り出せるようにした仕組み
- SQL:データベースから条件に合うデータを取り出したり、集計したりするための言葉
- 構造化データ:表のように、行と列で整理されたデータ
- 非構造化データ:文章、画像、音声、動画のように、表の形になっていないデータ
- クラウド:インターネットを通じて、サーバーや保存領域を借りて使う仕組み
- データクレンジング:表記の揺れや抜けている値を直し、分析できる状態に整える作業
- API:別のシステムからデータを受け取ったり渡したりするための窓口
SQLは、言葉で覚えるより実際に書いてみるのが一番の近道です。「この表から、東京都の顧客だけを取り出し、購入金額の合計を出す」という操作が、SELECT、WHERE、SUM、GROUP BYといった基本の命令の組み合わせで書けることを体験すると、試験の問題が具体的な操作として読めるようになります。
データクレンジングは、地味ですが実務で最も時間を使う作業の1つです。「株式会社」と「(株)」の表記が混ざっている、日付の書き方がばらばらになっている、といったデータの乱れを直す作業は、表計算ソフトでも体験できます。自分の家計簿や仕事の記録を題材に、データを整える練習をしてみると理解が深まります。
ビジネスと倫理の問題の考え方
基盤と価値創造の領域では、技術の知識より、データを事業の判断に生かす考え方と、データを扱う人としての責任が問われます。この分野の問題には、共通する考え方の型があります。
1つ目は、目的から逆算することです。分析の手法を選ぶ前に、何を決めるための分析なのか、成功をどの数字で測るのか(KPI)を定める、という順番が正解の方向になります。「データがあるから分析する」のではなく、「決めたいことがあるからデータを集める」と考えると、選択肢を絞り込みやすくなります。
2つ目は、関係する人の権利を守ることです。個人情報の扱い、本人の同意、データの目的外の利用、AIによる判断の公平さなどの問題では、データを提供した人や、判断の影響を受ける人の立場に立って考えるのが正解の方向です。モデルカリキュラムにも、個人情報の保護、データのねつ造や改ざんの禁止、AI社会原則(公平性、説明責任、透明性、人間中心の判断)が並んでいます。
3つ目は、結果を正しく伝えることです。都合のよい部分だけを切り取ったグラフや、軸の目盛りを操作して差を大きく見せる表現は、不適切な表現として扱われます。分析の結果に限界がある場合は、それも含めて伝えるのが誠実な姿勢です。
この3つの型は、試験のためだけでなく、データの仕事を続けるうえでの基本でもあります。問題を解きながら「この選択肢は目的から逆算しているか」「誰かの権利を損なっていないか」「正しく伝えているか」と確かめる習慣をつけると、初めて見る問題でも答えを絞り込めるようになります。
独学と講座、どちらで学ぶか
DS検定の勉強は、独学でも講座でも進められます。どちらを選ぶかは、自分の経歴と、勉強に使える時間で決めるのが現実的です。
独学が向いているのは、統計かITのどちらかにある程度の素地があり、苦手な分野を自分で見つけて埋められる人です。協会が紹介している対策の書籍と公式の模擬問題を軸に進めれば、費用を抑えて準備できます。独学の弱点は、分からない言葉が続いたときに止まってしまいやすいことなので、印を付けて先に進む、あとで調べてまとめて解決する、という進め方を意識してください。
講座が向いているのは、統計もITも初めてで、全体の地図をつかむところから助けがほしい人です。協会の公式サイトには、協会が監修した対策講座の紹介ページがあります。講座を選ぶときは、ver.6の試験範囲に対応しているか、模擬試験が付いているか、質問できる仕組みがあるかを確かめましょう。
勤め先が研修の費用を負担してくれる場合もあります。データの活用を進めたい会社は増えていて、社員の資格取得を支援する制度を持つ会社もあります。受験を考えたら、人事や上司に相談してみる価値があります。
3か月で合格を目指す勉強の進め方
働きながら合格を目指すなら、3か月ほどの期間を見ておくと無理なく準備できます。1日1時間前後を目安にした進め方の一例を示します。
- 1か月目:範囲の全体を1周する。協会が紹介している対策の書籍や講座を1つ選び、4つの領域を一通り読む。分からない言葉は印を付けるだけで先に進み、完璧を目指さない
- 2か月目:苦手な分野を集中して埋める。1か月目に印を付けた言葉を、1語ずつ自分の言葉で説明できるようにする。統計の計算やSQLは、実際に手を動かして確かめる
- 3か月目:問題演習で仕上げる。協会が公開している模擬問題や対策の問題集を、時間を測って解く。100問を100分で解き切る感覚をつかみ、正答率8割を安定して取れるまで繰り返す
協会の公式サイトには、協会が監修した対策講座と書籍の紹介ページがあり、2026年6月には模擬問題も公開されています。何から手をつければよいか迷ったら、まず公式の模擬問題を1回解いてみて、自分がどの領域で点を落とすのかを確かめるところから始めると、勉強の優先順位を決めやすくなります。
週末にまとめて勉強する人は、平日の短い時間を言葉の確認にあて、週末に問題演習や手を動かす練習をまとめると、限られた時間を有効に使えます。通勤の電車の中で用語の言い換えを1つずつ思い出す、昼休みに模擬問題を10問だけ解く、といった細切れの時間の積み重ねは、3か月で大きな差になります。
勉強の記録を残すことも大切です。どの分野にどれだけ時間をかけたか、模擬問題で何点取れたかを記録しておくと、試験の直前に何を見直せばよいかがはっきりします。この記録は、合格後にデータを扱う仕事に応募するときも、自分の学び方を説明する材料になります。
生成AIの問題への備え方
スキルチェックリストver.6で範囲に加わった生成AIの項目は、過去の問題集だけでは対策しきれない部分です。古い対策の書籍には載っていないことがあるので、ver.6に対応しているかを確かめたうえで、次の点を押さえておきましょう。
まず、大規模言語モデルの基本的な仕組みです。大量の文章を学習して、次に来る言葉を予測しながら文章を作る仕組みだと理解しておくと、なぜ事実と違う内容をもっともらしく作ってしまうのか(ハルシネーション)が説明できるようになります。
次に、生成AIを業務で使うときの注意点です。入力した情報が外部に送られる可能性、他人の著作物に似た内容が作られる可能性、偏りのある内容が作られる可能性など、モデルカリキュラムの留意事項に並んでいる内容を、自分の仕事に当てはめて考えておきます。社内の機密情報や個人情報を入力してよいかどうかは、会社の決まりと契約の条件で変わる、という考え方が基本になります。
最後に、プロンプト(生成AIへの指示文)の書き方です。目的、前提、出力の形を具体的に書くほど、意図に近い結果が得られます。試験でも、生成AIを業務に生かす場面を想定した問題が出る可能性があるので、実際に生成AIを使ってみて、指示の書き方で結果がどう変わるかを体験しておくと理解が深まります。
学生が受けるときのポイント
DS検定は、大学生や専門学校生の受験も想定されている試験で、学生の受験料は一般の半額の5,000円(税抜)です。在籍している大学が協会の大学会員であれば、さらに安い4,000円で受けられるので、申し込みの前に協会の会員の一覧で確かめてください。
学生にとってのDS検定の価値は、データやAIの基礎を体系的に学んだことを、就職活動の前に形として示せる点にあります。大学で数理・データサイエンス・AIの授業を受けている人は、その内容がモデルカリキュラムと重なっているため、授業の復習がそのまま試験対策になります。
ただし、合格だけを就職活動の武器にするのはおすすめしません。採用する側が知りたいのは、学んだ知識で何をしたかです。合格をきっかけに、ゼミの研究やアルバイト先のデータで小さな分析をしてみる、その過程と結果を説明できるようにしておく、という一歩を加えると、合格の価値が何倍にも高まります。
試験当日の時間配分と解き方
100問を100分で解くDS検定では、時間配分が合否を分けます。当日の解き方のこつをまとめておきます。
最初の1周では、すぐに答えが分かる問題だけを解き、迷う問題は印を付けて飛ばします。1問に2分以上かけないと決めておくと、最後の問題までたどり着けます。試験の画面に見直し用の印を付ける機能があればそれを使い、なければメモ用紙に問題の番号を書き留めて、2周目に回します。
2周目では、印を付けた問題に戻り、選択肢を1つずつ消していきます。DS検定の問題には、正しいものを選ぶ問題と、誤っているものを選ぶ問題が混ざっているので、問題文の最後の「正しいもの」「誤っているもの」を必ず確かめてください。読み違いによる失点は、合格ラインの高い試験では致命的になります。
計算の問題は、メモ用紙で落ち着いて解きます。平均値や中央値、割合の計算など、手順は単純でも、焦ると桁を間違えます。時間が足りなくなりそうなときは、計算の問題を後回しにし、知識で答えられる問題を先に確実に取るのも1つの作戦です。
合格後の活かし方と関連する試験
DS検定に合格したことは、データを扱う仕事の入り口に立った証明になります。ただし、見習いレベルの証明であって、合格しただけで分析の仕事を任されるわけではありません。合格後は、学んだ知識を実際のデータで使う経験を積むことが次の一歩になります。
活かし方の例を挙げます。
- 今の職場で、売上や問い合わせの記録を表計算ソフトで集計し、傾向をグラフにして共有する
- 公開されているデータ(国や自治体のオープンデータなど)を使って、自分で分析の作品を作る
- 社内でデータの活用を進める部署やプロジェクトに手を挙げる
- 業務委託で、データの整理や集計、レポート作成の仕事を受ける
DS検定は、デジタルリテラシー協議会の連携試験の1つとして案内されています。データやAIの分野では、ほかにも日本ディープラーニング協会のG検定(AIの基礎知識を問う検定)や、統計の力を問う統計検定、IT全般の基礎を問うITパスポート試験などがあり、目指す仕事に合わせて組み合わせる人がいます。AIの技術そのものに関心があるならG検定、統計の分析を深めたいなら統計検定、IT全般の基礎を固めたいならITパスポート試験というように、DS検定で見えた自分の苦手と関心に合わせて選ぶと無駄がありません。
ネットワークやインフラの技術を学んで、データを支える側に回る道もあります。データを集めて蓄積する仕組みは、ネットワークとサーバーの上に成り立っています。その基礎を体系的に学ぶ資格として、CCNA(シスコ技術者認定)があり、資格ガイドでネットワークの基礎を問う認定の内容を確認できます。
データを扱う仕事の広がりと働き方
データを扱う仕事は、専門のデータサイエンティストだけのものではなくなっています。マーケティングの担当者が広告の効果を数字で確かめる、営業の担当者が顧客の傾向を分析する、企画の担当者が調査の結果をグラフで示すなど、さまざまな職種でデータを読む力が求められています。DS検定の範囲がビジネスや倫理まで含んでいるのは、データを使って事業の判断を支える力が、職種を問わず必要になっているからです。
在宅で受けられるデータの仕事としては、データの入力と整理、集計とグラフの作成、アンケートの分析、レポートの作成などがあります。最初は単純な集計の仕事から始め、分析の提案までできるようになると、仕事の幅が広がります。データの分析を研究の手法として使う職種の働き方は、研究者の年収・単価相場で、職種としての年収と単価の目安を確認できます。
AIの道具を仕事に取り入れたい企業も増えていて、データの扱いと生成AIの使い方の両方を分かる人に、業務の改善を助言してほしいという相談があります。DS検定のver.6で生成AIの項目が加わったのも、こうした流れを反映したものです。AIを業務に生かす仕事の全体像は、AIコンサル・業務活用支援のお仕事で、仕事の内容と求められる力を確認できます。
分析の結果を伝える力も忘れてはいけません。どれだけ正しい分析をしても、結論が依頼主に伝わらなければ意味がありません。グラフの選び方、結論を最初に書く報告書の組み立て方、専門用語を言い換える説明の仕方は、データの仕事の価値を大きく左右します。DS検定のモデルカリキュラムに、不適切なグラフ表現や優れた可視化の事例が含まれているのは、伝える力も基礎の一部だからです。
運営者の立場から見た、データの仕事が続く人の共通点
在宅ワークとフリーランスの仲介を20年あまり続けてきた運営者として見てきた限りでは、データの仕事で継続の依頼を受けている人は、分析の手法の多さより「依頼主が何を決めたいのか」を最初に聞き取る力に優れています。売上の分析を頼まれても、依頼主が知りたいのは「来月どの商品に力を入れるべきか」だったりします。その問いから逆算して必要なデータと分析を選べる人は、少ない作業で依頼主の満足を得ています。DS検定で課題の定義やKPIの設計が範囲に入っているのは、まさにこの力が基礎だからです。
業務委託でデータの仕事を受ける場合、間に入る会社の数による手取りの差も見逃せません。分析の仕事は、依頼主とのやり取りの回数が多いほど精度が上がる仕事で、間に人が入るほど意図が伝わりにくくなります。手数料0%で直接やり取りできる場では、依頼主は同じ予算で多くを頼め、受ける側の手取りも厚くなり、意図のずれも減らせます。DS検定の合格をきっかけに、小さなデータの仕事から実績を積み、依頼主と直接話しながら分析の腕を磨いていくのが、データの仕事を長く続ける近道です。
よくある質問
Q. DS検定はどこが実施していて、受験資格はありますか?
一般社団法人データサイエンティスト協会が実施している民間の検定で、受験資格の制限はありません。データサイエンティストの初学者、これからデータを扱う仕事を目指すビジネスパーソン、大学生や専門学校生などが想定されています。全国の試験会場で受けるCBT方式で、選択式の問題が100問、試験時間は100分です。
Q. 受験料と2026年の試験日程を教えてください?
受験料は税抜で一般10,000円、学生5,000円、協会の大学会員の大学に在籍する学生は4,000円です。第14回は2026年11月7日から11月22日までの期間に行われ、結果発表は2027年1月中旬の予定です。第14回の申し込みは終わっており、第15回以降の日程は公式サイトで決まり次第案内されます。
Q. 合格率と合格ラインはどのくらいですか?
協会が公開している実施結果では、合格率は直近の回でおおむね4割台です。第13回(2026年6月)は約49%、第12回(2026年3月)は約42%でした。合格ラインの目安は正答率で約76%から77%と高めです。回ごとに調整されるため、模擬問題で8割を安定して取れることを目標にすると安心です。
Q. 数学やプログラミングが苦手でも合格できますか?
合格を目指せます。問われるのは高度な証明ではなく、標準偏差や相関係数の意味、簡単な計算、SQLの基本などです。苦手な分野は中学から高校の数学の教科書を読み直したり、学習用のデータベースで実際にSQLを書いてみたりすると理解が進みます。働きながらなら3か月ほどの期間を見て、範囲の通読、苦手の克服、問題演習の順に進めるのが現実的です。
この記事について
編集部
監修:@SOHO編集部
2004年よりフリーランス・在宅ワーク向けサービスを運営。生成AIで作成した下書きを、一次情報と照らし合わせて確認したうえで公開しています。

この記事を書いた人
@SOHO編集部
フリーランス・在宅ワークの専門メディア
@SOHOは2004年から続く、日本のフリーランス・在宅ワーク向け案件サイトです。記事は生成AIで下書きを作り、数値・固有名・出典を一次情報と照らし合わせる確認の手順を経て公開しています。
関連記事
カテゴリから探す

クラウドソーシング入門
クラウドソーシングの基礎知識・始め方・サイト比較

職種別ガイド
職種・スキル別の案件獲得方法と単価相場

副業・在宅ワーク
副業・在宅ワークの始め方と対象者別ガイド

フリーランス
フリーランスの独立・営業・実務ノウハウ

お金・税金
確定申告・節税・経費・ローンなどお金の知識

比較・ランキング
サービス比較・おすすめランキング

AI活用
職種別にChatGPT・生成AIを活用して業務効率化・収益化するノウハウ

最新トレンド
市場動向・法改正・AIなど最新情報

発注者向けガイド
クラウドソーシングで外注・人材探しをする企業・個人向け

転職・キャリア
転職エージェント・転職サイト比較・キャリアチェンジ

看護師の転職・求人
看護師の転職・派遣・単発バイト・副業など働き方のガイド。診療や医学の情報は扱いません

薬剤師の転職・求人
薬剤師・登録販売者の転職・派遣・パートなど働き方のガイド。診療や医学の情報は扱いません

介護職の転職・求人
介護職・介護福祉士・ケアマネジャー・訪問介護員の転職・派遣・夜勤など働き方のガイド

保育士の転職・求人
保育士・保育補助・幼稚園教諭の転職・派遣・パートなど働き方のガイド

医療職の転職・求人
医師・産業医・リハビリ職・歯科衛生士・管理栄養士・医療事務の転職や働き方のガイド。診療や医学の情報は扱いません

保険
生命保険・医療保険・フリーランスの保険設計

採用・求人
無料求人掲載・採用コスト削減・人材募集の方法

オフィス・ワークスペース
バーチャルオフィス・コワーキング・レンタルオフィス

法律・士業
契約トラブル・士業独立開業・フリーランス新法

シニア・50代
シニア世代のキャリアチェンジ・副業・年金

セキュリティ
サイバーセキュリティ・脆弱性対策・情報保護

金融・フィンテック
暗号資産・決済・ブロックチェーン・金融テクノロジー

経営・ビジネス
経営戦略・ガバナンス・事業承継・知財

ガジェット・機材
フリーランスに役立つPC・デバイス・周辺機器

子育て×働き方
子育てと在宅ワークの両立・保育園・時間管理

補助金・助成金
個人事業主・フリーランスが使える公的補助金・助成金・給付金の申請ガイド

M&A・事業売却
会社売却・事業承継・事業譲渡を考える経営者向け。売却の流れ、税金、従業員への伝え方、仲介会社の選び方

アウトソーシング・外注ガイド
SNS運用・経理・広告など、業務のアウトソーシング(外注)を検討する企業・個人向け。費用相場・依頼の流れ・失敗しない選び方







