Contents
未経験エンジニアの年収概況（額面ベース）
ここでは求人DB抽出データを基にした額面年収の主要分位を示します。数値は抽出期間・標準化方法・外れ値処理に基づいて算出しています。方法の詳細は次節をご確認ください。
主要レンジ（額面）
以下は求人DB抽出データ（未経験求人）を標準化して得た主要分位です。中央値と上下の分位を併記しています。全て「額面（総支給）」で表示しています。
| 分位 | 想定年収（額面） |
|---|---|
| 10パーセンタイル | 240万円 |
| 25パーセンタイル | 280万円 |
| 50パーセンタイル（中央値） | 340万円 |
| 75パーセンタイル | 420万円 |
| 90パーセンタイル | 500万円 |
算出元：求人DB抽出（抽出期間 2021-01-01〜2023-12-31、未経験求人 18,342件・重複除外後）を基礎に、厚生労働省「賃金構造基本統計調査」等の公的統計と転職市場レポートで補正して標準化しています（外れ値は上下1%トリミング）。出典や手順は次節で詳説します。
データと方法論（集計手順・出典）
集計手順と出典を明示します。主要数値は求人DB抽出を一次データとし、公的統計と転職レポートで補正しました。ここで使ったルールを公開します。
参照した主なデータソース
以下の公表資料や公開求人を参照しました。URLは各社の公開ページです。求人DBからの自社集計を主要データとして使用しています。
- 厚生労働省「賃金構造基本統計調査」 （参考: https://www.mhlw.go.jp/toukei/list/chinginkouzou.html）
- doda 年収レポート（公開ページ: https://doda.jp/）
- リクナビNEXT の年収関連レポート（公開ページ: https://next.rikunabi.com/）
- ビズリーチ年収レポート（公開ページ: https://www.bizreach.jp/）
- レバテック フリーランス 白書（公開ページ: https://freelance.levtech.jp/）
- 求人DB抽出（自社集計）：公開求人（doda / リクナビNEXT / ビズリーチ / レバテック 等）をクロールし正規化。抽出期間 2021-01-01〜2023-12-31、未経験求人 件数 18,342件（重複・募集停止を除外）
（注）外部レポートの詳細なサンプル数は各報告書に明記されています。該当レポートを参照してください。
抽出期間・フィルタと標準化の手順
抽出期間と主要処理のポイントを示します。透明性を確保するため手順を公開します。
- 抽出期間：2021-01-01〜2023-12-31（求人DBの公開日ベース）。
- 抽出フィルタ：職種がソフトウェア開発関連、かつ募集文に「未経験可」「実務未経験歓迎」等の文言がある求人を対象。学生インターン（学業主体）・アルバイト長期募集は除外。
- 年収の標準化：月給表記は×12で年換算。年俸表記で「年俸÷14」等明記があればそれに従い、明記がない場合は年俸÷12で換算。時給・単発案件は原則除外、FTE換算が明示されている場合のみ年換算。
- 職位の絞り込み：管理職・シニア職（求人タイトルに「リーダー」「マネージャー」等が明記）を除外してエントリ〜ジュニアレンジに限定。
- 外れ値処理：年収上位1%・下位1%を除外（上下1%トリム）。手作業で極端な誤記（例：「年収10000万円」等）を除外。
- 正規化指標：都道府県別で地域係数を付与して地域差を分析。職種タグは求人文のキーワードで自動分類し、手作業でサンプル検査。
留意点（サンプル偏り・限界）
データの限界を明記します。読者が誤解しないようにします。
- 公開求人ベースのため、企業側が実際に支払う最終提示額と差がある場合があります。
- 一部スキルや職種は求人自体が少ないため推定誤差が大きくなります。
- フリーランスや副業は募集形態が多様で集計が難しく、幅を広めに見積もっています。
- 外部レポートは各社の調査設計が異なります。集計結果は補助指標として用いています。
未経験の区分と区分別年収レンジ（定義と数値）
未経験の状態は一様ではありません。ここでは運用上の区分を設け、その区分ごとに年収分布を示します。区分化で自身の立ち位置がわかりやすくなります。
定義（4区分）
まず区分の定義を示します。自己判定用にできるだけ明確にしました。
- A：新卒（学校卒業直後・実務経験0年、インターンを除く）
- B：異業種転職（実務0年だが、副業や受託案件、ポートフォリオなどで実務近い成果がある）
- C：異業種転職（実務0年・副業や成果物がない）
- D：短期の実務経験あり（インターン・アルバイト・学内プロジェクト等で数か月〜1年程度の実務経験あり）
区分別の分位表（額面）
以下は区分別に抽出データを分けて算出した10/25/50/75/90パーセンタイルです。サンプル数は区分ごとの抽出件数です。
| 区分 | サンプル数 | 10% | 25% | 50%（中央値） | 75% | 90% |
|---|---|---|---|---|---|---|
| A（新卒） | 4,500件 | 240万 | 270万 | 310万 | 360万 | 410万 |
| B（副業/成果物あり） | 6,200件 | 260万 | 300万 | 360万 | 450万 | 560万 |
| C（実務0・副業無） | 6,000件 | 250万 | 280万 | 330万 | 410万 | 480万 |
| D（短期実務あり） | 1,642件 | 260万 | 290万 | 350万 | 430万 | 500万 |
解説：副業やポートフォリオで実務に近い成果があるB区分は中央値・上位側で有意に高く出ています。新卒は企業の学歴・新卒採用枠や福利厚生込みの提示が多く、中央値は若干低めです。
職種・地域・雇用形態別の年収差
職種や勤務地、雇用形態によって初任給は大きく変わります。ここでは主要な違いを示します。職種ごとの傾向は職務内容と需要で説明できます。
職種別レンジ（都市部・正社員前提）
職種ごとの中央値と概ねのIQR（25〜75パーセンタイル）を示します。地域は東京近郊を想定した一般傾向です。
| 職種 | 中央値（額面） | 25%–75% |
|---|---|---|
| フロントエンド | 340万 | 290–410万 |
| バックエンド | 360万 | 310–430万 |
| インフラ（運用） | 320万 | 280–380万 |
| QA／テスト | 300万 | 270–350万 |
| データ系（初級） | 380万 | 320–480万 |
| モバイル（ネイティブ） | 360万 | 300–430万 |
| 組込み・ファームウェア | 330万 | 280–410万 |
注：データ系は需要が強く、未経験でもデータ処理やSQLの経験があれば上振れしやすい傾向があります。
地域差とリモートの影響
地域別の中央値（目安）は次の通りです。リモート採用は企業方針により地域差が解消される場合があります。
| 地域 | 中央値（額面） | 備考 |
|---|---|---|
| 東京（首都圏） | 360万 | 求人数も多く高めに推移 |
| 関西（大阪・京都） | 330万 | 東京よりやや低め |
| 地方（その他都道府県） | 280〜320万 | 産業構造により幅が大きい |
リモート求人：企業により「地域手当あり」「地域手当なし」「東京基準で支払う」など多様です。応募前に給与基準を確認してください。
雇用形態別の特徴
雇用形態ごとの中央値と特徴を整理します。
| 雇用形態 | 中央値（額面） | メリット | デメリット |
|---|---|---|---|
| 正社員 | 340万 | 安定・賞与・福利厚生 | 昇給は企業次第 |
| 契約社員 | 330万 | 経験獲得がしやすい | 契約更新リスク |
| 派遣 | 300万 | 紹介予定で正社員化の可能性 | 福利が限定的 |
| 業務委託／フリーランス | 420万（幅広） | 単価は高め・柔軟性 | 社保・税は自己負担、収入変動が大きい |
業務委託はスキルと営業力次第で大きく振れる点に留意してください。
スキル・企業特性が年収に与える影響（上乗せ幅）
特定スキルや企業特性で年収が変わります。ここでは「経験年数別の目安上乗せ幅」を示し、前提を明記します。上乗せ幅は同一職種・同地域での比較により算出した差分の目安です。
算出方法（概要）
求人票で該当スキルを要求する案件群の中央値と、同職種・同地域のベース中央値との差分を上乗せ幅として算出しています。複数スキル併有時の合算は単純合算しないことを推奨します（相互重複があるため）。
クラウド（AWS / GCP）
実務年数別の想定上乗せ（額面・年）
| レベル | 想定上乗せ（目安） | 前提 |
|---|---|---|
| ジュニア（6–12ヶ月） | +30〜80万円 | 基本的な運用理解、簡単なインフラ構築経験 |
| ミドル（1–3年） | +100〜220万円 | 本番運用・IaC経験、可用性設計経験 |
| シニア（3年以上） | +220〜500万円 | アーキ設計・運用自動化主導の実績 |
コンテナ／Kubernetes
| レベル | 想定上乗せ |
|---|---|
| ジュニア | +50〜100万円 |
| ミドル | +120〜200万円 |
| シニア | +250万円〜 |
機械学習・データ基盤
| レベル | 想定上乗せ |
|---|---|
| ジュニア | +50〜150万円 |
| ミドル | +150〜300万円 |
| シニア | +300〜600万円 |
フロント／モバイル・言語別（例）
| スキル | ジュニア | ミドル |
|---|---|---|
| React/Vue | +20〜60万円 | +60〜140万円 |
| iOS/Android ネイティブ | +30〜120万円 | +80〜200万円 |
資格の扱い
資格（例：AWS認定）は有利な材料になりますが、資格単独で年収が大幅に上がることは稀です。実務でのアウトプットと組み合わせた提示が重要です。
年収推移モデルと実務的アクション
未経験から年収を伸ばす現実的なモデルと、実行すべき手順を整理します。想定シナリオは経験・転職回数・専門性獲得に依存します。
年収推移の想定シナリオ（0年→1年→3年→5年）
以下は三つの代表的な到達モデルです。全て額面での想定です。
- 保守的モデル（堅実）
- 0年：310万円 → 1年：320〜340万円 → 3年：350〜390万円 → 5年：380〜450万円
-
前提：入社後の学習が中心で転職回数は少ない
-
標準モデル（転職や副業で上積み）
- 0年：330万円 → 1年：360万円 → 3年：430〜500万円 → 5年：520〜600万円
-
前提：1回の戦略的転職、週1の副業で実績確保
-
加速モデル（短期集中で専門性を獲得）
- 0年：350万円 → 1年：420〜480万円 → 3年：600万円〜 → 5年：700万円前後
- 前提：需要の高い専門性（クラウド/データ等）を短期で獲得し高単価案件へ移行
到達可能性はポートフォリオの質、実務アウトプット量、転職タイミングで大きく変わります。
ケーススタディ（成功例・失敗例）
成功例（匿名）
- 背景：27歳・営業職から転身。
- 手順：3か月で基礎学習、6か月でReactポートフォリオを公開、6–12か月で週1副業を受注。1年後に年収350万円で転職、3年でデータ案件転換により520万円。
- 要因：実務に近い成果を早期に示した点。
失敗例（匿名）
- 背景：24歳・学習が断続的。
- 結果：面接で成果が示せず、年収300万円前後で停滞。
- 対策：学習目的を絞り、短期間で成果を作ること。
アクションプラン：ポートフォリオ・副業・転職の実務手順
ここでは具体的行動と順序を示します。各項目は実践段階で役立ちます。
ポートフォリオ作成の手順
- 目標職種を明確化する（例：フロントエンド React）。
- 0–3ヶ月：基礎の習得（HTML/CSS/JS、Git）。小さなアプリを完成させる。
- 3–6ヶ月：実務に近いプロジェクトを1件作成し、デプロイ・ソース公開を行う。READMEに貢献度を明記する。
- 6–12ヶ月：OSS貢献や受託で実績を積む。
副業／業務委託を始める際の契約チェック（H3見出しとして扱う）
契約時の必須チェック項目は次の通りです。書面化を推奨します。
- 成果物の範囲と納期、検収条件、支払い条件。
- 知的財産の帰属（成果物の譲渡かライセンスか）。
- 契約解除・遅延時の取り扱い。
- 税務・社会保険の扱い（業務委託は自己負担が原則）。
（注）就業規則で副業が禁止されている場合は会社のルールに従ってください。
求人票の読み方と年収交渉（実務ポイント）
求人票の表記を正しく解釈し、交渉で使える根拠を準備します。
- 想定年収：目安。内訳（固定給／賞与）を確認する。
- 年俸制：何割で月割りするか（12か月／14か月）を確認する。
- みなし残業：超過時間の支払い・計算方法を確認する。
- 交渉のタイミング：オファー受領後、内定承諾前に行う。市場データを提示して根拠を示すと説得力があります。
交渉テンプレ（例、簡潔）
- 希望根拠を数字で示す（例：「直近プロジェクトで〜%改善を達成したため、入社後短期で貢献できます」）。
- 代替案として「入社後評価での見直し」を提示する。
- NG表現は避け、常に根拠と礼儀を持って話すこと。
額面と手取りの扱い（簡易試算）
額面表示が標準ですが、実生活で重要なのは手取りです。簡便な試算例を示します。実際の手取りは扶養状況・住民税の前年課税等で変わります。
前提（簡易）
- 社会保険料（健康保険＋厚生年金＋雇用保険）を概算で年収の15%と仮定。
- 所得税＋住民税を概算で年収の10%と仮定（基礎控除等を反映した目安値）。
- 合計控除 ≒ 25% として概算手取り率 ≒ 75%。
簡易計算例（額面→概算手取り）
- 額面250万円 → 手取り概算：250万 × 0.75 = 約187.5万円
- 額面340万円 → 手取り概算：340万 × 0.75 = 約255万円
- 額面500万円 → 手取り概算：500万 × 0.75 = 約375万円
注：上記は概算です。正確な計算は「社会保険料計算」や「源泉徴収税額表」を用いてください（国税庁や社会保険公式サイトの計算ツールを参照することを推奨します）。
まとめ
未経験エンジニアの額面年収の目安は、求人DB抽出データと公的統計の組み合わせで把握できます。以下が要点です。
- 想定レンジ（額面）はおおむね 240万（下位）〜500万（上位）で、中央値は約340万円。サンプル数は求人抽出で18,342件（2021–2023）。
- 「未経験」は一括りにせず区分化すること。副業やポートフォリオがあるかで中央値は大きく変わる。
- スキル（クラウド・コンテナ・データ等）はレベルに応じて年数十万円〜数百万円の上乗せが見込める。レベル別の目安を参照して計画を立てること。
- 額面と手取りは差があるため、手取り換算の簡易試算（概算: 額面×0.75）で生活設計の感覚をつかむ。正確な試算は公式の計算ツールを使用する。
- 求人票は内訳を必ず確認し、オファー受領後に根拠を示して交渉する。ポートフォリオや実績の提示が交渉力を高める。
参考：データは求人DB抽出（2021–2023）を主要根拠とし、厚生労働省「賃金構造基本統計調査」等の公的資料および各社年収レポートで補正しています。出典の詳細や集計手順は本文の「データと方法論」セクションを参照してください。