年収1200万円以上 データサイエンティストの求人・転職情報

【職種概要】 Forward Deployed Engineer (FDE)は、CADDiのソリューションを導入・活用いただくお客様に対し、技術的な専門家として最も近い立場で伴走し、ビジネス成果の創出をリードするポジションです。 単なる導入作業や技術サポートに留まらず、顧客のビジネス課題や技術的な制約を深く理解し、CADDiのプロダクト群のポテンシャルを最大限に引き出すためのソリューションを設計・実装します。プリセールス段階での技術的な検証(PoC)支援から、導入プロジェクトの実行、導入後の技術的なコンサルティング、アップセル・クロスセルのための技術提案まで、顧客のライフサイクル全体に関わります。また、現場で得た顧客のニーズや課題を社内のプロダクト開発チームにフィードバックし、プロダクトの進化に貢献することも重要なミッションです。 【期待する役割】 このポジションでは、CADDiの技術的な専門家としてお客様に最も近い立場で伴走し、そのビジネス成果創出に技術面からコミットすることが求められます。 単なる製品導入やサポートに留まらず、エンタープライズ顧客特有の複雑なビジネス課題や既存システム環境を深く理解した上で、CADDi製品のポテンシャルを最大限に引き出すソリューション(API連携、データ移行、カスタマイズ開発を含む)を設計・実装します。 プリセールス段階の技術検証(PoC)支援から、導入プロジェクトの技術的リード、導入後の活用支援・コンサルティング、アップセル・クロスセルの技術提案まで、顧客のビジネス変革を実現する「真の技術的パートナー」として、そのライフサイクル全体を技術でリードしていただきます。 また、顧客の最前線で得た深いニーズや課題をプロダクト開発チームへ的確にフィードバックし、プロダクトの進化や新たなソリューション開発を牽引する「架け橋」としての役割も期待されます。 【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) ●営業担当と連携し、技術的な観点からの提案支援、デモンストレーション、PoC(概念実証)の設計・実行 ●顧客の要件ヒアリング、課題特定、およびCADDiプロダクトを用いたソリューションのアーキテクチャ設計 ●導入プロジェクトの実行リード(例: 環境構築、API連携、データ移行、カスタマイズのためのスクリプト開発など) ●導入後の技術サポート、トラブルシューティング、パフォーマンスチューニング ●顧客のプロダクト習熟度向上支援、活用状況のモニタリングと、更なる活用のための技術的提案 ●顧客からの技術的な要望やフィードバックを収集・分析し、プロダクト開発チームへ連携・提言 開発環境 ●バックエンド: Java, Python ●インフラ: 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

Trackプラットフォーム上のスキルデータ基盤「Skill Data Cloud」およびスキルオントロジーレイヤーを設計・構築・運用し、AIフレンドリーなデータ/ML基盤として高度に整備していくリードポジションです 。 スキルタクソノミーのメンテナンスとスキルデータ分析、ML/生成AIを活用したデータパイプライン・MLOps基盤構築を通じて、プロジェクト実績・学習履歴・アセスメント等の多様なデータの信頼性・関連性をデータドリブンに担保します。 ビジネスサイドと連携しつつ、データサイエンティストチームへの指示出しやプロジェクトディレクションを担い、Skill Intelligence Lab全体の技術・運用標準をリードしていただきます 。 ●スキルタクソノミー・オントロジーの設計・メンテナンス: スキル同士の関連性のモデル化や変更履歴管理プロセスを設計し、組織全体での利用ルールや品質指標を確立します 。 ●Skill Data Cloudの設計・構築・運用: 複数データソースを統合する基盤設計をリードし、AIフレンドリーなデータ基盤の実現に向けたアーキテクチャ指針やロードマップを策定します 。 ●スキルデータ分析基盤の構築: スキル関連性を分析するモデルの選定・実装を行い、プロダクト改善や事業戦略に繋がる指標体系を標準化します 。 ●ML/生成AIモデルの設計・実装・評価; スキルデータ活用に向けたML機能の設計方針をリードし、モデルアーキテクチャの方向性や品質・リスク管理基準を定義します 。 ●MLOps基盤の設計・構築・運用:セキュリティとスケーラビリティを踏まえた最適なMLパイプライン構造を設計し、Feature Storeやモデルレジストリの導入を主導します。 ●モデルの本番デプロイと推論基盤構築: Kubernetes上でのモデル推論基盤の構成を設計し、CI/CDを用いたデプロイパイプラインの標準を定めます。 ●運用監視・品質管理: モデル監視指標の標準化やA/Bテストの設計をリードし、組織横断の品質管理フレームワークを策定します 。 ●プロジェクトマネジメント:プロジェクト計画の策定、データサイエンティストチームへのディレクション、ビジネスサイドとの要件調整をリードします 。 ※業務の変更の範囲:会社内での全ての業務 ●開発環境・ツール ※指定はありませんが、下記が案件で主に使われる技術です ※支給PC:Windows or Macbook ※最新のMacbook Proを支給することが多いです! ・プログラミング・スクリプト言語:Python ・クラウド・インフラ・コンテナ基盤:パブリッククラウド全般 、Kubernetes ・CI/CD・認証:CI/CD環境 、IAM (Identity and Access Management) ・MLOps・MLプラットフォーム:MLflow 、モデルレジストリ 、Feature Store 、実験管理ツール ・データ基盤:DWH (データウェアハウス) 、データパイプライン構築・運用