データサイエンティスト(Terraform)の求人・転職情報

【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。

【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

●期待役割 データベース関連の既存の問題を自ら解決し、今後発生する可能性がある問題を早期に発見、対策を講じていただくことを期待しています。 リリースして9年目となるウェルスナビのシステムは、抜本的にプラットフォームとしての信頼性や拡張性を向上させる取り組みを推進しており、データベーススペシャリストとしてレガシー環境の改善やリプレイスを担っていただきたいです。 ●仕事内容詳細 ・事業計画を考慮した長期的な保守運用 ・金融特有の複雑なサービスを前提としたパフォーマンスの維持 ・アプリケーションエンジニアと密なコミュニケーション ・モニタリング、監視通知の最適化 ・既存スキーマの分割　など ●今後のチャレンジ ・事業計画を考慮した長期的な目線でのデータベースの改善、新規構築運用 ・モニタリング、監視通知の最適化 ・既存スキーマの分割 ●開発環境 ・プラットフォーム:AWS, GCP ・データベース:AWS Aurora Mysql, DynamoDB, ElastiCache(Redis) ・開発言語:Go, Python, Powershell ・IaaS : Terraform, CloudFormation

機械学習エンジニアは、入札最適化ロジックに関わるエンジニアリング業務を担当します。私たちは、フルサイクルなデータサイエンスチームです。ビジネス課題に対し、データ分析を通した仮説の構築から始まり、プロダクト環境でのA/Bテストまでを行います。 ●具体的に次のようなタスクを担います。 ・入札ログ等を用いた探索的分析 ・入札ログの再設計や外部データの活用 ・CTR/CVR予測モデルなど機械学習モデルの構築 ・数理最適化や制御工学などを用いた入札価格最適化ロジックの構築 ・オンライン実験を含めたプロダクト環境での仮説検証 ・大規模データを活用するための分析基盤および、MLパイプラインの構築・運用 ・学会参加や論文調査による情報収集 ●業務上触れる分野や技術スタック 【分野】 ・機械学習 ・統計学 ・数理最適化 ・制御工学 ・因果推論、計量経済学 【スタック】 ・Python, Kotlin(一部のみ) ・AWS ・dbt, Snowflake ・Prefect ・Terraform ・GitHub ・Slack

●期待する役割 Enterprise Solution 部において、ソリューション提供における Technical PdM としての役割を担っていただきます。 本ポジションでは、大きく2つの軸で「何を作るか」の意思決定を主導していただきます。 1つ目は 個社ソリューションの企画・推進 です。顧客の経営課題を深く理解し、課題の発見・仮説立案・ソリューション企画・優先順位づけを行い、エンジニアリングチームと協働してソリューションを形にしていきます。 2つ目は ソリューションプラットフォームの設計・構築 です。ソリューション数の増加に伴い、プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界を設計し、スケーラブルな基盤を構築します。 いずれの軸においても、ビジネス理解に基づいて自らプレイングし、ソリューション提供で得られた知見をプロダクトへ還流することで、全社レベルでの価値向上にも貢献していただきます。 ●想定される業務例 (以下に限定されるものではありません) ・顧客の経営課題に基づくソリューションのディスカバリー・企画・仕様策定 ・個社ソリューションのロードマップ策定・優先順位づけ・進捗管理 ソリューションプラットフォームのコア機能定義・ロードマップ策定 　-プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界設計 ・定性・定量リサーチ(顧客ヒアリング・利用データ分析・問い合わせ分析など)の企画・遂行 ・ソリューション提供で得られた知見のプロダクトへの還流に向けた、他部署 PdM との協働 ・顧客および社内ステークホルダーとの調整・合意形成 ●所属組織について ・Enterprise Solution 部への配属を想定しています。 ・開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/enziniaxiang-kehui-she-shao-jie-zi-liao)をご参照ください。 ●開発環境 ・バックエンド: Java, Python ・インフラ: Amazon Web Services,, Google Cloud, Google Kubernetes Engine, Anthos Service Mesh, Istio, Cloudflare, Argo Workflows ・Event Bus: Cloud Pub/Sub ・DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog ・Data: AlloyDB for PostgreSQL, Apache Iceberg, Dagster, Polars ・開発ツール: GitHub Copilot, Claude Code, Devin ・コミュニケーションツール: Slack, Discord, JIRA, Asana, Miro, Confluence

CTO直下のAI Labチームに所属し、各事業及び経営基盤の業務における基盤モデルやデータ整備を中心とした生成AI評価・活用のイネーブリングを牽引します。 仕事の進め方 プロジェクト化以前の段階で、CARTAの事業・組織を横断し、生成AIでのレバレッジポイントを見出し、アプローチを施します。 ▼基盤整備 ・全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるデータ基盤、評価システム、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する ・新モデル、事後学習、データマネジメント技術の探索と研究を通じて、この先使うべき手段を見定める ・社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める ・AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する ▼事業適用 CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。 以下のようなプロセスで取り組みを進めます。 ●ヒアリング・要求分析 ・優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す ●何をどのように進めるのかを決める ・どのような評価手法・学習戦略で課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する ●検証する ・高速なフィードバックサイクルを回し、"やらない"手段も含めて評価・学習戦略を検証する ●継続して改善する ・モデル評価技術・LLM-as-a-judge・ファインチューニング・RAG等の最新手法について継続して投資し、良いプラクティスを探索する。精度モニタリング、評価指標の見直し、ガイドラインの更新など、システムを継続して活用する上でのデータサイエンス観点の改善に取り組む ●成果を横展開する ・成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です 開発環境・利用しているツール ●LLM基盤・ツール ・OpenAI, Anthropic Claude, Google Gemini (Vertex AI) など ・LangChain, Langfuse ●プログラミング言語・フレームワーク ・Python (pandas, scikit-learn など) ・必要に応じて PyTorch, TensorFlow (主に評価・事後学習の検証用) ●インフラ・MLOps ・AWS, GCP ・Terraform, CDK などを用いた環境構築・運用 ●コミュニケーション ・GitHub, Slack, Google Meet ●業務内容備考 変更の範囲:会社の定める業務(出向先会社での業務を含む)

【Divisionのミッション・ビジョン】 先端技術・アジャイルを用いた、KDDIグループのData×AI領域への貢献 【Unitのミッション・ビジョン】 最先端 Data × AI 基盤の継続的な提供・高度化 【募集背景】 Data × AI プロジェクト拡大に伴い、 設計〜実装を自走できる主担当(サブリーダー) を増員 ●業務内容 ■ 案件イメージ ◆分析基盤構築:KDDIの約4,000万人規模のお客様から得られるテラバイト級のデータをもとに、分析や機械学習によって示唆を出し、業務改善、マーケティング等に活用するための基盤構築。利用者:ARISE社内分析者、KDDIのマーケティング施策担当/分析担当など ◆アクセスログ収集基盤構築:KDDIの各種サービスにおけるテラバイト級のアクセスログをニアリアルタイムで収集、蓄積、加工し、分析・BI・他システムへ連携する基盤構築。利用者:KDDIのマーケティング施策担当/分析担当など ◆配信基盤構築:KDDIのお客様に対して、個々のニーズに合わせつつ、大量配信を実現するマーケティングオートメーション基盤の構築。利用者:KDDIのマーケティング施策担当など ■ポジションの期待役割 データ分析基盤及びデータ処理・連携システムの要件定義/設計/開発/運用​ (案件のフェーズを踏まえ、ご担当いただく工程を決定いたします)​ 例)以下の業務の主担当 ・データ基盤の詳細設計〜実装 ・技術的課題の特定・改善 ・技術的な顧客コミュニケーション ・サブPMとして進捗・タスク管理 ■具体的な業務内容 ・要件整理〜仕様作成 ・Spark / Databricks / BigQuery / Snowflake / Python / SQLなどを用いた各種設計・開発 ・ETL/ELT設計・開発 ・DWH→BI連携設計・開発 ・CI/CD環境設計・構築 ・問題切り分け〜改善提案 ・技術選定/PoC ・ドキュメンテーション ■ 1日の流れ(例) AM:要件整理/設計補助→実装 PM:レビュー/顧客折衝 → 次アクション定義

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)