カジュアル面談可 データアナリストの求人・転職情報

AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 大手エンタープライズ企業のプロジェクトにて、データアナリスト/データエンジニアとして参画いただきます。データの抽出・加工・分析やモダンデータ基盤の構築・運用を通じて確かな 「データやAI実装の足腰」を磨いた後、最先端のAI領域へ専門性を拡張できるキャリアパス をご用意しています。 ●具体的な業務内容 データ基盤の構築・運用 : Snowflake、BigQuery等を活用したデータパイプラインおよび基盤の設計・構築 データ抽出・加工・可視化 : 案件に応じたデータの抽出・加工・分析、ダッシュボードの設計・構築 その他 AI開発(改修)等、AI開発の中でも比較的ハードルの低い案件をお任せす可能性有。 ●具体的実例(入社後のイメージ) 地味な「泥臭い1年」を抜けた先にしか、見えない景色を伝えさせて下さい。 ハイポテンシャルの皆様に率直にお伝えします。最初の1年は、データの抽出・加工・分析、ダッシュボード保守、基盤運用、AI実装(回収)といった「基礎固め」が中心です。決して華やかな仕事ばかりではありません。 しかし、この 「データや実装と真摯に向き合う1年」を抜けたメンバーが、今どんな挑戦をしているかをお伝えさせてください。 ①心理学専攻・未経験から、生成AI連携システムの実装主担当へ(入社2年目) 大学院で心理学を専攻していた実務未経験メンバーが、Next.js/FastAPIを活用した生成AIシステムを開発。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へ(約92%削減)という劇的な成果を上げています。 ②異業種(製造業の生産技術)から、AIエージェントのPLへ AI未経験で入社後、現在は最先端の「AIエージェントのガードレール設計」をプロジェクトリーダー(PL)として牽引しています。 ③入社1年1ヶ月でサブリーダー、2年でPL。20代・30代で部長へ 年功序列は一切ありません。新卒入社から1年強でリーダー層へ駆け上がり、20代〜30代前半で事業部を率いる部長を務めるメンバーも複数在籍しています。 ●役割とプロジェクト推進体制 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【具体的なプロジェクト例】 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 ●データ・AIインフラ領域(モダンデータ・クラウド) Snowflake / dbt を用いたデータ基盤構築 大規模データの統合・加工・パイプラインの自動化 クラウドAI実行環境(AWS / Azure)の構築 Amazon Bedrock / Azure OpenAI Serviceを活用した安全・堅牢なシステム基盤の設計 ※その他 データ抽出・可視化・レポーティングのような微経験者向け案件もございます。 ● 生成AI・LLM領域(最先端エンジニアリング) グラフRAG(GraphRAG)/Advanced RAGの構築 複雑な企業ドメイン知識を構造化し、高精度な生成AI検索基盤を実装 AIエージェントの設計・実装 LangGraphやDify等を活用した自律型ワークフロー・AIエージェントの開発 LLM基盤のコスト・品質評価と改善設計 LLM出力の品質・精度の定量評価設計、およびContext Engineering等による運用コスト削減 ● 機械学習・高度アナリティクス領域 需要予測・異常予兆検知モデルの設計 統計解析・時系列分析・機械学習を用いたビジネス課題解決型モデルの構築

●主にお任せしたいこと ①データ収集・パイプライン領域 ・各DBのデイリーミラーリング取込基盤の運用・改善(ジョブフロー再設計、取込時バリデーション、エラー通知の整合性改善、障害対応と再発防止) ・TROCCO・Cloud Workflows・Cloud Run を用いた非DBデータの取込パイプライン構築・運用 ・生成AIを組み込んだ、書式揺れに強い非構造データ取込パイプラインの構築 ・取込ソース追加のゼロデプロイ化(設定駆動化)など、DE運用工数を構造的に減らす自動化 ・Reverse ETL等の新しいデータ連携要件への対応と、取込基盤の適用範囲拡大 ②データモデリング・提供領域 ・4層モデリング設計方針に基づく staging / dwh(dim・fct)/ mart 各レイヤーのdbtモデル実装と、テストによる品質担保 ・BI(Looker Studio / Lightdash等)へのデータマート提供と、事業部のデータ活用支援 ・各種メタデータを統合的に集約したデータカタログの展開によるヒューマン・AIフレンドリーな意思決定支援の価値最大化 ・セマンティックレイヤーによる指標定義の実装 ・安定した指標提供におけるセマンティックレイヤー自体の費用対効果の技術検証、その他カタログなどのツール間の比較検証などのR&D活動 ・AIエージェント向けアクセス経路の整備やエージェント品質の継続評価・民主化に向けた仕組み作り ③運用・ガバナンス領域 ・GitHub Actions を軸としたCI/CD・自動デプロイ・規約lintの運用・改善 ・BigQueryの利用実態モニタリングとコスト最適化(FinOps)への参画 ・事業部からのデータ要望に対する要求・要件定義、スコープ合意からデリバリーまでの一連の対応 ・Claude Code等のAIエージェントを開発ワークフローに組み込んだ、エンジニアリング業務の生産性改善を通したDataOpsのエンハンス ・アクセス制御(列レベルマスキング・行レベルアクセス・個人情報カラムの自動特定)のdbt/Terraformによる実装 【チームの紹介】 ・全社・事業部でのデータ活用を支えるため、データ基盤の整備・運用、データマートの構築、BIツールの活用支援を担当 ・新データ基盤が本番稼働し旧システム群の停止が完了したことを受け、現在はdbtへの移行やセマンティックレイヤー・データカタログの整備を進め、より多くのメンバーが安心してデータを活用できる環境づくりに注力 ・社内のデータ民主化をさらに進めるとともに、経営課題に対する戦略的な意思決定を支えるデータ分析基盤の高度化にも取り組んでいる 【プロダクト開発環境】 ・インフラ:GCP, AWS ・プロジェクトデザイン:Miro, Figma ・利用言語やフレームワーク:Python, Go, SQL ・ドキュメント管理:Confluence, Google Drive ・チケット管理:Jira ・コミュニケーション:Slack ・コンテナ技術:Docker, Kubernetes ・Data Warehouse:BigQuery ・ETL:Cloud Functions, Dataform ・データコレクタ:Dataflow, Pub/Sub ・Database:Cloud SQL, Cloud Spanner, AlloyDB, PostgreDB(Amazon RDS) ・構成管理:Terraform ・監視:Cloud Monitoring, NewRelic ・ワークフロー:Airflow ・CI/CD:GitHub Actions

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

【ミッション】 介護業界のデジタル変革を加速させ、サービス利用者と提供者双方の課題解決に貢献することがミッションです。SEO戦略の最適化を通じて、当社サービスの価値を最大化し、介護に関わる人々により良い情報と選択肢を提供することを目指します。 【概要】 SEOスペシャリストとして、サイトの自然検索経由における成果最大化のために施策のプランニング、エンジニアへのディレクション、施策実行を行っていただきます。 【具体的には】 複数のサービスを横断したSEOマーケティングを行っていただきます。 ・アクセスログ・市場データを中心としたデータの収集・分析・仮説立案 ・SEOを考慮した内部設計、コンテンツ最適化、内部/外部リンク戦略の実施 ・検索エンジンのアルゴリズム変更への対応と最新SEO手法の調査・導入 ・社内外のステークホルダーとの連携によるSEO施策の推進 ・社内のSEOに関する質問への対応、知見の共有 【その他要件】 ・従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある ・就業場所の変更の範囲:リモート勤務を命じることがある

ミッション 日々蓄積される膨大なファーストパーティデータの収集・分析・可視化を行い、経営戦略に基づいた事業成長のためのアクションプランを実行し、新たな事業インパクトを生み出すことがミッションとなります。 業務概要 今回募集のデータサイエンティストは、Analyticsを用いてさまざまなビジネスプロジェクトをリードしていただき、メディアプラットフォーム事業におけるさまざまな意思決定を、合理的かつ迅速にする役割を期待しています。ビジネスインサイトを発見し、分析によって付加価値を生み出すことで、テクノロジーを用いたビジネス戦略の策定・業務オペレーションの設計やアルゴリズムの開発・ハンズオンによるオペレーション実行までを推進し、マーケティング最適化のための各種施策をプロジェクト立ち上げから実装までをお任せします。 具体的な業務内容 ・データ分析による課題抽出からビジネスプロセスの改善 ・大規模データセット上でのレコメンデーションや行動ターゲティングのためのアーキテクチャ設計 ・Analyticsのハイレベル設計のためのKPIツリーの定義 ・経営課題を解決するための各種アルゴリズム開発 ・データ収集のためのデータフロー設計/構築 ・マーケティングのデジタル化による広告パフォーマンスの最大化 ・新規施策のフィジビリティ検討のためのデータ分析 ・意思決定のためのデータ抽出/加工/可視化(レポート作成やダッシュボード化) ※従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある

社内外から寄せられる機能要望の収集から、要件定義・バージョン判断・開発依頼に至るまで、 プロダクト進化のサイクルを製品企画課(PdM)が主導していきます。 ●仕事詳細 ・顧客・営業・CSからの要望収集・整理および社内共有 ・要望管理台帳の更新・維持管理 ・要件定義書・仕様書の作成補助(下書き含む) ・問い合わせや不具合情報の共有、ユーザー課題の吸い上げ ・バージョン計画の資料化および関係者への共有 ・リリース後の効果確認・フィードバック収集 ・ユーザーインタビュー・データ分析 ●将来的には… 担当領域における企画〜要件定義を主体的に推進し、 マネージャーの補佐やメンバーサポートも担うポジションへとステップアップいただきます。 (変更の範囲)会社の定める業務