データアナリスト(機械学習)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

<<詳細>> 「意思決定の質と量を高めることで事業成長を実現させる」ために、必要なデータの整備からデータ活用環境の構築および活用推進を担っていただきます。 基本的には、エンジニア、セールス、マーケター、データサイエンティストなど様々な職種と関わりながらプロジェクトを進めます。 データ系職種の中でデータアナリスト・データアーキテクトの領域に該当する業務を、事業状況に応じて担当いただきます。 ●データアナリスト:データ分析及びそれに基づいた事業部への施策提案 事業の抱える課題を解決して成長を実現するために、下記の業務をご担当いただきます。 ・事業課題に即したデータ分析の設計 ・データの抽出・可視化・分析 ・分析結果の報告及び施策提案 ・その他事業課題解決に向けたプロジェクトの立案及び実行 ●データアーキテクト:データ分析環境の構築・改善 事業に関わるメンバーがデータ分析を適切に行える環境を作るため、下記の業務をご担当いただきます。 ・KPI設計及びデータの定義 ・DWHの構築及び改善 (BigQuery) ・データ活用を促進するための社内教育 ・その他事業におけるデータ活用を促進するためのプロジェクトの立案及び実行 ・BIツールを用いたデータの可視化及び改善 (Tableau、QuickSight、LookerStudio) <<扱うデータ >> ・自社サイトのアクセスログデータ(ビュー、クリック、スクロール) ・顧客の属性データ、顧客の時系列情報 ・自社社員の行動(架電履歴など)データ ・WEB広告(主にgoogle系)の配信成果データ等 ・テキストデータ(QAサイトのデータ、求人票のデータ、経歴データなど) ・音声データ(通話) ※事業の特性上、ゲーム系のように大容量データをリアルタイムに処理する機会はありません。 <<使用技術>> ・言語:Python、R、SQL ・データ基盤:BigQuery ・データ可視化:Tableau、AWS QuickSight、LookerStudio ・環境:Linux ・クラウド:Google Cloud(Dataform、Dataplex)、AWS ・バージョン管理:Git、Github

職務概要 自動車メーカーのお客様向けに、以下の内容の様なデータの分析、分析を通じたお客様課題のソリューションの提案・推進を担当していただきます。 ●コネクティッドで集まる自動車の走行情報、ディーラーシステムに保持する顧客販売情報を元に、お客様と共にデータ分析を行い、問題分析や新たなビジネスを提案し、生み出していく。 ●自動車の生産や品質データを分析することにより、今まで気づけていなかったお客様業務の問題点や課題をあぶり出すような提案をし、お客様との協業ビジネスを推進していく。 職務詳細 ●自動車業界共通的なビジネスとして、自動車の製造や販売、品質データを分析するソリューションを自ら考え、各メーカーへの提案活動を行う。 ●お客様からデータ分析に関する提案依頼があった場合、知見を活かして提案書の回答を作成する。 実際にプロジェクトが発足した場合は、お客様からの要件ヒアリングや設計・構築・テストに関わる。 配属組織名 デジタルサービスビジネスユニット(エンタープライズソリューション) インダストリアルデジタルビジネスユニット エンタープライズソリューション事業部 自動車システム本部 第二システム部 配属組織について(概要・ミッション) 日立製作所における自動車完成車メーカのアカウントチームとして、日立グループ内外の技術を組合せて、世界に誇れる自動車産業を支える組織です。 「自動車業界における”社会イノベーション事業”を推進し、自動車業界に貢献する(日立のプレゼンスを上げる)」ことをビジョンとして掲げ、日立ならではの、IT(コンサルティング、システムインテグレーション、ERP導入)、OT(設備インフラ、ロボティクス)、プロダクト(ハードウェア、ソフトウェア製品)といったアセットやお客様との共創の枠組みを最大限に活用し、自動車バリューチェーン全体をSIとデジタルソリューションでつなげるビジネスパートナになるべく日々活動しています。 働く環境 ●社員40名のチームに合流いただきます。 ●複数の協業各社と連携してプロジェクトを推進いただきます。 プロジェクトメンバは規模により編成が変わりますが、30名以上をマネジメントいただく場合があります。 ●事務所への出勤、お客様先への出張、在宅勤務とフレキシブルな働き方が可能です。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

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

●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

パーソルキャリアにおけるデータサイエンティスト、データエンジニア、AIエンジニア、機械学習エンジニアの各職種の中から、ご経験にマッチするポジションをご提案いたします。 データ・AI領域にご関心をお持ちで、「どのポジションが適しているかわからない」「経験を活かせる環境で選考に進みたい」とお考えの方は、ぜひご応募ください。 ご応募後、社内にてポジションサーチを行い、書類選考を通過したポジションについて改めてご案内いたします。 ●募集ポジション例(※下記以外をご提案する場合があります) 【データサイエンティスト】 転職サービス「doda」(会員登録数 約1,039万人/2025年12月末時点)を中心に、全社横断でAI・機械学習モデルの設計・開発・チューニングをリードしていただきます。 人材マッチングの高度化を主軸に、LLMや生成AIなどの最新技術を取り入れながら、再利用可能なマッチングロジックやAIモデルの開発から本番導入・運用まで一貫して推進し、事業成長に貢献していただきます。 ・生成AI、機械学習における新規技術の検証・開発 ・Python/PySparkを用いたデータ分析・モデル開発 ・提案に向けたデモ開発/PoC開発 ・業務効率改善に向けた分析/自動化・AI化 ・データ設計および前処理の開発・実装 ・インフラ/データ基盤部門との連携 ・社内外でのセミナー講演や論文・資料作成 【データエンジニア/データアーキテクト】 全社最適の観点からデータ活用基盤の整備を推進し、あるべき分析基盤の実現を担っていただきます。 ・データ基盤構想の検討/ロードマップ策定/技術選定 ・現状課題の整理および改善方針の策定・実行 ・データマネジメント方針の策定とプロセス整備 ・基盤構築および活用プロジェクトの推進 ・パイプライン構築やバッチ処理開発 【データエンジニア/アナリティクスエンジニア】 データドリブンな事業運営の実現に向け、データによる意思決定を支援し、可視化とPDCAの高速化を推進します。 「doda」「doda X」において以下を担っていただきます。 ・データマート構築(要件定義～設計～実装～テスト) ・データ収集・加工・集計業務 ・バッチ基盤の運用保守 ・DMBOKに基づくデータマネジメントおよび利活用支援 ・dbtを用いたデータ変換・モデル開発 【AIエンジニア(バックエンド・インフラ)】 LLMやAIエージェントを活用した機能開発に加え、安定・安全かつスケーラブルに活用可能なAI基盤の設計・構築を担っていただきます。 ・AI前提のシステムアーキテクチャ設計 ・API設計/非同期処理/キャッシュ/キュー設計 ・マルチクラウド環境(AWS/GCP/Azure)の構成設計 ・バックエンド開発および外部サービス連携設計 ・データ基盤(DWH/Vector DB等)との接続設計 ・スケーリング/レイテンシ/コスト最適化 ・監視・セキュリティ・ガバナンス設計 【機械学習エンジニア】 「doda」「doda X」において、ユーザー一人ひとりに最適な求人・情報を届けるためのレコメンド/マッチング機能の開発・運用を担っていただきます。 当社が保有するデータと機械学習・生成AI技術を活用し、マッチング精度や応募率向上などのKPI改善に直結するアルゴリズム開発から運用・改善まで一貫して取り組んでいただきます。 ・レコメンド/マッチング機能の設計・開発・運用 ・機械学習モデルや推論ロジックを用いたサーバーサイド開発 ・データ活用施策の運用・改善 ・Python/SQLを用いた分析・モデル開発・検証 ・データサイエンティストやPdMとの連携による施策推進 ・技術リード/プロジェクト推進

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)

●業務内容(概要) 製造業を中心としたクライアントのデータ活用を支援し、分析・モデル構築・可視化を通じて課題解決を推進。 ●業務内容(具体的に) SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 アジャイル(スクラム)開発の推進 将来的にはAIエージェントや生成AIを活用した高度な分析・自動化にも取り組みます <関連業務> データ利活用サービス:課題抽出～可視化・レポーティング 機械学習エンジニア:予測・処方的分析 工場DX:属人性解消、デジタル化アセスメント ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのDX推進を支援し、業務改善・データ活用・工場立ち上げを通じて課題解決を推進します。 ●業務内容(具体的に) クライアント企業のデータを活用し、課題抽出から分析、モデル構築、可視化・レポーティングまでを担当 SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 業務改善・工場立ち上げ推進 アジャイル(スクラム)開発の推進 PL候補として、プロジェクトのQCDS管理、顧客折衝、技術選定を担当 ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

保険数理業務、データ利活用支援およびその他アナリティクス業務の拡大に伴い、生保・損保アクチュアリーと協力して顧客向けのアプリケーション開発、データ可視化等のデータエンジニアリングおよびアナリティクスを担うチーム(Technology Transformation Team(T3))のメンバーを募集しています。 伝統的な保険数理業務DX支援の他に、下記の領域においてアドバイザリー業務を行います。 ■医療データ利活用支援 ・保険者由来のレセプト、健診・ライフログデータや、NDB(ナショナルデータベース)、DPC(急性期病院)データ等の国民医療データに関する利活用支援を行います。 例えば保険会社向けには商品・付帯サービス開発支援や、公共クライアント向けには研究目的の国民医療データ活用支援を行います。 これにはML/AIによる疾患リスク予測モデル構築および性能評価、NDB/DPCデータの第三者提供・連結解析、データベースシステム更改に関する要件定義作成・工程管理支援なども含まれます。 ■TCFD(気候関連財務情報開示タスクフォース)、自然災害リスクモデリング支援 ・PwCで構築した自然災害モデルを活用し、損害保険会社への自然災害リスク評価と合わせて、一般事業会社におけるTCFDの物理リスク評価の支援を行います。 特に、TCFDにおいては気候変動の影響を評価するという観点から水災モデルの活用が一般的ですが、TCFDを通してERMにおけるリスク全般の再評価の必要性が高まっており、地震などの他の自然災害リスクの評価についても行います。 ■その他アナリティクス ・一般事業会社や公共クライアント向けに、データ分析能力を活用した営業施策立案とその効果測定、CX向上策立案等を支援します。 これにはクライアントの保有契約の特性を様々な角度から分析し、契約者・消費者の価格反応度に基づく契約者行動分析への活用や、会社の長期収支分析へ保険数理手法に基づく感応度・変動要因分析などの活用、および統計的手法による効果測定を行う事などが含まれます。 <所属組織 Actuarial Services (AS)について> PwC Japan AS (Actuarial Services) グループは、金融機関、特に生損保会社を中心に保険数理に関する幅広いアドバイザリー業務、監査業務を提供します。 私たちはアクチュアリーを保険会社の決算・商品開発・リスク管理等を行う狭義の専門家として捉えず、そのコア・コンピタンスを「クライアントの重要な経営課題に対し、リスク分析などの高い専門性と十分なビジネスの理解を融合させ、課題解決に向けたソリューションを提供すること」と位置づけています。 保険会社ではUSGAAP LDTI、IFRS17、国内経済価値ソルベンシー規制導入に伴うオペレーション負荷の増大など、業務の効率化ニーズが高まっています。 また、私たちが現在直面する多くの社会課題を解決するため、PwCあらた有限責任監査法人のパブリックセクター担当チームの一員として、国・地方公共団体や一般事業会社など、金融機関に限らないクライアントへ豊富な数理専門技術・テクノロジーに関する知見を生かし業務提供の深みと幅を拡げています。 こうした内容に関する支援を、欧米を中心としたPwCグローバルの先進事例を活かしつつ、適宜専門家と緊密な連携を取りながら、クライアントの課題解決を行います。

データプラットフォーム導入・構築の引き合い増加に対応するための増員です。 データ活用に関する様々な技術を扱い、クライアントのデータ活用を支えるプラットフォームの提案・設計・構築を担っていただきます。 【仕事内容】 データ分析の基盤を支えるスペシャリストとして、下記の領域に関する技術・ツール等を扱いながら、データ分析基盤に関するプロジェクト（データプラットフォームの企画、設計、実装まで）において、中心的な役割を担っていただきます。 ・データ収集／抽出／連携 ・データ蓄積／統合／加工 ・ストリーム処理 ・機械学習 ・データ可視化 ＜先端技術・ツール例＞ ・Snowflake ・Databricks ・dbt ・Denodo

従業員エンゲージメント調査・人材データ等の構造化データに対する統計的因果分析と、生成AIを組み合わせた施策提案の技術開発を担当。 因果モデル構築から施策効果予測、分析結果の解釈可能な可視化まで一貫して担います。 ●具体的な業務内容 【因果分析】エンゲージメント調査・人材データからベイジアンネットワーク等による因果構造推定、施策効果予測 【施策提案AI】因果モデルと生成AIによる部署別・職種別の施策提案、説明可能な出力設計 【データ統合・分析基盤】異種人事データの統合、解釈可能性の担保、自動可視化・レポート生成 【分析手法の高度化】分析粒度の最適化、時系列変化追跡、施策→効果のフィードバックループ設計 【チーム連携】業務部門・外部パートナーとの要件調整、知見共有 職種の変更範囲:技術職・事務職・技能職業務

●サービス成長のためのデータ分析 ・KPI分解やセグメント分析などによる仮説立案 例)ボトルネックの特定と打ち手の考 ・ABテストやダッシュボード設計によるPDCA体制の構築 例)データ分析を基に実施した施策の良し悪しを判定および改善策の導出 ・社内のサービス運用フロー最適化のためのアルゴリズム開発 例)チャンネル表編成の数理的な最適化 ・プロダクトの付加価値向上のためのアルゴリズム開発 例)ターゲティング広告商品の開発

「どの職種が合っているか分からない」「複数の領域に興味がある」という方のためのオープンポジションです。 候補者様のバックグラウンドと志向性を踏まえ、最適なポジションをご提案いたします 。 ●募集ポジション ・データ分析基盤エンジニア(SQL・DWH・ETL・BI基礎) ・BIエンジニア(Tableau / Power BI / Looker) ・データアナリスト(SQL / Python / BI) ・データエンジニア(GCP / AWS / Snowflake など) ・AI/機械学習エンジニア ・データサイエンティスト ●募集部門 ・データ利活用部 ・AIビジネス部 ・ACR(Analytics Consulting Research)部 ・基盤運用構築部 ・BI推進部 ・SAC(Strategic Anltics & Consulting)部

HRカンパニーのアナリティクスエンジニアとして、ビジネスやプロダクトの成長を加速させるため、「データ分析による課題解決」と「信頼性の高いデータ基盤の構築」の両輪を担っていただきます。 「求人ボックス」と「エンゲージ」のデータを横断的に活用し、カカクコムグループ全体のデータシナジーを生み出すことがミッションです。 ・KPI・管理指標の設計・策定、およびビジネス課題の特定と解決に向けた分析 ・BigQuery・Databricks等を活用したELT/ETLパイプラインの設計・実装・自動化 ・データモデリング・データマートの設計・構築・運用 ・ダッシュボード構築および施策のパフォーマンス管理(Looker Studio / Tableau / Redash等) ・統計的手法を用いた仮説検証・効果測定・ネクストアクションの提言 ・データ品質のモニタリング・テスト実装・アラート設計 ・DWHアーキテクチャ・データレイクハウスの設計・運用への参画 ・アナリティクスエンジニア・データサイエンティストとの協働による分析支援 ・データガバナンスの策定・推進 ・チームの技術的方向性への意見出し・合意形成 ・メンバーのタスク整理・優先度調整のサポート ・メンバーのコードレビュー・スキルアップ支援 ●利用ツール 【業務環境】 プロジェクト管理:Confluence / Jira　ソースコード管理:GitHub Enterprise　生成AIツール:Cursor / Dify コミュニケーション:Slack コラボレーション:Miro Officeツール:Google Workspace / Box / Microsoft365 端末:Windows(MacBook Proも選択可) 【開発環境・技術スタック】 データプラットフォーム:BigQuery / Databricks クラウド:Google Cloud / AWS DWH・ストレージ:BigQuery / Amazon Redshift / Amazon S3 ETL/データ連携:AWS Glue / TROCCO 言語:SQL / Python BI:Looker Studio / Tableau / Redash 他:Vertex AI / Cloud Run / GCE / Workflows / KARTE / Adjust / Google Tag Manager 等 1か月目 ・担当サービスのビジネスモデル・データ基盤の理解 ・既存の分析プロジェクト・データパイプラインの把握 ・チームメンバーとの関係構築 2か月目以降 ・新規プロジェクトの担当(小規模案件から) ・チーム内での知見共有やメンバーの育成・指導 3か月目以降 チームの中核として技術課題の整理・提言、メンバー育成・レビューを主導