結論から言うと、データサイエンスは「データサイエンス学部」だけのものじゃないんだ。ボクが図鑑で数えてみたら、データサイエンスを主に学べる学科・コースは全国105大学・118学科(シンロノズカン調べ・2026年)。置かれている学部はデータサイエンス学部のほか、理工学部・情報学部・経済学部・経営学部・商学部までバラバラで、理系からも文系からも入り口がある珍しい分野なんだよ。タイプ別に実例でチェックしていこうか。
2017年に日本で最初のデータサイエンス学部を作った滋賀大学の「データサイエンス学科」が草分けで、横浜市立大学・武蔵野大学・立正大学などが続いたんだ。一橋大学の「ソーシャル・データサイエンス学部」は社会科学×データの文理融合型、宇都宮大学の「データサイエンス経営学部」は経営との掛け算型と、専門学部の中でも個性が分かれているよ。統計・プログラミング・課題解決の演習をバランスよく積めるのがこのタイプの強みなんだ。
慶應義塾大学の「数理科学科(統計学専攻)」(理工学部)、東京理科大学の「情報理工学科(データ科学コース)」(創域情報学部)、電気通信大学の「デザイン思考・データサイエンスプログラム」、山形大学の「理学科(データサイエンスコース)」のように、数学・情報の土台の上にデータサイエンスを積む構成だよ。理論から深く理解したい人、機械学習の仕組みまで作れるようになりたい人はこちらが合うんだ。千葉大学の「情報・データサイエンス学部」のような情報系との融合学部もあるよ。
滋賀大学の「総合経済学科(データサイエンス・コース)」(経済学部)や中央大学の「ビジネスデータサイエンス学科」(社会理工学部)のように、ビジネス・経済の課題をデータで解くタイプだよ。マーケティングや金融など「使い道」から入りたい人に向いていて、入試も文系型で受けられることが多いんだ。図鑑の学部分布でも経済学部6・経営学部5・商学部4学科と、文系側にも入り口があるんだって。
同じデータサイエンスでも、卒業までに求められる数学のレベルは学部によってかなり違うんだ。カリキュラムに線形代数・微分積分・数理統計がしっかり並ぶのが理工型、統計の活用とビジネス演習が中心なのが文系型という目安だよ。シラバスで1〜2年次の数学科目を見比べるのがいちばん確実なんだ。情報系学部全体の見分け方は「情報学部」「情報学科」は大学で中身がかなり違うも参考にしてね。
理工型は数学Ⅲまで必要な大学が多く、専門学部は数学ⅡBまで+文系科目という構成が目立つよ。同じデータサイエンス学部でも、文系型入試・理系型入試の両方を用意している大学(滋賀大学など)もあるんだ。「入試で数学がどこまで要るか」と「入学後に数学をどこまで積むか」は別の話だから、入試科目が軽い大学ほど入学後の授業で追いつく努力が要ると考えておくとギャップがないんだって。
データサイエンスは、専門学部・理工情報系・経済経営系の3ルートがあって、文理どちらからでも目指せるんだ。学べる大学の全体像はデータサイエンスのページから探せるよ。理論寄りに興味があるなら数学・コンピュータサイエンス、ビジネス寄りなら情報経営・経済情報学も見比べてみてね。
入試は文系科目で受けられる大学もあるけど、入学後は統計とプログラミングから逃げられない分野なんだ。「苦手だけど向き合う覚悟がある」なら大丈夫、「数学を避けたいから文系型へ」だと入学後がつらいよ。高校数学の数ⅠA・ⅡBまでは味方につけておくのが安心なんだ。
統計学そのものを深く学ぶなら、理学部数学科や理工学部の数理・統計系(慶應の統計学専攻など)が本流だよ。データサイエンス学部は統計を「使う」ことに重心があるから、理論研究をしたい人は数学系も見比べてみてね。
重なりは大きいけど、AIそのものを深く作りたいならAI・機械学習やコンピュータサイエンス系の学科のほうが本流だよ。データサイエンスは「データから価値を引き出す」ことが軸で、AIはその道具のひとつという関係なんだ。アルゴリズムを生み出す側に回りたいか、データで課題を解く側に回りたいかで選んでみてね。
データ分析の力は、IT・金融・メーカー・コンサルなど幅広い進路で活かせるよ。ただ「学部名」ではなく「統計・プログラミング・課題解決を実際にどこまでやったか」が見られる世界だから、演習やデータ分析コンペにどれだけ打ち込めるかが勝負なんだって。
学部名・学科名だけで判断せず、きみの好き・得意から自分に合いそうな学問領域を探してみない?5つの質問に答えるだけで、全国の大学の専攻から候補を出してみるよ。