DS検定の勉強を始めようと出題範囲を調べると、「データサイエンス力・データエンジニアリング力・ビジネス力の3領域」という説明によく出会います。
でも、これはすでに古い情報です。
2025年にスキルチェックリストがver.6へ改訂され、第13回（2026年6月実施）からは4領域に再編されました。ビジネス力を問う問題の多くは「基盤」へ移り、新たに「価値創造」が加わっています。
この記事では、最新のver.6にもとづいて出題範囲の全体像を整理します。分野ごとの解説記事へのリンクもまとめているので、学習の目次として使ってください。
この記事でわかること
- DS検定の出題範囲が、公式にどう定義されているか
- 2025年の改訂で何がどう変わったか
- 4領域それぞれの中身と、つまずきやすいポイント
- どの順番で手をつければいいか
目次
- 出題範囲は「スキルチェックリストver.6」＋「モデルカリキュラム」
- 2025年の改訂で3領域→4領域になりました
- 4領域の中身と、分野別の解説記事
- どの順番で手をつけるか
- 教材を選ぶときに見るところ
- まとめ
出題範囲は「スキルチェックリストver.6」＋「モデルカリキュラム」
データサイエンティスト協会の公式サイトでは、出題範囲がこう定義されています。
スキルチェックリストver.6に基づき、★1（見習いレベル）相当と数理・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た範囲
つまり、出典が2つあります。協会のスキルチェックリストと、国が定めたモデルカリキュラムです。市販のテキストはこの両方を踏まえて作られています。
| 項目 | 内容 |
|---|---|
| 出題形式 | 選択式 |
| 問題数 | 100問 |
| 試験時間 | 100分 |
| 実施方式 | 全国の試験会場でのCBT |
| 出題領域 | 基盤／データサイエンス／データエンジニアリング／価値創造 |
| 対象者像 | データサイエンティスト初学者、これから目指すビジネスパーソン、大学生・専門学校生など |
100問を100分なので、1問あたり1分。考え込む余裕はないので、「知っていれば即答できる」状態まで仕上げるのが基本方針になります。
合格ラインは公式には公表されていません。目安として8割程度と言われることがありますが、これは公式発表ではありません。安全側に振って、8割を安定して取れる状態を目標にしておくのがおすすめです。
2025年の改訂で3領域→4領域になりました
ここが、いま出回っている情報でいちばん食い違いが出ているところです。
| 改訂前（ver.5まで） | ver.6以降 |
|---|---|
| データサイエンス力 | データサイエンス |
| データエンジニアリング力 | データエンジニアリング |
| ビジネス力 | 多くが「基盤」へ移行 |
| （該当なし） | 価値創造（新規追加） |
協会の公式アナウンスでは、変更点として次の2つが挙げられています。
- 従来のビジネス力を問う問題の多くは、基盤スキルの問題に移行します
- 価値創造スキルを問う問題が新規に加わります
古い参考書やまとめサイトは、まだ3領域のままのものが多いです。教材を選ぶときは「ver.6対応」「2026年度版」の表記があるかを必ず確認してください。ここを外すと、対策の重心がズレます。
4領域の中身と、分野別の解説記事
① 基盤
含まれるテーマ：行動規範、論理的思考、課題の定義、データ理解、ITセキュリティ など
今回の改訂でいちばん性格が変わった領域です。旧ビジネス力の内容がここに集まったので、範囲がかなり広くなりました。
「行動規範」や「課題の定義」は常識で解ける問題も多いのですが、ITセキュリティは技術寄りの用語がそのまま出ます。認証と認可の違い、トークンの扱いといったあたりは、意味を理解していないと選択肢を絞れません。
この分野の解説記事：
- OAuth 2.0って何？！REST API認証フローと具体例で解説（ITセキュリティ）
② データサイエンス
含まれるテーマ：数学的理解、科学的解析、モデル化、非構造化データ処理 など
数学に苦手意識がある人が、最初に止まるのがこの領域です。ただし計算そのものより、「どういう場面で何を使うか」を問われる問題が中心なので、数式を解けるようになる必要はありません。
確率分布の種類、回帰と分類の使い分け、モデルの評価方法。このあたりを「言葉で説明できる」ところまで持っていければ十分戦えます。
この分野の解説記事：
- 『確率分布』、離散と連続をサクッと理解しよう（数学的理解）
- 「数値を予測」「カテゴリを判定」回帰と分類の基本をマスター（モデル化）
③ データエンジニアリング
含まれるテーマ：環境構築、データ収集、データ加工、プログラミング など
実務経験がないと馴染みのない用語が並びますが、逆に言えば用語の意味を覚えれば取れる問題が多い領域でもあります。得点源にしやすいところです。
分散処理、データベースの種類、データの前処理。それぞれ「何のために存在するのか」から押さえると、丸暗記より定着します。
この分野の解説記事：
- HadoopとSpark、もう迷わない！分散処理をスッキリ理解する（環境構築・データ加工）
④ 価値創造
含まれるテーマ：技術・社会潮流の洞察、事業設計、システム設計 など
ver.6で新設された領域です。データ分析そのものではなく、「そのデータで何を生み出すか」を問う内容になっています。
新設なので過去問の蓄積がなく、市販教材の記述もまだ薄いのが現状です。ここは公式リファレンスブックと、AI・データ活用まわりのニュースで補うのが現実的だと思います。生成AIの動向など、社会の流れを追っておくことがそのまま対策になります。
この分野の解説記事は準備中です。
どの順番で手をつけるか
4領域を均等に進めるより、順番をつけたほうが効率がいいです。
| 順番 | 領域 | 理由 |
|---|---|---|
| 1 | 基盤 | 用語の土台。ここが分かると他の領域の文章が読めるようになる |
| 2 | データサイエンス | いちばん時間がかかる。早く着手して慣らす時間を作る |
| 3 | データエンジニアリング | 用語の理解で得点しやすい。中盤で伸ばす |
| 4 | 価値創造 | 情報が少ないので、直前期に公式情報で固める |
試験日から逆算した具体的なスケジュールの立て方は、こちらでまとめています。
教材を選ぶときに見るところ
DS検定は市販の対策本が多くない資格です。だからこそ、選ぶときのチェックポイントを決めておくと迷いません。
- 「ver.6対応」「スキルチェックリストver.6」の記載があるか
- 「価値創造」の章があるか（ない＝改訂前の内容の可能性が高い）
- 発行年が受験する年度に近いか
問題演習の量を増やしたい場合は、読み放題対象の問題集を使う手もあります。DS検定は市販の対策本自体が少ないぶん、この方法の相対的な価値が高い資格です。
まとめ
- 出題範囲はスキルチェックリストver.6の★1相当＋数理・データサイエンス・AIモデルカリキュラム
- 2025年の改訂で3領域→4領域に。基盤／データサイエンス／データエンジニアリング／価値創造
- 旧ビジネス力の多くは「基盤」へ移行、「価値創造」が新設
- 3領域で説明している教材・サイトは改訂前の情報。「ver.6対応」を確認する
- 着手順は 基盤 → データサイエンス → データエンジニアリング → 価値創造 がおすすめ
そもそもDS検定がどんな試験なのか、自分に向いているのかから知りたい方は、こちらもあわせてどうぞ。
※本記事の出題範囲・試験概要は、一般社団法人データサイエンティスト協会の公開情報をもとに、2026年9月6日時点でまとめたものです。試験範囲やスキルチェックリストは改訂される場合がありますので、受験の際は必ず公式サイトで最新情報をご確認ください。
0 件のコメント:
コメントを投稿