栃木県 データサイエンティストの求人・転職情報

【こんな方におすすめ】 ●データ活用で製品価値や開発プロセスを革新したい方 ●大規模データやクラウド基盤を活用して意思決定や改善を推進したい方 ●データ解析・AI技術を使って組織横断の課題解決に挑戦したい方 ●分析結果を現場に還元し、プロセスや製品に影響を与える仕事にやりがいを感じる方 ● 新しい技術や仕組みを自ら試し、チームやプロセスに展開できる方 ● データ活用によってソフトウェア開発の生産性を高めたい方 ● 技術とビジネスの両面から価値を生み出すことに興味のある方 【業務委細】 ●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform

【具体的には】　 ※ご経験/スキルに合わせ詳細業務を決定します 市場でのシステム利用状況や弱点を早く正確に把握することが、競争力を高める鍵です。そのため、市場走行車両データやテストデータ、市場の声など多様なデータを収集・分析し、商品開発にフィードバックするデータドリブン開発/ユーザーインザループ開発を推進します。 当部門は、この開発を支えるデータサイエンス・データ分析・データ利活用を担い、以下の業務を行います。 ・市場走行車両データやテストデータの分析を通じ、商品改善や価値創出につながる提案を行う ・データに基づく製品改善(データドリブン開発)や、ユーザーの声の継続的反映(ユーザーインザループ)を実現するためのデータ活用環境の構築・展開 ・プロダクトにデータで寄与する自由な企画～実装～実現 尚、他部門や外部パートナーとの連携、海外拠点との共同研究・デモンストレーションなど、グローバルなやり取りも発生する場合があります。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】　 ●言語: Python, SQL等 ●データ分析・AIライブラリ: pandas, Polars, NumPy, SciPy, scikit-learn, PyTorch等 ●AWS: Amazon Athena, Amazon Redshift, Amazon SageMaker等 ●CI/CD: GitHub, Docker, CDK, Terraform等 ※全てについて使用経験がある必要はありません。

●部門(領域)の役割 車を軸としたクロスドメインプロダクトのスピード企画/開発/配信に向けた一気通貫体制の構築及びバリューチェーン拡大を目指しております。また、車購入後もクルマが進化/成長していく【SDV】(※ソフトウェアディファインドビークル)を実現するための業務を推進しております。 部門の業務例: ・SDVプロダクト コンパニオンアプリの 企画/開発/配信 (機能集約) ・データドリブンで顧客ニーズ・ビジネス課題を抽出し、デジタルプロダクトの進化を通じてSDV事業へ貢献 ・クルマ操作走行データ/スマホアプリのデータの分析 ・お客様の利用実態の把握および継続的により良い体験を提供し続けるための企画開発業務 など ●任せる業務と期待役割 カスタマーにとってパーソナライズされたサービスやプロダクト開発に対し、データドリブンで寄与いただきます。ユーザ行動の可視化とモビリティライフの実態を把握することで、プロダクトUXの向上とサービス価値の最大化を実現頂くことを期待します。また分析業務だけでなくPJTリーディングも担いながら、社内ステークホルダーへの戦略立案や合意形成業務も想定をしております。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 ●具体的な想定業務 四輪製品におけるソフトウェア・サービスの企画・オーナー部門と連動し、問題や課題を把握しながら、市場・顧客データや、プロダクトのログデータ等を活用して、プロダクトオーナーと共に課題の仮説を構築し、分析設計をする業務。 具体的には ・ログ分析や定量インサイト抽出によるペインポイントの発見と仮説立案 ・分析結果に基づく改善施策/機能改善の立案 ・外部調査を自ら設計し、Honda保有データや生成AIと組み合わせて、最適なCX創出に向けた示唆を抽出 ・プロジェクト全体の進捗を可視化し、関係者とのスムーズな情報共有を推進 など ●使用ツール/開発言語など ・言語:Python(pandas) ・アナリティクス:Amplitude, Goggle Analytics, Jupyter, ・情報共有ツール:Teams

マーケティングおよびデジタルマーケティング領域において、データサイエンスを活用した顧客分析・市場分析を推進により、既存ビジネスの改善や新たな事業機会の創出に貢献します。 販売増加にむけた課題形成や課題解決にむけた仮説立案から分析設計、モデル構築、インサイト創出までを担い、データ分析を通じてマーケティング施策や事業戦略の高度化を支援し、データドリブンな意思決定を推進する役割です。 ①Hondaが保有する様々なデータや外部データを組み合わせた高度なデータ分析技術による 分析Prj企画・推進 ●ビジネスアナリストや営業部門と連携した販売増加課題解決にの為の仮説立案および分析設計の実施と分析プロジェクトの推進 ●マーケティング投資の最適化に向けた予測モデルの構築(販売台数予測、マーケティング・ミックス・モデリング(MMM)等) ●ビジネス部門が持つ知見や仮説のデータによる検証、および分析結果に基づく戦略・施策提言 ②複数の顧客データ分析にもとづく顧客行動の理解 ●AIDMA等の顧客行動モデルや価値観データに基づく顧客状態の可視化・分類 ●コネクテッドカーから取得されるビッグデータを活用したライフスタイル・移動特性の推定 ③販売領域課題解決・顧客理解を促進するデータ分析技術の開発 ●統計解析、機械学習、クラスタリング、次元圧縮などの手法を用いた顧客セグメンテーション技術・顧客状態推定技術の開発 ●価格感度や各種販売施策による販売台数影響推定技術の開発 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 <プロジェクト概要> 国単位の大規模プロジェクトでは5～6名程度のチームで数か月から1年程度の期間をかけて推進し、営業部門や販売会社と密接に連携しながら、実際の販売戦略や投資判断に反映される成果創出を目指します。 【開発ツール】 ・汎用分析ツール:Python(pandas, scikit-learn), Dataiku, MS excel ・Web・アプリ分析ツール:Google Analytics, Sprinklr ・情報共有ツール:Teams

市場環境や顧客ニーズ、事業環境の変化を定量的に捉え、将来の需要やリスクの予測を元に事業成長検討の為の販売台数を予測し四輪事業における重要な意思決定に貢献します。 販売台数を形成する本質的な因果構造を事業戦略・商品戦略部門と連携しながらデータサイエンスの技術で紐解き、分析モデルで表現することで中長期の顧客需要と事業リスク・台数変動を定量化する役割です ①現場担当者とのコミュニケーションを通じた事業課題を明確化・市場・顧客分析を通じた課題解決の方向性と戦略提言 ●事業戦略部門や商品戦略部門と連携した事業課題の整理・構造化 ●市場動向、顧客ニーズ、競争環境、マクロ経済指標などを活用した中長期(3年・5年・10年)の販売需要予測 ●サプライチェーンマネジメント部門と連携した短期(1年以内)の販売台数予測および在庫リスク分析 ●原材料供給リスクや地政学リスクなどを踏まえた事業環境リスク予測 ●分析結果に基づく事業戦略、商品戦略、生産戦略への提言 ②社内外の様々なデータを活用し、事業環境変化による車両需要を元にした台数 予測を行うための高度分析モデル作成 ●統計解析、機械学習、時系列分析等を活用した予測モデルの開発 ●特徴量エンジニアリングや因果分析を通じた需要変動要因の特定 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 ・汎用分析ツール:Python(pandas, scikit-learn), Dataiku, MS excel ・Web・アプリ分析ツール:Google Analytics, Sprinklr ・情報共有ツール:Teams

AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、 ・転職希望者の経験・スキル・志向性の理解 ・求人企業の期待や組織特性の構造化 ・複雑なキャリアパスの予測 ・膨大な非構造化データの活用 ・マッチング精度と説明可能性の両立 ・継続的なモデル改善と運用高度化 などは、依然として高い技術的難易度を持つテーマです。 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。 また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。 担当業務例 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。 ●全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計 -「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定 -単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進 ●事業課題の構造化とAIソリューションロードマップの策定 -事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化 -KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード ●最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導 -生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ -実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進 ●データサイエンスチーム全体の技術向上・標準化推進 -チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有 -データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引 ●社内外への技術発信・ブランディング活動 -社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上 【主な技術テーマ例】 ●大規模言語モデル(LLM)&エージェンティックAI活用 -LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析 ●高度な推薦システム(RecSys)&マッチングアルゴリズム開発 -双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化 -テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発 ●マルチモーダルデータ&非構造化データの活用 -職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング ●AIアプリケーション・プロトタイプの高速検証・社会実装 -LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築 ●MLOps&全社AIプロダクト基盤の最適化 -Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進 技術環境 【プログラミング言語】Python、SQL、Java、Scala、C 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure 【ソースコード管理】GitHub、GitLab 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence 【コミュニケーションツール】Slack、Microsoft Teams ●所属組織について AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。 データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。 働き方 ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。 ・裁量労働制を導入しており、子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ・大半のメンバーが在宅勤務をしています。リモート勤務手当の支給といったサポートがあります。 ・データサイエンティストとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます。 ・書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。

業務内容 完成車メーカーの開発部門にて、以下の業務を担当いただきます。 ●ECUソフト開発業務の自動化 ・ECUソフト開発業務の効率化・自動化 → ビルド、テスト、リリース工程の自動化 ・GitHubのコード管理の即時実行とClaude連携による解析効率化 → 差分解析、影響範囲推定、レビュー支援 ・GitHub IssueのAI活用まとめとJIRA起票の自動化 → 課題管理の自動化、トレーサビリティ強化 ●開発効率化・CAE代替化 ・開発効率化に向けた自動化・AI導入 ・データ管理(構造化、モデル設計、収集基盤構築) **CAE代替化技術(Surrogate/Meta-model)**の構築・運用 → 衝突・流体などの大規模シミュレーションを高速化する3Dサロゲートモデルの設計・評価 ●シミュレーション最適化 × LLM/生成AI ・シミュレーションによる最適化とLLM/生成AIを組み合わせたエージェント技術構築・運用展開 → Copilot Studio連携によるパラメータ探索、感度解析、レポート自動生成 ・モデル入出力仕様の標準化、プロンプト設計、ワークフロー自動化(CI/CD連携) ●データプラットフォーム運用 ・Amannectシステムの運用業務 → データ管理、運用ルール整備、問い合わせ対応