スコアレポートを見て、正直焦りました。
「数式を読むための基礎知識：0%」「基礎解析：0%」。
2つのセクションが0%です。——でも、画面には「合格」と表示されていました。
775点。合格ラインの700点を75点上回っていました。
なぜ0%が2つあって合格できたのか。理由ははっきりしています。公式の出題基準によると、「数式を読むための基礎知識」「基礎解析」はそれぞれ全40問中1問（2.5%）の出題です。1問落としただけで0%になる構造であり、失点は各1点。本来どの分野も点は取りに行きたいところですが、限られた時間では全部は回りません。私はこの2つを、配点が小さいぶん優先度を下げ、ほとんど時間を割きませんでした。0%は正直痛いものの、各1点なので「まあ仕方ない」と割り切れる範囲だった、というのが実際のところです。
一方、出題の中心であるライブラリ系のNumPy（83%）・pandas（86%）で点を積み、線形代数・確率と統計（いずれも100%）も取りこぼしませんでした。「どこが0%でも合格できる試験」ではありません。出題の3分の2を占めるライブラリ系を固めていたことが合格を支えたというのが実態です。
この記事では、そうした学習の内訳と試験の実態をまとめます。
Python3エンジニア認定データ分析試験とはどんな資格か
まず基本情報を整理します。
| 項目 | 内容 |
|---|---|
| 試験名 | Python3エンジニア認定データ分析試験 |
| 主催 | 一般社団法人Pythonエンジニア育成推進協会 |
| 受験システム | オデッセイCBT（Odyssey CBT） |
| 合格評価点 | 700点（1000点満点） |
| 受験料 | 11,000円（税込） |
受験システムはオデッセイCBTです。Pearson VUEのテストセンターとは別の仕組みで、パソコン教室などが会場になります。受験会場の詳しい仕組みや予約の流れは、以前の記事のPython基礎試験編で詳しく書いているので、あわせてご覧ください。
→ Python3エンジニア認定基礎試験に2週間で合格した話
試験の特徴は「データ分析寄り」の出題内容です。基礎試験がPythonの文法・構造を問うのに対し、データ分析試験はNumPy・pandas・Matplotlib・scikit-learnといったデータ分析ライブラリが出題の中心になります。加えて、線形代数・確率と統計・数式の読み方など、数学的な概念も出題されます。
「コードが書けること」より「データ分析の手順と理論が理解できていること」を問う試験です。
私が取得した13資格のロードマップについてはこちらもどうぞ。
→ 子育てしながら転職後約1年半で13資格を取得したロードマップ
出題の3分の2はライブラリ系です【攻略の核心】
データ分析試験は、出題範囲の「偏り」が基礎試験以上にはっきりしています。ここを押さえると、勉強の力配分が一気に決まります。
この試験は40問・正答率70%（＝28問正解）で合格です。主教材は『Pythonによるあたらしいデータ分析の教科書 第2版』（翔泳社）で、出題はこの教材の章・節に対応しています。公式サイトには、節ごとの出題数が公開されています。
| 章・節 | 節名 | 出題数 | 出題率 |
|---|---|---|---|
| 1 | データエンジニアの役割 | 2 | 5.0% |
| 2-1 | 実行環境構築 | 1 | 2.5% |
| 2-2 | Pythonの基礎 | 3 | 7.5% |
| 2-3 | JupyterLab | 1 | 2.5% |
| 3-1 | 数式を読むための基礎知識 | 1 | 2.5% |
| 3-2 | 線形代数 | 2 | 5.0% |
| 3-3 | 基礎解析 | 1 | 2.5% |
| 3-4 | 確率と統計 | 2 | 5.0% |
| 4-1 | NumPy | 6 | 15.0% |
| 4-2 | pandas | 7 | 17.5% |
| 4-3 | Matplotlib | 6 | 15.0% |
| 4-4 | scikit-learn | 8 | 20.0% |
| 5 | データ収集と加工 | 0 | 0.0% |
（出典：一般社団法人Pythonエンジニア育成推進協会 公式サイト。配分は変更される場合があるため、受験前に公式サイトで最新の出題数を確認してください）
ひと目で分かるとおり、第4章のライブラリ系4節（NumPy・pandas・Matplotlib・scikit-learn）だけで27問＝全体の67.5%を占めます。合格ラインは28問なので、極端に言えばライブラリ系をほぼ完璧にすれば、それだけで合格ラインに手が届く構成です。
配点の重い順に、優先すべき節はこうなります。
- scikit-learn（8問） … 最大の山。機械学習の手順・主要アルゴリズム・前処理
- pandas（7問） … データフレーム操作。必ず固める
- NumPy（6問）・Matplotlib（6問） … 配列操作とグラフ描画
一方で、数学系（数式を読むための基礎知識・基礎解析・線形代数・確率と統計）は合わせても6問（15%）。さらにそのうち「数式を読むための基礎知識」と「基礎解析」は各1問しかありません。数学が苦手でも、ここで深追いして時間を溶かすより、ライブラリ系を固めるほうが圧倒的に得点効率が高いということです。
実際、私は数学系の2節（各1問）は深追いせず、ライブラリ系に時間を寄せました。その結果これらは0%でしたが、配点が小さいので合否には響かず、合格できています。どこに時間を使い、どこを後回しにするか——その配分が結果的に出題数とかみ合った、という構造は、この配分表を見れば一目瞭然です（詳しくは後半のセクション別正解率で書きます）。
なぜこの試験を受けたか
2025年11月29日、Python3エンジニア認定基礎試験に合格しました。
その翌日から、データ分析試験の勉強を始めていました。
理由は単純です。せっかくPythonを2週間勉強したなら、そのまま勢いを使い切ろうと思ったからです。基礎試験だけで止まるより、データ分析試験もセットで取ることで「Pythonが使えます」の説得力が変わります。
NumPy・pandas・Matplotlibはデータ分析でほぼ必ず使われるライブラリです。AIや機械学習の話が増えているなかで、これらを知っているかどうかは技術面でも話題の幅でも差が出ます。業務でPythonを使ったことがない私にとって、「せめて試験として知識を整理しておく」ことに意味があると感じました。
基礎試験の熱量が残っているうちに受ける。——それだけでした。
使った教材：無料の問題演習アプリ2つ
基礎試験のときと同じく、私が使ったのは無料の問題演習アプリ2つだけです。
→ ディープロ（DIVE INTO CODE／Python問題演習・無料あり）
→ ExamApp（Python3エンジニア認定試験 模擬試験アプリ・無料）
ディープロはデータ分析試験向けの問題演習もカバーしており、NumPy・pandas・Matplotlib・scikit-learnの各セクションを一通りこなせます。ExamAppもデータ分析試験に対応していて、一問一答形式で40問を時間制限なく解けます（解説まで無料・登録なしでも利用可）。
データ分析試験はライブラリの使い方が問われるため、「この関数は何をするものか」「引数の意味は何か」を解説から丁寧に読むことが大切です。問題を解いて解説を読む繰り返しが軸になるのは、基礎試験とまったく同じです。
ただし基礎試験と同様、どちらのアプリも分野（節）別に絞って演習する機能はありません。 全範囲の問題をひたすら回し、間違えた問題の該当分野の解説をしっかり読み込む——この繰り返しが基本でした。（※ディープロは有料会員になると分野別の説明が見られるようですが、私は無料の範囲しか使っていないため、有料版の中身は分かりません。）
だからこそ、後述する出題数配分を頭に入れて、ライブラリ系の問題で間違えたときほど解説を丁寧に読む——という力配分が効いてきます。
2週間の学習の流れ
2025年11月30日（Python基礎試験合格の翌日）から学習を開始し、12月13日に受験しました。
| 期間 | やったこと |
|---|---|
| 1〜4日目 | 2つのアプリでデータ分析試験の全範囲を一通り解く。ライブラリの概要を把握 |
| 5〜9日目 | NumPy・pandas・Matplotlib・scikit-learnのライブラリ系を重点的に繰り返す |
| 10〜13日目 | 全問通しで解き直し。配点の小さい数式・基礎解析は深追いせず最終確認 |
1日あたりの学習時間は2〜3時間です。基礎試験と同様、業務をこなしながらの学習でした。
ライブラリのセクションは問題演習と相性がよく、「この書き方は知っている」と感じる場面が増えていきました。反対に、数式・基礎解析まわりは問題を解いても「なんとなくわかった気がする」状態から抜け出せず、本番でもそれが出てしまいました。
試験当日
2025年12月13日。パソコン教室で受験しました。
受験会場の雰囲気はPython基礎試験のときと同じです。テストセンターのような厳密さはなく、アットホームな印象。——「ここで本当に合格かどうか決まるのか」という感覚は、何度体験しても慣れません。
試験を始めて最初に感じたのは、「ライブラリの問題は練習アプリで見た内容が多い」ということです。NumPy・pandasは問題を読んでいて手ごたえがありました。
数学系のセクションに差しかかったとき、手が止まりました。「数式を読むための基礎知識」「基礎解析」のあたりは、問題の意味は分かるものの確信が持てない。——選択肢を選びながら「これで合ってるのか？」という不安が続きました。
試験終了後、画面にスコアが表示されました。775点。合格です。
セクション別正解率と分析
スコアレポートで2つの0%を確認したとき、一瞬「合格したのに？」と思いました。
| セクション | 正解率 |
|---|---|
| 1. JupyterLab | 100% |
| 2. データエンジニアの役割 | 50% |
| 3. 実行環境構築 | 100% |
| 4. Pythonの基礎 | 100% |
| 5. 数式を読むための基礎知識 | 0% |
| 6. 線形代数 | 100% |
| 7. 基礎解析 | 0% |
| 8. 確率と統計 | 100% |
| 9. NumPy | 83% |
| 10. pandas | 86% |
| 11. Matplotlib | 67% |
| 12. scikit-learn | 75% |
「数式を読むための基礎知識」と「基礎解析」が0%です。
これは単なる演習不足というより、時間配分の割り切りの結果です。 「数式を読むための基礎知識」「基礎解析」は出題が各1問。配点が小さいぶん、限られた2週間をここに費やすより、ライブラリ系に時間を回すことを優先しました。本番でも「見たことはあるけれど確信は持てない」状態で、ここは取れたら儲けもの、くらいの気持ちでした。結果0%でしたが、各1点なので大きな痛手にはなりません。
なお、先ほどの出題数配分のとおり、この2節はそれぞれ全40問中1問（2.5%）の出題です。1問落として0%になっているだけで、失点は各1点です。
一方で、線形代数（100%）・確率と統計（100%）は取れています。「数学全般が苦手」だから落としたわけではなく、配点の小さい数式の読み方や基礎解析には、あえて時間をかけなかったということです。
0%が2セクションあっても775点で合格できた理由は2つあります。ひとつは、0%になったセクションが出題数の少ない節だったこと（1問落として0%になっているだけで、失点は各1点）。もうひとつは、出題の3分の2を占めるライブラリ系（NumPy・pandas・Matplotlib・scikit-learn）でしっかり点を積めていたことです。
仮にNumPyやpandasで0%を取っていれば、話はまったく変わっていました。「どのセクションが0%でも大丈夫」ではなく、「配点の小さい数学系は優先度を下げ、その分の時間をライブラリ系に振り向けた」ことが合格の本質です。本来はどの分野も取りに行きたいところですが、2週間という制限のなかでは、何に時間を使い何を後回しにするかを決めるしかありません。その配分の判断が、そのまま結果につながりました。
まとめ
| 項目 | 内容 |
|---|---|
| 資格名 | Python3エンジニア認定データ分析試験 |
| 受験日 | 2025年12月13日 |
| 学習期間 | 約2週間（Python基礎合格翌日〜） |
| 1日の学習時間 | 約2〜3時間（業務並行） |
| 使った教材 | ディープロ＋ExamApp（どちらも無料） |
| 受験料 | 11,000円（税込） |
| スコア | 775点（合格ライン700点） |
| 受験システム | オデッセイCBT（パソコン教室） |
| 合格回数 | 1回目で合格 |
データ分析を始めるあなたへ
業務でNumPyやpandasを使ったことがなくても、2週間で合格できます。
私がそうでした。データ分析試験を受けた時点で、NumPy・pandasを実務で触ったことはゼロです。それでも2つのアプリで問題演習を繰り返すことで、「何をするライブラリなのか」「どう使うのか」を試験レベルでは把握できました。
ライブラリ系（NumPy・pandas・Matplotlib・scikit-learn）の比重が高い構成で、全セクションが均等に出題されるわけではありません。私は、出題数が各1問しかない数式・基礎解析は思い切って後回しにし、その分の時間をライブラリ系に集中させました。NumPy・pandasをしっかり固めていたことが、合格の実質的な土台です。
ただし、NumPy・pandasのような出題比重が高いセクションで大きく崩れてしまえば、話は変わります。まずライブラリ系を確実に仕上げることが、この試験の合格戦略の中心です。
Python基礎試験と連続して取ることをおすすめします。基礎試験で学んだPythonの書き方がそのまま土台になり、学習コストが抑えられます。私は基礎試験合格の翌日から始めて2週間で仕上げました。同じ流れで進められるはずです。
まず今日できること：
- ディープロかExamAppでデータ分析試験の問題演習を体験する
- Python基礎試験との連続受験を検討する
- オデッセイCBTで近くの受験会場を調べる
よくある質問（FAQ）
Q1. Pythonの実務経験がなくてもデータ分析試験に合格できますか？
合格できます。私は業務でPythonを使ったことがない状態で受験し、775点で一発合格しました。NumPy・pandas・Matplotlibなどのライブラリも実務では未使用です。問題演習アプリで問題を解いて解説を読む流れを繰り返すことで、試験レベルの知識を2週間で身につけられます。
Q2. Python基礎試験とデータ分析試験はどちらが難しいですか？
出題の性質が違うため、単純な比較は難しいです。基礎試験はPythonの文法・書き方を問うのに対し、データ分析試験はライブラリの使い方と数学的な概念が出題の中心です。数学系のセクション（数式・基礎解析）が苦手な場合は、データ分析試験の方が取りこぼしやすいと感じました。また、一般的なプログラミング言語を知っている場合は基礎試験のほうが学習時間は短くてすむと思います。
Q3. 数学が苦手でも合格できますか？
私のケースでは合格できましたが、条件があります。0%になった「数式を読むための基礎知識」「基礎解析」は公式の出題基準によると全40問中各1問（2.5%）の出題です。1問落として0%になっているだけで、失点は各1点。配点が小さいと判断して優先度を下げ、あまり時間をかけなかったセクションだったため、0%でも他でカバーできました。
一方、出題の3分の2を占めるライブラリ系のNumPy（83%）・pandas（86%）でしっかり点を積み、線形代数（100%）・確率と統計（100%）も取りこぼさなかったことが合格の実態です。NumPy・pandasが苦手なまま受験していれば、同じ結果にはならなかったと思います。苦手な数学セクションを完璧にしようとするより、ライブラリ系を固める方が得点効率は圧倒的に高いです。逆に、ライブラリ系自体を疎かにすると合格は一気に難しくなります。
Q4. Python基礎試験と連続して受けることを推奨しますか？
おすすめします。私は基礎試験合格の翌日からデータ分析試験の勉強を始め、2週間後に受験しました。Pythonの基礎知識がすでに入った状態でデータ分析ライブラリを学ぶため、スムーズに進められます。基礎試験と合わせて受験料は合計22,000円かかりますが、2つセットで取ることでPythonへの理解を幅広くアピールできます。
Q5. 0%のセクションが複数あっても合格できますか？
一概に「できる」とは言えません。私が0%のセクションを2つ抱えて合格できたのは、該当セクションが出題数の少ないセクション（各1問・2.5%）だったからです。1問落としただけで0%になる構造であり、失点は最小限でした。
出題の3分の2を占めるライブラリ系（NumPy・pandasなど）で0%になっていれば、同じ結果にはなりません。「どのセクションが0%でも大丈夫」ではなく、「配点の小さい数学系の節は優先度を下げ、ライブラリ系に時間を集中した」ことが前提にある話です。どの節に時間をかけ、どこを後回しにするかを出題数で見極めたうえでの0%——それが私の合格の実態です。
Q6. 学習期間の目安を教えてください。
Python基礎試験の直後であれば2週間が目安です。Pythonの書き方が頭に入っている状態でライブラリ系の学習に集中できるため、効率よく進められます。Python基礎の知識がない状態からであれば、まず基礎試験に合格してからデータ分析試験へ進む流れをおすすめします。数学系セクションに不安がある場合は、1〜2日多めに演習時間を確保しておくと安心です。
Q7. 無料の問題演習アプリだけで合格できますか？
はい。私は無料の問題演習アプリ2つ（ディープロとExamApp）だけで合格しました。どちらもデータ分析試験のセクションをひと通りカバーしており、問題演習と解説の組み合わせで試験対策として機能します。ただし基礎試験と同様、どちらも節別に絞った演習はできないため、全範囲を回しながら間違えた問題の解説を読み込むスタイルになります。まず無料の範囲から始めて、手ごたえを確認してみることをおすすめします。
Q8. NumPy・pandas・Matplotlibの知識はどのくらい必要ですか？
コードが書ける必要はありません。「この関数が何をするか」「引数にどの値を渡すか」といった知識が問われます。実際にコードを動かした経験がなくても、問題演習アプリで演習を繰り返すことで対応できます。私は実務でこれらのライブラリを使ったことがありませんでしたが、NumPy（83%）・pandas（86%）・scikit-learn（75%）と一定のスコアを取れました。
関連記事