データサイエンティスト(Amazon Redshift)の求人・転職情報

●あなたが決めること ご経験・キャリア志向に合わせて、以下を単独または組み合わせでお任せします。あわせてPMO/PM/PLとしてのプロジェクトマネジメントも担っていただきます。 ・ 評価の設計| LLM・AIシステムのコスト・品質を定量評価する指標の設計、効果測定、精度検証、ベースライン比較、LLM-as-a-Judgeの設計 ・要件の定義 |顧客のビジネス課題を、システム要件の前提となる論理的で明確なルールとして定義する。KGI/KPIの設計 ・価値の定義| そもそもこれをAIで作ることでビジネスにどうインパクトを与えるかを見極め、投資判断に踏み込む ・データ基盤・分析基盤の要件定義とリード| データパイプライン・DWH・データマート・CDPの設計、生成AI活用に向けたデータ整備 ・育成・マネジメント| 若手データサイエンティスト/データエンジニアの育成・マネジメント 【役割とプロジェクト推進体制】 ●アサインはこう決まります 入社後にどの案件から入るのかは、多くの方が気にされる点です。仕組みをそのまま書きます。 ・キャリア希望を、上長が定期的に吸い上げます。「次はこの領域に行きたい」という意思を出す場があります。 ・それに対して上長が「そのために何が必要か」を提示します。(必要な資格、身につけるべき技術、経験しておくべき工程) ・準備が整った段階で、営業が戦略的に次の案件を取りに行きます。本人の希望に合う案件を、こちらから顧客に提案する動き方をしています。 年功序列はありません。次の案件は勤続年数ではなく、本人の伸び方で決まります。単価は同一案件の中ではほぼ上がらず、案件が変わるタイミングで上がる構造です。だからローテーションを意図的に設計しています。 ●一人にはしません エンタープライズ企業の現場に入りますが、1人で放り出されることはありません。当社メンバーが複数名参画するチーム体制が基本です。事業部全体で約190名の組織で、修士・博士を含む専門家100名以上が在籍しています。案件で詰まったときに社内で聞ける相手がいること -常駐型で働くうえで、ここは決定的に重要だと考えています。 【事業部としてのバックアップ体制と働く環境】 ●評価と昇給 年功序列はありません。20代・30代前半で部長になったメンバーが複数います。管理職へのステップアップも、専門性を深めるキャリアも選択できます。 ●勤務スタイルについて 在宅勤務を組み合わせたプロジェクトが中心ですが、参画先によっては現場への常駐が基本となるプロジェクトも存在します。形式的な在宅比率に拘泥するのではなく、プロジェクトの価値創出のために最適な場所でパフォーマンスを発揮する姿勢を重視しています。 ●育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上。機会は最大限・平等に用意します。掴むかはご本人次第です。

【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

【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

【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 【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

【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。

●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。

配属部署 ●配属予定部署 クライアント・システム開発事業本部 ICTソリューション事業本部 ●配属予定部署の特色・PR Webアプリケーションシステムを中心としたスクラッチ開発を主な事業としていますが、近年はDX市場に向けて、データ分析基盤の構築と活用支援に注力しています。 クラウドDWH、ETLパイプライン、BIツール等を活用し、膨大なデータを価値あるインサイトへと変換する取り組みは、企業のDX推進やデータドリブン経営を支える重要な領域です。 データ分析市場は急速に拡大しており、当社においても案件数は大幅に増加しています。そこで、共に最前線で挑戦し続ける仲間を募集しています。 ●仕事内容 データ分析の領域では、企業が保有する多様なデータを整理・統合し、経営や業務の意思決定に生かすための仕組みづくりを行っています。 当社では、データ活用の上流から下流までを一貫して支援できる体制を整えており、お客様の課題や目的に応じて、最適な分析基盤の設計からデータの可視化、さらには活用定着に至るまでを幅広く担当します。 業務はデータを資産とした活用戦略とデータを守るガバナンス戦略を策定するコンサルティング領域、プロジェクト全体を推進するマネジメント領域、高度な統計・機械学習を活用する分析領域、そして基盤構築やデータ処理を担うエンジニアリング領域に分かれます。 【データマネジメントコンサルタント】 ・データ活用戦略・企画策定 ・各システムに点在するデータの構造・品質調査 ・データ統合・マスタ整備・標準化方針の策定 ・データガバナンス・メタデータ管理の設計支援 ・データレイク/DWH導入に向けた要件定義 ・全社データ活用方針・ロードマップの策定支援 【データ分析プロジェクトマネージャー】 ・分析テーマ、KPI、ロードマップの設計 ・スケジュール・コスト・品質・リスクの管理 ・ステークホルダーの調整と合意形成 ・提案資料・分析報告資料の作成およびプレゼンテーション 【データサイエンティスト】 ・ビジネス課題に基づく分析設計と仮説立案 ・データ収集・クレンジング・特徴量エンジニアリング ・統計分析、機械学習モデルの開発・評価 ・BIレポートや分析結果の可視化・提案 ・分析結果をもとにした改善提案・効果測定 【データエンジニア】 ・ETL/ELTパイプラインの設計・開発 ・クラウドDWHの構築・運用・チューニング ・データモデリング・データマート設計・最適化 ・Power BI/Tableau/Lookerなどを用いたBIレポート・ダッシュボード開発 ・データ品質のモニタリング・自動化・監視ジョブの構築 過去の案件例 ・弊社商品「SKYSEA Client View」のPCログを分析し可視化 ・製造業向けに在庫管理、財務会計の情報をMicrosoft Azure上に統合し分析 ・製品企画部門向けに製品の品質に関する情報をAmazon Web Services上に統合し分析 ・物流業向けに各種システムの業務情報を集約し経営判断情報として活用するための基盤を構築 入社後の流れ 入社後は配属部署にてプロジェクトに参画していただきます。勉強会や研修など、必要に応じて参加できる学びの場も多数あります。ご経験を考慮しつつPL/PMなどのポジションを積極的にお任せしていきます。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務

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。

●組織としての担当業務 様々なソニー製品(TV・オーディオ・カメラ・Xperiaなど)やアプリ・サービス(Headphones Connect, BRAVIA Connect, Creators Cloudなど)をお客様が利用した時のログを中心としたビッグデータ分析をする業務です。 分析を通じて、お客様の理解やインサイト獲得を進め、製品・サービスの改善やマーケティング活用を進めています。 全世界の様々なソニー製品・アプリ・サービスからのビッグデータ分析を通じて、ソニーの新しい顧客体験を一緒に創っていきましょう! ●担当予定の業務内容 ・Redshift/BigQueryなどにあるデータを主にTableau/JupyterNotebook(Databricks)を利用して前処理・集計・可視化・分析(機械学習含む)を実施頂く予定です ・分析は、リクエスターの依頼に応じて実施するケース・リクエスターと協業して実施するケース・自発的に実施するケースのバリエーションがあります ・リクエスターは、マーケティング・カスタマーサポート・企画・設計と多岐に渡ります ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

以下の業務をご担当いただきます。 ・AI・データ分析領域における、PoC及びAIモデル構築案件のプロジェクトマネージャー ・データ利活用に関するコンサルティングワークのプロジェクトマネージャー ・案件獲得に向けた提案活動(新規・継続ともに)※営業はおりますが、提案オーナーはお任せします。 【プロジェクト例】 ・生成AIを活用したナレッジ検索の高度化、体験型アプリのレコメンドアルゴリズム、画像解析による船の沈み具合の計測、製造装置異常検知、金融業界顧客の優良顧客化に向けた分析、製薬業界向けの研究及び営業高度化の分析(MMM等)

●担当業務 以下の業務をご担当いただきます。 ・AI・データ分析領域における、PoC及びAIモデル構築案件の推進 ・データ分析基盤構築及びAIを開発/運用するための基盤の構築 ・生成AIビジネス活用の導入コンサルティング・導入支援の推進 【プロジェクト例】 ・生成AIを活用したナレッジ検索の高度化、体験型アプリのレコメンドアルゴリズム、画像解析による船の沈み具合の計測、製造装置異常検知、金融業界顧客の優良顧客化に向けた分析、製薬業界向けの研究及び営業高度化の分析(MMM等)

デジタル流通事業本部におけるデータエンジニア/サイエンティストとして、幅広い業界のお客様に対し、技術的視点から最適なソリューションを提案いただきます。小売、航空宇宙など多岐にわたる領域に関わる機会があり、ご自身の業界知見や技術力を活かして、ビジネス成功へ導く重要な役割を担います。 <具体的には> 小売・eコマースクライアント向けにデータパイプラインを構築・運用するデータエンジニアとしてご活躍いただきます。 クライアントのデータ活用を加速させるための堅牢かつ柔軟なデータインフラを構築します。 ・クラウド環境(AWS, GCP)でのデータパイプライン設計・構築・運用 ・データストレージ、ETL処理、スケジューリングの設計・実装 ・各種API連携、データ統合処理の開発 ・クライアント、社内メンバーとのコミュニケーション(日本語・英語) ※ベトナムをはじめとしたグローバルメンバーとONE TEAMで協力しながら開発・運営を進めていきます。 <選考事業部について> デジタル流通事業本部は、流通・物流を中心に、小売、航空宇宙、公共、エネルギーなど多岐にわたる領域に向けて、上流工程から開発、保守運用までを一貫して担うエンドツーエンドの開発ソリューションを提供しています。 各種業界に応じた業務知識と先端技術を組み合わせることで、お客様のビジネス変革(DX)を強力にサポートしてきました。

当社では「アイデアを持つパートナー（起案者）」に対して、サービスデザインから技術選定、開発までを一気通貫で提供しています。 スタートアップの開発支援から大手企業の新規サービス立ち上げまで様々な規模のプロジェクトがあり、その中でもパブリッククラウド環境でのデータウェアハウス構築を担うデータエンジニアとして業務を担っていただきます。 【業務詳細】 ・パブリッククラウド（AWS、GCP、Azure など）上でのデータ基盤・データパイプラインの設計、構築、運用 ・データ収集、加工、ストレージに関わるシステムの開発 ・大規模データを対象としたETL (ELT) 処理の最適化 ・リアルタイムデータの処理 ・データクレンジング処理やデータマートの構築 ・データの可視化および分析基盤の構築支援 ・データパイプラインの品質管理、パフォーマンスの向上 ・データウェアハウスの運用保守 ・ステークホルダー（データアナリスト、データサイエンティストなど）との連携 ・顧客との要件定義や設計フェーズでのコミュニケーション

ソフトウェアエンジニアとして、ユーザに提供する不動産データを生成するデータパイプラインを構築するために、以下のような業務を行っていただきます ●不動産に関する情報の収集システム(入力システムや連携API、バッチ処理)の構築 ●収集した不動産データを共通データ基盤に繋ぎ込むためのモデリング ●収集した不動産データのETLや正規化・名寄せ処理を行い、時系列データとして利用できるようにするための加工基盤(データ加工パイプライン)の実装・運用 (Python, dbt, Terraform) ●上記データ加工パイプラインに必要なバックエンドAPIサーバー(ジオコーディング、機械学習、データ配信)の実装・運用 (Python, Rust) ●社内で利用するデータ修正用システムの構築・運用 (Rust, React, Python) 【業務内容の変更の範囲】 (入社時)ソフトウェア開発・保守業務 (変更の範囲)当社の定める業務(出向を命じることがあり、その場合は出向先の業務)