フルリモート（出社なし） データエンジニアの求人・転職情報

プロダクト基盤グループでプロダクトマネージャーを担当していただきます。 プロダクト基盤グループは、マルチプロダクト戦略を支える基盤を構築するグループで、プロダクト数や領域拡大に伴う課題解決やスケーラビリティの向上、プロダクト間のデータやプロセス連携のための開発を担当します。 具体的には以下のようなプロダクトを開発しています。 ・権限基盤 ・課金基盤 ・従業員データ基盤 ・各プロダクトに散在するデータの集約と活用API基盤 SmartHRにおけるプロダクトマネージャーの役割は、「何を作るか」「なぜ作るか」の2点に責任を持ち、開発チームと協働しながらユーザーにプロダクトを届けることです。 具体的には以下のような業務を担当していただきます。 ・共通基盤のプロダクトビジョンや目標、ロードマップの策定 ・新規の共通基盤や連携機能の企画や設計、推進 ・既存の共通基盤やAPI改善のための企画や設計、推進 ・解像度を高めるためのディスカバリー(ヒアリングやデータ分析など) ・メトリクス設計・データ分析 ・各プロダクトチームと認識を揃えるためのドキュメント作成やコミュニケーション、調整 なお、以下のような業務はプロダクトマネージャーの役割に含まれません。 ・事業計画の策定や予算の管理 ・開発メンバーの人的マネジメント ・キャンペーン設計や広告出稿などのマーケティング業務 ・サービスサイトやLPなどのウェブディレクション業務 ・ヘルプページやユーザー向け学習コンテンツの作成 ※業務内容変更範囲:会社の定める業務

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 扱っているデータ ・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 上記のようなデータを扱っております。 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

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

AI・データを活用した複数のプロジェクトをプログラムとして束ね、事業・プロダクト・エンジニアリング・データ専門組織を横断しながら、構想から成果創出・定着までを推進していただきます。 ●事業・プロダクト課題を構造化し、AI・データ戦略、活用テーマ、実行ロードマップを策定 ●複数プロジェクトの優先順位・依存関係・リスクを統合し、組織横断の推進体制と意思決定プロセスを設計 ●PoC・MVPから本番展開、定着、成果検証までを推進し、得られた学びを他領域へ展開 扱っているデータ ・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 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 / SQL ●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

BI(データ活用)を中心に規模・業界を問わず幅広い顧客に対し企業価値の最大化に向け、 ITを活用して業務変革を設計・実行までをリードしていきます。 ●大手通信企業でのデータ分析・ツール開発 ●インターネットサービス事業会社のデータ分析 ●ITソリューション企業のデータプラットフォーム推進・構築 ●CRM企業の業務自動化支援　など 2018年からDX推進とした組織を立ち上げ、DXへの関心・興味が強いシステム開発・インフラエンジニアを育成し、今日に至るまで約100名以上の“DXエンジニア”を輩出してきた強い育成力が武器となります。 顧客の要望に合わせた技術を用いることで、幅広い課題に対応することが可能。社内にて今まで対応してきた事例をノウハウとして共有、未経験領域に関しては社内で勉強会を開き、顧客課題の解決に向け積極的にエンジニア同士が自己研鑽しています。 当社はプライム案件の比率が高く、上流～下流工程まで一気通貫にて対応できるプロジェクトが揃っており、当ポジションにおいては顧客との距離が近く、当社が注力している領域でのITコンサルティング部門との連携も活発で、将来的にはエンジニアからITコンサルタントへのキャリアも描くことができます。 プロジェクト例 <某SIer様でのAIソリューション関連業務> ●環境:Python、BI(Tableau)、Azure、GCP ●工程:データの基礎分析、実装(機械学習モデルの構築)、単体・結合テスト、運用保守 ┗既に当社メンバー3名参画中(増員) ●特徴:自社メンバーがアサインされてから歴が長いプロジェクトであり、顧客とのコミュニケーションは良好 ┗機械学習モデルの構築・運用保守について幅広い工程を経験でき、クライアントもモデル活用に積極的な環境なため、提案ベースでプロジェクトを進めることが可能。 <某事業会社(エネルギー関連)様での社内システム構築支援業務> ●環境:SQL、Python、PowerPlatform(PowerBI、Apps、Automate、OfficeScript)、AWS、Databricks、PowerPlatform、Windows ●工程:フィジビリティ検討(POC)、要件定義、基本設計、実装、テスト、リリース、運用保守 ┗既に当社メンバー4名参画中(増員) ●特徴:大規模なシステム(データ)移行の5か年計画がスタートしてまだ半ばであるため、新しくローコードやデータ蓄積基盤で作成するものはある程度裁量と自由度のある設計→実装が可能なプロジェクト。 ┗客先での対人コミュニケーションは良好で、プロジェクトの進行においてはプロパーやベンダーとやり取りしながら意見を出し合える関係性となっており、提案し易い環境。 ┗AI周りの技術についても経験可能で、データベースをリソースとしたRAG設計やCopilotの有償版契約など新しいことも積極的に取り入れている。 <某SIer様でのデータベース設計業務> ●環境:Databricks、Python、SQL、ABAP、BI、AWS、Azure、SAP(S4/HANA)、Github ●工程:技術調査、要件定義、基本設計、詳細設定、実装・運用保守 ┗既に当社メンバー2名参画中(増員) ┗フルリモートでの勤務が相談可能 ●特徴:現行のデータ分析基盤からDatabricksへの分析基盤の刷新対応のプロジェクトにて、システムの移管方法の検討フェーズからデータパイプライン構築に携わることが可能。 ┗フルリモートにて就業可能なプロジェクトにて、現在は東京・大阪のメンバーで参画中(就業先の拠点は大阪)

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。 クライアントの業務システムなどの膨大な量のデータを蓄積・加工・分析し、経営層の意思決定に活用する BI(Business Intelligence)を含むデータプラットフォームの導入から実行支援までを行っています。 ●クライアントの要望に沿ったデータプラットフォームの企画、設計、実装まで、プロジェクトに一気通貫で関わっていただきます。 ●主に要件定義からテストまでお任せします。 開発だけでなく、DB、インフラ、プロジェクト管理、エンドユーザーとのコミュニケーション能力など、幅広い経験に基づくスキルアップ・キャリアアップが可能な環境です。 ●エンドユーザー様と直接やり取りをする立場であり、要件定義など上流工程に携われます。

組織説明 ・配属グループは、MGRの元、エンジニアが14名ほど在籍しています。 ・全員中途入社者となり、さまざまなバックグラウンドを持った方が活躍しています。 全社のデータ活用を支える基盤の企画・設計から構築・運用まで一貫して携わっていただきます。 ●データ活用基盤の構想化検討/ロードマップ策定/ソリューション選定 ●現状のデータ活用環境の主要課題の整理/改善策の方針・実施 ●データマネジメント方針策定(ガバナンス、メタデータ管理、品質管理)およびデータ活用プロセスの整備 ●構想化検討後のデータ環境構築またはデータ活用プロジェクト計画の計画・推進(要件定義～運用まで) ●パイプライン開発、ETL/ELT設計 開発環境 【言語】Pythonなど 【データ管理・基盤】Oracle、MySQL、Redshift、BigQuery、Databricksなど 【BI】Looker、Tableau、PowerBIなど 【ソースコード管理】Git 【プロジェクト管理】Backlog 【インフラ】AWS、GCP、Azure 【課題管理、コミュニケーション】Slack、teams 働き方 ●フレックスタイム制度を導入。 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。 ●リモートワークを推進しており、9割がリモート主体の就業です(必要に応じて出社の必要あり)。 遠隔地にお住まいの方のフルリモート就業も可能です(要相談)。リモート勤務手当の支給、モニターなどの備品貸出のサポートがあります。 ●PC選択(Mac・Windows)が可能。 ●研修受講、イベント登壇、副業など自己研鑽を推奨。マルチクラウドでの技術検証も行え、学習環境も充実しています。 社員インタビュー データマネジメントの重要性を探る―データ総研×パーソルキャリア特別座談会 https://techtekt.persol-career.co.jp/entry/culture/250219_01

【事業説明]】 当社グループは、西日本を中心に鉄道事業や不動産、流通などの事業を運営している企業グループです。地域に根差した事業を手掛ける中で、時代の変化に対応し、新たな価値を創造するべく、グループ一体となって《顧客体験・鉄道システム・従業員の働き方の再構築》に取り組んでいます。 その中でも弊社は、JR西日本グループの各事業と一体でデジタル施策の実行支援を行い、データ利活用による事業横断の価値創出を実現するために設立されました。 【募集概要】 株式会社TRAILBLAZERにおいて、JR西日本グループ全体のデータマネジメント健全化を技術面から下支えする、プレイング主体のデータエンジニアを募集します。 本ポジションは、マネジメントに特化するのではなく、高い専門性を活かして自ら手を動かし、データ分析基盤の構築やデータの整備をリードする役割です。社内のインフラエンジニアやデータサイエンティストと連携するだけでなく、JR西日本側のデータマネジメント組織とも直接コミュニケーションを取りながら、理想的なデータ環境を実装していただきます。 【具体的な業務内容】 データエンジニアリングおよびアナリティクスエンジニアリングのスペシャリストとして、以下の業務をプレイングの軸として遂行いただきます。 ●自社R&D環境・データ分析基盤の構築と運用: ・モダンデータスタックを活用したELT基盤の設計・実装 ・ロール設計、権限設計、セキュリティ設定などのデータガバナンス整備 ●データ整備とパイプライン実装: ・実データの探索やデータオーナーへのヒアリングを通じた、データ仕様の解明・整理 ・上流の仕様変更に耐え得るデータ構造への再設計、およびdbt等を用いたELTパイプラインへの実装と運用・監視 ●JR西日本側データ基盤の整理と上流調整: ・JR西日本側のDMO組織と連携した、データデリバリーに関する課題への対処 ・上流システムの改修情報からデータリネージを辿り、影響範囲を自ら特定・文書化 ・分析側とシステム側双方の言語を理解した、データオーナー組織との仕様確認や調整の主導 ●分析プロセスの標準化実行 ・DevOps、DataOpsの観点からデータ分析組織における技術標準・推進フローの設計とチームへの浸透 【技術スタック】 言語・フレームワーク ・Python(pandas / polars を用いたデータ加工・分析) ・PySpark(分散データ処理の運用) ・FastAPI / Flask(API開発・運用) ・pytest(テスト設計・運用) データベース / SQL ・複雑なクエリ設計(window関数を用いた時系列データ処理・順位付け) ・WITH句(CTE)を活用した可読性の高いクエリ設計 ・explainを用いたクエリチューニング ・JSON等のネストデータ処理 クラウド ・Azure(Blob Storage / ファイル共有 / VM運用・コスト管理 / ネットワーク) ・GCP(BigQuery / Gemini API) ・AWS(S3 / ECR / EKS / Bedrock / CloudShell) データ基盤 / ワークフロー ・Databricks(コード管理 / ダッシュボード / ワークフロー運用 / Apps) ・Airflow / dbt / Dagster / Airbyte(データパイプライン構築・運用) インフラ / DevOps ・Docker / Terraform(IaCによる環境構築) ・GitHub(バージョン管理 / GitHub Actions / Copilot活用) 開発環境 ・VS Code / Claude Code / GitHub Copilot

タイミーのデータマネジメント部にて、グループのマネジメント・組織開発・戦略立案を担っていただきます。 現場メンバーの信頼を獲得し、技術的な意思決定やアーキテクチャ判断を牽引いただくために、DRE / AE 領域における一定の技術的知見と実務経験 を前提としますが、業務の中心は手を動かす開発業務ではなく、マネジメント・組織開発・戦略立案 にあります。 ・担当グループ(DRE のいずれか)におけるピープルマネジメント(1on1 / 目標設定 / 評価 / キャリア支援 / オンボーディング) ・グループのロードマップ策定・優先順位付け、PO や他グループとの戦略すり合わせ ・DRE / AE 業務に対する技術的な意思決定・アーキテクチャレビュー・現場議論の牽引(ご自身の知見をもとに判断・方向付けを担っていただく役割) ・データ× 生成AIを組み合わせたデータプロダクトの企画・推進 ・採用活動への関与(JD 設計、母集団形成、面接、リファラル推進) ・組織課題の発見と解決、カルチャー・開発プロセスの整備 ・部長 / 他部マネージャー / 経営層と連携した中長期の組織・技術戦略の立案 ●技術スタック ・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 ・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・勤怠に関する情報 ・レビュー / 評価情報、アプリインストールなど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・各種マスタデータ など