データ活用・BI基盤の案件｜データ利活用を進めるITコンサル・PMOに求められる経験
会社の中にたまったデータを、経営や業務の判断に使えるようにする「データ活用」は、ITコンサル・PMOの案件の中でも、上流の経験とデータの知見の両方が問われる領域です。DWHやBIを作る技術の仕事に見えますが、当社に届く案件を見ると、データを何に使うかを決める仕事や、データの基盤づくりを推進する仕事として募集されているものもありました。
この記事では、当社に届いたデータ活用・データ基盤の案件6件の条件から、この領域の案件で何が問われているかと、経験の伝え方を整理します。
このnoteは、ITコンサルタント・PM・PMO向けの案件紹介サービス「アサインコネクト」が書いています。
当社には、データ活用・データ基盤に関わる案件が届いています。この記事の後半でも、実際に届いた6件の条件を紹介しています。
データ基盤やBIの導入、データ利活用の推進の経験を活かせる案件を探している方には、これまでのご経験と、稼働率・リモートの可否などの希望条件をうかがったうえで、合う案件を個別にご案内しています。
下のリンクを押すと、アサインコネクトのページが開きます。案件の例やご利用の流れを確認でき、LINEから希望条件を登録できます。
この記事でわかること
データ活用・データ基盤の案件の条件に出てくる言葉
当社に届いた、データ活用・データ基盤・BIを必須または尚可に入れた案件6件の条件
6件から見える、データ活用の案件で先に見られている経験
データ活用の経験を、案件の担当者に伝わる形で説明するポイント
1. データ活用・データ基盤の案件に出てくる言葉
案件の条件には、データに関わる言葉がいくつも並びます。ここでの説明は、当社に届いた案件の条件の言葉から整理したもので、プロジェクトによって範囲は違います。
データ利活用・ユースケース設計：データを、どの業務の、どの判断に使うかを決めること。案件によっては、小さく試す形（MVP）を設計するところから始まります
データ基盤・DWH：社内の複数のシステムからデータを集め、分析に使える形でためておく仕組み
データ連携：システム同士でデータを受け渡す仕組み。APIやファイルでの連携などがあります
BI：ためたデータを、グラフや表で見える形にして、判断に使えるようにする仕組み
データマネジメント・データガバナンス：データの持ち主、定義、品質、使ってよい範囲などを決めて、データを管理していくこと。データ品質・データ標準化も、ここに含まれる言葉として条件に出てきます
PMOの役割全体の中での位置づけは「フリーランスPMOの仕事｜PMOの案件で求められる経験と、PMとの違い」で整理しています。
2. 当社に届いたデータ活用・データ基盤の案件6件
2026年7月〜10月に当社に届いた案件のうち、データ活用・データ基盤・DWH・BI・データマネジメントを必須または尚可に入れた、コンサル・PMO・PL向けの案件6件を紹介します。SAPの案件と、データ基盤を作るエンジニア向けの案件は除いています。発注元が分からないように書き直しています。単価は案件ごとに条件が違うため、ここでは扱いません。
6件のうち、大手飲料メーカーのグループデータ基盤と地方銀行のデータ利活用基盤は「IT戦略・構想策定の案件｜上流のITコンサルに求められる経験と、要件定義との違い」で、化学メーカーの保守統合の統括PLは「M&A後のシステム統合（PMI）のPMO｜業務・システム統合の案件で求められる経験」で紹介した案件です。この記事では、データに関わる条件に注目して読み直します。
データ活用・データマネジメントのコンサルティング（2件）
データ・AI領域のコンサルティング（複数ポジション・稼働50〜100%・基本リモート）：必須＝コンサルティングファームまたはSIerでのプロジェクト経験、データガバナンス・データマネジメント領域のコンサルティング経験、主体的に行動し自走できること（関連する経験があればレイヤーは幅広く可）／尚可＝データ活用戦略・データ基盤の構想策定の経験、プロジェクトリードの経験、コンサルティングファームでの業務経験
金融業のデータ活用のMVP設計・全社展開（稼働50%以下・基本リモート）：必須＝データ活用のユースケース設計／MVP設計の経験、データ資産の棚卸・整理に向けた進め方／方法論の設計経験、データ活用ユースケースとデータ資産を紐づけた活用シナリオの検討経験、データ品質／データ標準化の知見、データ活用領域のコンサルティング／プロジェクト推進の経験／尚可＝金融業界での業務／プロジェクト経験
データ基盤の構想・検討（2件）
地方銀行のデータ利活用基盤の検討（週3〜4日出社・相談可）：必須＝データ利活用／分析の知見、要件やシステム化への落とし込みができること（BI・DWH・API）、システムコンサルの経験、IT企画／構想などの上流経験／尚可＝銀行の経験
大手飲料メーカーのグループデータ基盤構築の構想策定（ハイスキル人材は稼働相談可・ハイブリッド）：必須＝データ連携基盤／DWHの知見、データ連携の要件定義経験、AI活用を前提にしたデータ連携基盤の構築経験、自走力／尚可＝Snowflakeの知見、飲料業界の知見、BIの知見
データ基盤のプロジェクトの推進（2件）
航空業界のデータ分析基盤移行（中継サーバ構築の要件定義・技術リード／PMO・基本リモート）：必須＝システム間データ連携（API／ファイル連携等）の要件定義経験、AWS環境（EC2等）の基礎知識、データ分析基盤とDWH／BIの基礎的な技術理解、システム刷新またはデータ分析基盤移行のプロジェクトでのPMO経験、複数チーム／複数ベンダーの進捗管理経験、課題管理の実務経験、関係者間の調整／ファシリテーション経験／尚可＝アジャイルとウォーターフォールが混在する環境でのPMO経験、航空／製造業など類似事業のプロジェクト経験、英語でのコミュニケーション（データ分析用SaaSベンダーとのQA等）
化学メーカーの財務領域の保守統合の統括PL（100%が優先・最低50%以上可・基本リモート）：必須＝中〜大規模プロジェクトでのPM／プロジェクトマネジメント経験、計画策定・進捗／課題管理・関係者調整等を主体的に進めた経験、複数チーム／領域を横断して状況を整理し各リードと連携しながら推進できること、情報や課題を整理・取捨選択してPMへ適切に報告・連携できること／尚可＝コンサルティングファーム等でのプロジェクト推進経験、BI／データ基盤等のデータ活用領域のプロジェクト経験・知見、財務／会計領域の知見
3. 6件から見えること
6件だけなので、データ活用の案件全体の傾向とまでは言えません。ここでは、6件の条件の書かれ方から読めることを整理します。
「何に使うか」を決める経験が、正面から問われる
金融業のMVP設計の案件は、必須の中心が「データ活用のユースケース設計／MVP設計の経験」と「データ活用ユースケースとデータ資産を紐づけた活用シナリオの検討経験」でした。データ基盤をどう作るかより先に、どの業務で何に使うかを決め、そのためにどのデータが要るかを整理する仕事です。データ資産の棚卸・整理の「進め方／方法論の設計経験」も必須に入っており、作業そのものより、進め方を設計した経験が見られていると読めます。
データマネジメントは、コンサルティングの経験として問われる
データ・AI領域のコンサルティングの案件は、必須に「データガバナンス・データマネジメント領域のコンサルティング経験」を入れていました。金融業の案件も「データ品質／データ標準化の知見」を必須にしています。データを集めて見える化するだけでなく、データの定義や品質、管理のルールを決める経験が、コンサルの仕事として求められていることが分かります。一方で、データ・AI領域の案件は「関連する経験があればレイヤーは幅広く可」とも書いており、データ活用戦略・データ基盤の構想策定の経験は尚可でした。
基盤の構想では、要件に落とす力と技術の知見が並ぶ
地方銀行の案件は「要件やシステム化への落とし込みができること（BI・DWH・API）」を、飲料メーカーの案件は「データ連携の要件定義経験」とデータ連携基盤／DWHの知見を必須にしていました。どちらも上流の案件ですが、データを使いたいという話を、BI・DWH・データ連携の要件に落とせるだけの技術の理解が前提になっています。飲料メーカーの案件は、AI活用を前提にしたデータ連携基盤の構築経験も必須で、構想の段階でも、作ったことのある経験が見られています。
推進の案件では、PMOの経験に「基礎的な技術理解」が加わる
航空業界の案件は、システム刷新またはデータ分析基盤移行のプロジェクトでのPMO経験、複数チーム／複数ベンダーの進捗管理、課題管理、関係者間の調整を必須にしていました。ここまではほかのPMOの案件と近い条件ですが、それに加えて、データ連携の要件定義経験と、データ分析基盤とDWH／BIの「基礎的な技術理解」が必須に入っています。データ基盤のプロジェクトのPMOでは、深い構築の経験までは求めなくても、話の中身を理解できることが前提になると読めます。
データ活用の経験が尚可に入る案件もある
化学メーカーの保守統合の統括PLは、もとはBI導入の領域リードの募集だった案件で、必須はPMの経験と、複数チームを横断した推進の経験でした。BI／データ基盤などのデータ活用領域の経験は尚可です。データ活用の経験は、データ活用そのものの案件だけでなく、こうした推進の案件で、ほかの候補者との差になることもあると考えられます。
対象から外したデータの案件
この期間には、Python・Databricksでのデータ整備や、Snowflakeの設計・構築、分析の手法そのものを扱う案件もありました。エンジニアやデータサイエンティスト向けの条件だったため、この記事の6件には入れていません。また、電力業界のDX推進のPMOの案件では「データ活用・分析の経験」が尚可に入っていました。DX推進の案件の全体は「業務改革・DX推進の案件｜ITコンサルに求められる経験と、案件の見分け方」で整理しています。
ご自身の経験だと、どのデータ活用の案件に近いかは、希望条件をLINEで登録いただければ個別にお伝えします。
4. データ活用の経験を伝えるときのポイント
6件の条件から逆算すると、データ活用に関わる経験は、次の点を書いておくと担当者に伝わりやすくなります。
何のためのデータ活用か：どの業務の、どの判断に使うためのものだったか（ユースケース）と、小さく試してから広げたかどうか
どの段階に関わったか：構想・ユースケース設計、要件定義、構築の推進、定着・全社展開のどこを担当したか
データマネジメントで決めたこと：データの棚卸、定義や品質のルール、標準化、管理の体制など
技術の範囲：DWH・BI・データ連携（API・ファイル連携）・クラウドのうち、何をどの程度理解しているか。製品名が分かるものは書いておく
推進の経験：複数チームや複数ベンダーの進捗管理・課題管理、関係者の調整など、PMOとして回したこと
業界：金融・製造・航空など、データ活用に関わった業界
今回の6件では、銀行・金融業・飲料業界・航空／製造業の経験が尚可に入っていました。必須ではありませんが、業界の経験がある場合は書いておくと、条件と照らし合わせやすくなります。経歴書全体の書き方は「ITコンサル・PMOの職務経歴書｜案件の担当者に伝わる書き方」で整理しています。
作った経験と、使い方を決めた経験を分けて書く
データ活用の経験は、「BIを導入した」の1行にまとまりがちです。今回の6件では、使い方を決める経験（ユースケース設計・MVP設計）と、基盤を要件に落とす経験（BI・DWH・データ連携の要件定義）、データを管理する経験（データマネジメント・品質・標準化）が、それぞれ別の条件として書かれていました。同じプロジェクトの経験でも、どの部分を担ったかを分けて書いておくと、案件ごとの条件に当てはめやすくなります。
5. よくある質問
データ基盤を作った経験が無くても応募できますか？
今回の6件のうち、データ基盤の構築経験を必須にしていたのは、飲料メーカーの「AI活用を前提にしたデータ連携基盤の構築経験」の1件でした。ほかの案件では、ユースケース設計やデータマネジメントのコンサルティング経験、PMOの経験に、DWH／BIの知見や基礎的な技術理解を組み合わせた条件が中心です。どこまでの技術の理解が要るかは、案件ごとに違います。
AIの活用や実装の案件は、どこで扱っていますか？
データ活用の先にある、AIの活用やAIエージェントの実装をリードする案件は、FDE（Forward Deployed Engineer）向けのnote https://note.com/fdeai でまとめています。
まとめ
当社に届いたデータ活用・データ基盤の案件6件は、データ活用・データマネジメントのコンサルティング、データ基盤の構想・検討、データ基盤のプロジェクトの推進に分かれた
使い方を決める案件ではユースケース設計・MVP設計やデータマネジメントの経験が、基盤の構想ではBI・DWH・データ連携の要件に落とす力が必須の中心だった
データ基盤のプロジェクトのPMOでは、PMOの経験に加えて、DWH／BIの基礎的な技術理解が必須に入っていた
アサインコネクトは、ITコンサルタント・PM・PMO向けの案件紹介サービスです。
希望条件をLINEで登録すると、条件に合う上流の案件を個別に受け取れます。
