TDSE株式会社は、データサイエンスとAIの力で企業の意思決定を変える専業会社だ。コンサルティング会社のように「提言書を渡して終わり」ではなく、実際にシステムを組み、分析が回り続ける状態をクライアント企業の内部に作り上げることに力点を置いている。

転職者にとってTDSEは「データサイエンスのプロとして実践の場を持てる場所」と言える。博士号保有者から実装エンジニアまで、専門的な人材が集まる環境で、実際の大手企業のデータを使って価値を生み出す仕事だ。規模は小さくても、仕事の密度と専門性は業界トップクラスと言えるだろう。

企業概要

項目内容
会社名TDSE株式会社（TDSE Inc.）
設立2013年10月17日
代表取締役東垣直樹
本社東京都新宿区西新宿3丁目20番2号 東京オペラシティタワー27階
資本金8億3,318万円
従業員数130名（単体）※臨時職員含む170名
上場区分東証グロース市場（証券コード：7046）
売上高約30億550万円（2026年3月期）
平均年収677万円
平均年齢36.4歳
平均勤続年数4.5年
事業内容データサイエンス・AI実装・DXコンサルティング・LLM活用支援

2013年に設立し、2021年に東証グロース市場（当時マザーズ）に上場。「ビッグデータ・人工知能（AI）を活用したソリューション提供及びAI製品の提供」を事業の柱とし、主にリクルート・ファーストリテイリングなどの大手企業を顧客に抱えている。

売上高は2026年3月期に約30億円を達成し、前期比11%増と安定成長を続けている。純利益も約1億7,500万円と黒字が定着しており、自己資本比率は約80%という財務健全性の高い企業だ。

主な事業内容

TDSEの事業は、クライアント企業がデータを経営に活かせる状態になるまでを一気通貫で支援することに集約される。「分析して終わり」「ツールを入れて終わり」ではなく、「実際に改善が回り続ける状態」を作り出すことが、同社がクライアントから高く評価される理由だ。

AI・データ活用の需要は急拡大しており、600社超の支援実績を持つTDSEには豊富なナレッジが蓄積されている。コンサルティングに始まり、設計・実装・運用設計まで自社で完結できることが、競合との最大の差別化点だ。

DXコンサルティング・データ戦略立案

クライアント企業の事業課題をデータの観点から分析し、DX推進の戦略・ロードマップを策定する。データの棚卸しから始め、どのデータをどう活用するかを設計する「上流工程」を担う。

単純な課題診断にとどまらず、実装フェーズまでをシームレスに引き受けられることが同社の強みだ。コンサルと開発が分断されることなく、一貫した設計思想でプロジェクトが進行する。

データ分析・AI実装

機械学習・深層学習・統計分析などの手法を駆使し、クライアントの業務データを分析して実際のビジネス改善につなげる。レコメンドエンジン・需要予測・異常検知・顧客セグメンテーションなど、多様なAIモデルを実装する。

「分析結果を提示するだけ」ではなく、実際のシステムに組み込み、本番運用まで支援する。データサイエンティストとエンジニアが同じチームで動くため、研究成果が実装まで速くつながる体制になっている。

LLM活用支援

ChatGPTをはじめとする大規模言語モデル（LLM）を企業の業務プロセスに組み込むための支援を行っている。RAG（検索拡張生成）・プロンプトエンジニアリング・ファインチューニングなどの手法を活用し、クライアント固有のユースケースに合わせたシステムを構築する。

LLMは技術の進化が速く、最新の知見を継続的にキャッチアップする必要がある。TDSEのような専業会社は、この領域で常にアップデートし続けることができるため、クライアントより一歩先を行く知識を提供できる。

DX人材育成

データリテラシー向上・データサイエンス技術習得のための企業向け研修・ハンズオン教育を提供する。「データ活用ができる組織」をクライアント内部に作ることを目指す。

分析ツールの使い方だけでなく、「どの問いにデータを当てればよいか」という思考力の育成に重点を置く。自社のコンサルタントが講師を務めることで、現場の実践知識が反映された研修になる。

データ利活用の実運用支援

システム導入後の継続的な改善・運用設計を支援する。データパイプラインの構築・BIダッシュボードの整備・KPIモニタリングの仕組み作りなど、「AI・データ活用が日常業務に根付く状態」を目指す。

運用フェーズのサポートがあることで、クライアントとの長期関係が構築しやすい。一度信頼を得ると、次のフェーズも任せてもらえる傾向があり、リピート受注が安定収益を支えている。

TDSE株式会社の強み

強み1. 社員の約8割がDS/エンジニアという専門家密度の高さ

多くのDXコンサルティング会社では、ビジネスサイドのコンサルタントが多く、技術の実装は外注というケースが多い。TDSEはこれとは対照的に、社員の約8割がデータサイエンティストまたはエンジニアだ。

この専門家密度の高さが、「提案」と「実装」の一気通貫を可能にしている。提案した内容を自分たちで作れるため、実現可能性の高い提案ができ、品質の管理も自社で完結する。転職者にとっては「本物のデータサイエンス環境」で働けることを意味する。

強み2. 博士号保有者を含むアカデミアと実務の架け橋

博士号保有者が在籍していることが、TDSEの技術力の背景にある。最新の研究論文の知見を実ビジネスに応用する能力が高く、「学術的に正しい方法で、ビジネス課題を解く」というアプローチを得意とする。

転職者にとっては、アカデミアの知識と実務経験を組み合わせることができる環境だ。「大学院で機械学習を研究してきたが、ビジネスでの活用経験がない」という人にとっては、最高のキャリアスタート地点になりうる。

強み3. 600社超の支援実績による豊富なノウハウ

異なる業種・業界・データ環境のクライアントを600社以上支援してきた経験は、他社が簡単には模倣できない資産だ。どの業種でどの手法が有効か、どんな失敗パターンがあるか、という暗黙知が社内に蓄積されている。

この経験値は採用された後の成長機会にもなる。先輩社員の豊富なプロジェクト経験から学べるため、短期間で高度なスキルを身につけやすい環境だ。

強み4. 上流から実装・運用まで一気通貫のサービス提供

データ戦略の立案（コンサルティング）から、実際のシステム実装、さらに運用後の継続改善まで一社で担える。多くのクライアントは「コンサルに相談したら実装は別会社に」という分断した体験をしており、TDSEのシームレスなサービスに価値を感じる。

この一気通貫モデルは、プロジェクトの進行速度と品質の一貫性において優位性を持つ。また、クライアントとの関係が長期化しやすく、安定した売上基盤の構築につながっている。

強み5. 東京オペラシティタワー本社とブランドの信頼感

新宿区西新宿の東京オペラシティタワー27階に本社を置く。「データ・AI専業の上場企業」という希少性と相まって、大手企業クライアントへの営業において信頼感を生んでいる。

上場企業としての情報開示・ガバナンス体制の整備が、コンプライアンスを重視する大企業からの受注可能性を高めている。

強み6. LLM・生成AI領域への素早い対応

ChatGPTが普及した2023年以降、LLM活用支援の需要が急増した。TDSEはデータ・AI専業企業として、この波に素早く対応できるポジションにある。

既存のデータサイエンスのノウハウ・インフラを活かしながら、LLMという新技術を組み合わせることで、競合より速く高品質なサービスを提供できる。生成AI時代においても、同社の専門性は有効であり続けると考えられる。

TDSE株式会社の年収事情

TDSE株式会社の平均年収は677万円（平均年齢36.4歳）で、データサイエンス・AI専業企業として相応の水準だ。データサイエンティストやAIエンジニアは市場価値が高く、特に実務経験者には競争力のあるオファーが出やすい傾向がある。

専門職の多い組織であるため、スキルレベルによる年収差が大きく、20代の若手と30代以降の経験者では大きなギャップが存在すると推測される。

職種別の想定年収レンジ

職種想定年収レンジ
データサイエンティスト（若手）450〜600万円
データサイエンティスト（中堅）600〜800万円
シニアデータサイエンティスト800〜1,100万円
AIエンジニア（実装担当）500〜750万円
MLエンジニア600〜850万円
DXコンサルタント550〜800万円
LLMスペシャリスト650〜950万円
プロジェクトマネージャー700〜950万円
管理部門400〜600万円

※上記は推計レンジ。実際の年収は経験・スキルセット・ポジションにより異なる。

給与制度の特徴

専門スキルを持つ人材の採用競争が激しいデータサイエンス業界では、スキルレベルに応じた柔軟な年収設定が一般的だ。TDSEも専門性・実績・市場価値を考慮した評価制度を採用していると推測される。

資本金8億超・自己資本比率約80%という財務健全性は、安定した給与支払い能力を示しており、ベンチャー企業特有の「給与遅延リスク」は低いと見られる。

年収を見る際の注意点

  • 平均年収677万円は正社員平均であり、職種・経験・スキルレベルで大きく異なる
  • データサイエンス経験が豊富な人は、入社時に市場価値に応じた交渉が重要
  • 上場企業のため、業績に連動したインセンティブ・賞与制度がある可能性がある
  • 専門職が多いため、スキルアップによる昇給の伸び代が比較的大きい
  • 残業実態・固定残業代の含有有無は入社前に確認が必要

TDSE株式会社の働き方・福利厚生

TDSE株式会社は、東京オペラシティタワーに本社を置く上場企業として、労務環境の整備が進んでいると考えられる。データサイエンス・AI分野の専門家を採用するためには、働きやすい環境の整備が不可欠であり、業界水準に合わせた対応がなされていると推測される。

勤務時間・休日 基本的なオフィスワーク体制（9〜18時または10〜19時程度）が標準と考えられる。土日祝日休日で、年間休日数は120〜125日程度と推計される。プロジェクト繁忙期には残業が増える場合がある。

リモートワーク IT・AIコンサルティング業界の標準として、ハイブリッドワーク（オフィス+リモート）制度を導入していると推測される。クライアント常駐のあるポジションはリモートが制限されることがある。

福利厚生（確認・推定含む）

  • 社会保険完備（健康保険・厚生年金・雇用保険・労災保険）
  • 交通費全額支給
  • 各種休暇（年次有給・慶弔・産前産後・育児休業）
  • 学習支援制度（書籍購入・学会参加・資格取得補助）
  • データサイエンス系資格取得支援（AWS・Google Cloud等の資格補助）
  • 社内勉強会・技術共有の仕組み
  • カンファレンス・セミナー参加支援
  • テレワーク制度（一部職種）
  • フレックスタイム制（一部職種）
  • 健康診断・各種健康サポート
  • 産休・育休取得実績あり（上場企業としての法令遵守）

注意点 コンサルティングプロジェクトはクライアントのスケジュールに左右されるため、繁忙期・締切前の残業が発生しやすい。プロジェクトマネジメントの経験がない場合、時間管理に慣れるまで苦労する可能性がある。

TDSE株式会社の社風・カルチャー

一言で表すなら「データの力を信じる実証主義者集団」

TDSEの社風は、「感覚ではなくデータで決める」という実証主義が徹底している。クライアントに対してもそうだが、社内でも「なぜそのアプローチなのか」を論理とデータで示すことが求められる文化がある。

博士号保有者を多く抱えることもあり、「なぜこうなるのか」を深く考える文化が根付いている。「とりあえずやってみる」ではなく、「理論的背景を理解したうえで実装する」姿勢が評価される。

評価される人物像

  • データと論理で物事を考える「実証主義的な思考スタイル」を持つ人
  • 「分析」だけでなく「実装して本番に乗せる」まで責任を持てる人
  • 常に最新の研究・技術動向をキャッチアップする学習意欲がある人
  • クライアントの課題を本質から理解しようとする「深く聴く力」がある人
  • 小規模チームで幅広い役割を担える柔軟性がある人

表面的なイメージと実態の差

「データサイエンス会社」というと、静かに分析するイメージを持たれがちだが、実態はクライアント対話が多いコンサルティング業務だ。プレゼンテーション・提案・課題ヒアリングなど、対人コミュニケーションが求められる場面が多い。

「分析結果を作るだけ」でよいポジションは少なく、分析→提案→実装→説明→改善のフルサイクルに関わることが多い。研究者気質で「黙って分析に没頭したい」タイプには、想定よりコミュニケーション量が多い職場になりうる。

TDSE株式会社の転職難易度

難易度：4級（高い）

データサイエンス・AI専業の上場企業として、採用要件は業界内でも高い水準にある。機械学習・統計・データエンジニアリングいずれかにおける実務経験が基本要件となり、「興味がある」「勉強中」という段階では難しい。

一方で、社員130名という規模から採用枠は限られており、タイミングが重要だ。優秀な人材は常に引き合いが多いため、同社が求める人材の市場流通量は少なく、良いタイミングで良い経験を持っていることが重要になる。

理由1. データサイエンス・AI実務経験が必須水準

「機械学習モデルを構築した経験」「Pythonで分析パイプラインを構築した経験」「本番システムにAIを実装した経験」などの実務実績が最低基準として求められる。資格や学習経験だけでは門前払いになる可能性が高い。

理由2. 技術面接・コーディングテストの突破が必要

データサイエンス企業の採用は技術的な審査が厳しい。統計学・機械学習理論の問答、実際のデータを使った分析課題、コーディングテストなどが選考に含まれる可能性が高く、理論と実装の両面で準備が必要だ。

理由3. コンサルティングコミュニケーション力も問われる

技術力だけでなく、「クライアントに対してどう価値を伝えるか」というコミュニケーション力も選考で評価される。分析結果を非技術者に説明できる能力・提案書が書ける能力が問われることが多い。

TDSE株式会社に向いている人

タイプ1. データサイエンスを実務で本格的にやりたいエンジニア・研究者

大学院や研究機関でデータサイエンス・機械学習を学んできた人、あるいはエンジニアとして開発経験を積んできた人で「データ分析・AI実装の第一線に立ちたい」という人に最適の環境だ。

タイプ2. DXコンサルから「実装まで」関わりたい人

コンサルティングファームでデジタル・DX関連のプロジェクトを経験してきたが、「提言書だけでなく実装まで担いたい」と感じている人。TDSEは提案から実装まで一気通貫のため、その欲求を満たせる環境だ。

タイプ3. LLM・生成AI領域のキャリアを築きたい人

生成AIの急速な普及に伴い、LLM実装の専門家への需要は爆発的に増えている。TDSEのような実績ある専業会社で経験を積むことは、市場価値の高いキャリアへの最短経路になりうる。

タイプ4. 大手企業データを使った高難度プロジェクトに挑みたい人

中小企業よりも複雑なデータ環境・高い要求水準を持つ大手企業のプロジェクトに関わりたい人。リクルート・ファーストリテイリング等の大手クライアントと仕事できる可能性が魅力だ。

タイプ5. 小規模精鋭組織で早期に専門家として活躍したい人

130名規模の組織のため、大企業より早くポジションと裁量が与えられやすい。「チームの核となるデータサイエンティスト」として早期に活躍したい人には好機だ。

TDSE株式会社に向いていない人

批判ではなく、ミスマッチ防止のために正直に記載する。

  • タイプ：データサイエンスの実務経験がない人 — 研究志向・勉強中の段階では採用ハードルを超えることが難しい。まず他社や個人プロジェクトで実績を積んでから挑戦する方が現実的だ
  • タイプ：コミュニケーションが苦手で技術だけ没頭したい人 — クライアント折衝・提案・説明が業務に含まれるため、「人と話さずに分析だけしたい」タイプには向かない
  • タイプ：大企業のような組織の安定性・手厚い福利厚生を求める人 — 130名規模の中小上場企業であり、大企業特有の手厚い福利厚生・安定した制度体系は期待しにくい
  • タイプ：特定の専門領域だけ極めたい人 — 少人数組織のため、幅広い役割をこなすことが求められる。「自分はモデル開発だけ」という縦割り専業はしにくい環境だ
  • タイプ：安定的なルーティン業務を好む人 — プロジェクト型の仕事であり、毎回異なる課題に対応する必要がある。変化への適応が苦手な人にはストレスが高い職場になりうる

TDSE株式会社の選考対策

対策1. Pythonとデータ分析の実力を実証する

ポートフォリオ・GitHubの公開リポジトリ・過去のプロジェクト実績など、「自分はどのレベルのデータサイエンスができるか」を具体的に示せる準備をする。コードを書いたことがあるだけでなく、本番環境での実装経験があると強い。

対策2. 機械学習・統計の理論も説明できるようにする

「なぜこのモデルを選んだか」「このアルゴリズムの数学的背景は何か」という問いに答えられるよう、理論の整理も必要だ。実装の裏にある理論的根拠を言語化できることが、TDSEの評価基準に合っている。

対策3. クライアントへの価値提供をストーリーで語る

「どんな課題を持つクライアントに、どんな分析をして、どんな成果につながったか」というストーリーを複数用意する。定量的な成果（精度向上○%・処理時間○%削減・売上○%改善等）があれば積極的に記載する。

対策4. LLM・生成AI領域への関心をアピールする

TDSEの新成長軸であるLLM活用支援への関心・経験をアピールすると、時流に合った人材として評価されやすい。GPT APIやLangChain等の使用経験があれば具体的に話す準備をする。

対策5. 「なぜTDSEか」という差別化理由を明確にする

同業他社も多い中で「なぜTDSEでなければならないのか」を明確に語れるようにする。「600社超の実績」「DS/エンジニア比率の高さ」「大手クライアントとの仕事」など、同社固有の魅力と自分のキャリア目標を結びつけて語ると説得力が増す。

対策6. コンサルティング的なコミュニケーション力も磨く

面接ではケーススタディや「あなたなら○○社のデータ活用課題をどう解くか」という問いが出る可能性がある。技術力とともに、課題整理・仮説立案・提案構成という思考プロセスを見せられるよう準備する。

TDSE株式会社への転職で評価されやすい経験

  • データサイエンティストとしての実務経験（機械学習モデル開発・本番運用）
  • Pythonを用いたデータ分析・可視化・モデル構築の経験
  • 機械学習エンジニア・MLOpsの実務経験
  • 大規模データの前処理・ETL・データパイプライン構築経験
  • 統計学・数理最適化の実務応用経験
  • LLM活用・RAG実装・プロンプトエンジニアリングの経験
  • AWS・GCP・Azureのデータ系サービス活用経験
  • SQLを用いたデータ抽出・集計・分析の実務経験
  • BIツール（Tableau・Looker・PowerBI等）の活用経験
  • DXコンサルティング・デジタル戦略立案の経験
  • クライアント向けデータ分析結果のプレゼン・提案経験
  • 大学院・研究機関でのデータサイエンス・AI研究経験（博士・修士）
  • Kaggle等のデータコンペでの実績

特に評価されやすいのは、「Python×機械学習の実務経験×本番環境への実装実績」の3点が揃うプロフィールだ。 これにLLM活用経験やコンサルティング経験が加わると、TDSEが求める「分析から実装まで担えるデータサイエンティスト」として高く評価される可能性が高い。

まとめ

TDSE株式会社は、データサイエンス・AI実装・DXコンサルティングを専業とする希少な上場企業だ。社員の約8割がDS/エンジニアという圧倒的な専門家集団の密度は、「本物のデータサイエンス環境で成長したい」という転職者には最大の魅力だ。

転職先として検討する際の核心は「実務経験と技術力」だ。学習中・勉強中の段階では採用ハードルを超えることが難しいが、一定の実力がある人には挑戦する価値がある。LLM・生成AI時代においても、データの専門家としての市場価値は上がり続けており、TDSEでの経験は中長期的に非常に高いキャリア価値を持つ。

130名規模の少数精鋭組織であるため、裁量は大きく、自分の仕事が事業に与える影響を直接感じやすい。「大企業の一部門として埋もれるより、専門家として前線に立ちたい」という人に向いている職場だ。

データサイエンスやAI実装を通じてクライアントの意思決定を高度化する仕事に本気で向き合いたい人は、ぜひTDSEを候補に入れて情報収集を始めてみてほしい。