データエンジニア(Python)の求人・転職情報

設計図面に対する製造性評価をAIで支援する技術開発を担当。図面からの情報抽出・製造ルールに基づく自動チェック・過去品質不具合との照合など、製造品質の向上に直結するAIエージェントの設計・実装を推進します。 ●具体的な業務内容 【製造性評価AI】製造ルール・品質不具合に基づく設計形状の自動チェック、素材・工法ごとの判断ロジック設計・実装 【製造知見の構造化】図面・仕様書・不具合履歴を横断活用するナレッジ基盤構築、製造ルールの体系化 【図面情報抽出】OCR+レイアウト解析による形状・注記・寸法の自動認識 【設計・製造連携】製造性チェック結果の可視化・修正提案、設計変更の製造影響評価 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

代表と共に顧客の課題解決に技術面から積極的に参加していただきます。 このプロセスを通じて、様々な業界のビジネス課題を技術的に解決する経験を積むことができます。 その結果、技術応用の範囲を広げることができると考えています。 ぜひ私たちと一緒に、技術を活用して課題解決を行い、技術者として実現と貢献をしていきましょう。 ●エンジニアとして成長に必要な体験と経験ができる環境 エンジニアの成長に必要なものには体験と経験があると考えています。 grasysはその体験と経験に以下の要素が重要だと定義しています。 ○技術的リソース 投入可能なコンピューティングリソース ナレッジ ○プロジェクト 実際に手を動かして対応できる環境 実際の課題や問題解決 ○メンターシップ 周りのエンジニアとの活発な意見交換によるInput/Output システムレビュー 日頃からの技術的なコミュニケーション ●案件例 私たちの主な業務はデータ基盤を取り扱うことが多く、そのためDXのバックエンド開発経験を積むことができ、比較的大きなデータを取り扱う機会が多いです。 技術検証や実験的なプロジェクトにも関わることも多く、新しい技術の導入に対して比較的柔軟な対応が可能で、新しい挑戦をしやすい土壌があります。 また、様々な業界のビジネス課題に触れることができ、これにより技術的な解決策をどのように進めるべきかというビジネススキルも身につけることができます。 さらに、システム全体の設計を行う機会もあり、その経験はシステムアーキテクトへのキャリアアップへ繋げることができます。 ●組織構成・環境 BizDev Division / Tech Team 代表直属の新設組織です。 ●開発環境 ○macOS ○Terminal系ソフトウェア ○Python環境 ・pyenv + virtualenv + rye ・conda ○docker ○github ○slack ○google workspace 【従事すべき業務】 ・入社後1年間は変更なし。 ・スキルやキャリアを考慮し双方同意の元、変更する場合があります。

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)

ミッション 介護領域における「施設探し」と「仕事探し」を利用者/クライアント両面から繋ぎ、ベストマッチングを提供する「リボンモデル」のビジネスを展開し、既存事業から得られる「市場の一次データ」からプラットフォームを構築することで、売上最大化をさせることがミッションです。 業務概要 業界トップクラスの自社プラットフォームで生成・蓄積されるデータを管理・活用することで、プラットフォームとしての競合優位性を構築していただきます。 具体的な業務内容 ・プラットフォームで蓄積するデータの整理・加工・管理 ・蓄積されたデータのビジネスへの活用 ・データ活用・データメンテナンスのためのオペレーションの仕組化、現場への落とし込み ・データの蓄積・活用ためのインフラの設計・構築 ・プラットフォームのマスタデータの管理・活用 ・AIや機械学習などへの活用 ※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

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

データサイエンティストとして、経営課題の解決やビジネスの高度化等の新たな価値の創出に向け、データ利活用を中心に担っていただきます。 ・データ利活用案件の企画立案およびビジネス活用シーンを踏まえた分析設計 ・データ活用基盤の整備・管理 ・データ分析業務の推進(AI分析、機械学習、統計解析、データマイニングなど) ・データ分析人財の教育(社内研修の企画立案や講師など)

調達見積プロセスにおける図面類似検索・見積プロセス自動化の技術開発を担当。 図面からの特徴抽出・大規模品番の類似検索エンジン構築・過去見積実績を活用した見積支援など、調達プロセスの高度化を推進します。 ●具体的な業務内容 【大規模類似検索】数百万品番規模の図面に対する形状特徴量ベースの類似検索エンジン構築、検索精度の評価・改善 【見積支援AI】類似図面と過去見積実績のマッチング、見積根拠の提示、AIエージェントによる見積効率化 【図面特徴抽出】品番・形状特徴・寸法の自動認識、類似検索に最適化した特徴量設計 【検索精度の継続改善】フィードバックループ設計、特徴量・類似度指標のチューニング、類似根拠の可視化 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

経営KPIの構造モデリング、外部知見を活用した情報収集エージェント、シナリオ分析に基づく意思決定支援の技術開発を担当。データ統合・分析基盤の構築からAIエージェントの設計・実装まで一貫して推進します。 ●具体的な業務内容 【KPI構造モデリング】経営KPI間の依存関係・先行指標の特定、異種データソースの統合とKPIツリー構築 【シナリオ分析・予測】施策効果予測、リスクシナリオの定量評価、モデルの解釈可能性担保 【外部知見活用エージェント】業界動向・市場情報・技術トレンドの自動収集、経営判断へのコンテキスト提供 【意思決定支援基盤】分析結果の自動可視化・レポート生成、判断に必要な情報の統合提示 【チーム連携】業務部門・外部パートナーとの要件調整、設計ノウハウ共有 職種の変更範囲:技術職・事務職・技能職業務

経営KPIの構造モデリング、外部知見を活用した情報収集エージェント、シナリオ分析に基づく意思決定支援の技術開発を担当。データ統合・分析基盤の構築からAIエージェントの設計・実装まで一貫して推進します。 ●具体的な業務内容 【KPI構造モデリング】経営KPI間の依存関係・先行指標の特定、異種データソースの統合とKPIツリー構築 【シナリオ分析・予測】施策効果予測、リスクシナリオの定量評価、モデルの解釈可能性担保 【外部知見活用エージェント】業界動向・市場情報・技術トレンドの自動収集、経営判断へのコンテキスト提供 【意思決定支援基盤】分析結果の自動可視化・レポート生成、判断に必要な情報の統合提示 【チーム連携】業務部門・外部パートナーとの要件調整、設計ノウハウ共有 職種の変更範囲:技術職・事務職・技能職業務

AI開発向けにMLOps環境、データ基盤の構想立案、技術検討、構築をお任せします。 クラウド(PaaS)上への構築をベースに検討いただきます。 加えて、オンプレ・クラウドのハイブリット構想も担当いただきます。 ●具体的な業務内容 AI開発・データ分析に関わるデータ基盤やMLOps環境の整備、IoTや自動車の規格に適切なクラウドのサービスの検討等に関する以下の業務をお任せします。 ・技術検討 ・企画・構想立案 ・システム要件定義 ・データモデリング ・設計、開発 言語:Python、C++、JavaScript、TypeScript、SQL OS:Windows、Linux 環境:AWS ツール:Databricks、IaC (AWS CDKなど)、生成AI(GPT、Claude、Gemini) 愛知をはじめ、他の拠点(東京、博多)のメンバーともリモート環境等で連携しながら業務にあたってもらいます。 入社後3か月は、OJTを中心に業務キャッチアップをしていただき、その後メイン業務を担当していただきます。 職種の変更範囲:技術職・事務職・技能職業務

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

経営KPIの構造モデリング、外部知見を活用した情報収集エージェント、シナリオ分析に基づく意思決定支援の技術開発を担当。データ統合・分析基盤の構築からAIエージェントの設計・実装まで一貫して推進します。 ●具体的な業務内容 【KPI構造モデリング】経営KPI間の依存関係・先行指標の特定、異種データソースの統合とKPIツリー構築 【シナリオ分析・予測】施策効果予測、リスクシナリオの定量評価、モデルの解釈可能性担保 【外部知見活用エージェント】業界動向・市場情報・技術トレンドの自動収集、経営判断へのコンテキスト提供 【意思決定支援基盤】分析結果の自動可視化・レポート生成、判断に必要な情報の統合提示 【チーム連携】業務部門・外部パートナーとの要件調整、設計ノウハウ共有 職種の変更範囲:技術職・事務職・技能職業務

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

●入社後～中期的にお任せしたいこと 【主な業務内容】 データ活用を支える“基盤から分析まで”を一貫して担うデータエンジニアを募集します。 当社では、企業のDX推進やデータ活用ニーズ拡大に伴い、データ基盤強化を推進しています。 本ポジションでは、データ取得・蓄積・加工・可視化・分析まで、エンドツーエンドでデータ活用を支える業務に携わっていただきます。 ご経験に応じて、要件定義から設計・開発・運用保守まで一気通貫で担当できる環境があり、BI・データ分析など幅広い技術領域に挑戦可能です。 【具体的な業務内容】 業務システムの設計・開発・運用 データ基盤(DWH/データレイク等)の設計・構築 ETL/ELTパイプラインの設計・開発 クラウド環境(AWS/GCP/Azure等)を活用した基盤構築 BIツール連携・データ可視化基盤の整備 データ品質管理・ガバナンスの整備 データ活用に関する技術選定・アーキテクチャ設計 【開発環境(例)】 ・クラウド:AWS/GCP/Azure ・言語:Python/SQL ・DWH:BigQuery/Snowflake ・DB:MySQL/SQL Server/PostgreSQL ・ETL:Glue/DataSpider ・BI:Tableau/Power BI ・ローコードツール:Kintone/Pleasanter 【業務内容】 雇入直後…事業部の指定する業務及び付随する業務 変更の範囲…社内におけるすべての業務

●部門紹介 当社のデータ利活用部は、データ分析領域における“入門部門”として位置づけられています。 データ分析の経験が浅い方や異業種からキャリアチェンジを目指す方も積極的に受け入れており、データの活用に関する基礎から実務まで幅広く経験することができます。 また、社内にはAI、BI、基盤運用、コンサルティングなど技術特化型の部門があり、データ利活用部でスキルを積んだ後は、ご自身の志向や強みに応じて各部門へのキャリアチェンジも可能です。 「データ分析を学びながら自分に合った領域を見極めたい」という方にとって、最適な環境です。 ●仕事内容 データアナリストとして、顧客企業のビジネス課題解決に向けたデータ分析・可視化、およびそれに伴う施策の提案・伴走(おもてなし分析)を担当します。 【具体的な業務内容】 ・顧客の「なんとなく困っている」という抽象的なビジネス課題のヒアリング・論理的な整理 ・SQLを用いたデータベースからのデータ抽出(SELECT、JOIN、GROUP BY等)および集計 ・Pythonを用いたデータ加工、レポート作成の自動化スクリプト・バッチの作成 ・TableauなどのBIツールやExcelを用いた数値の可視化(ダッシュボード構築) ・抽出・可視化したデータに基づく、顧客(または社内)への報告・経営課題に対する改善提案 ・ChatGPTなどの生成AIツール、プロンプトエンジニアリングを駆使した分析業務の効率化・新しい分析プロセスの構築 変更の範囲:会社が指定した業務 【開発環境/使用ツール】 AWS/GCP/Azure/Tableau/SAS/SPSS/Oracle Database/SQL ServerMySQL/PostgreSQL/Google AnalyticsSQL/Python/Rなど ●案件事例 ①ソーシャルゲームアプリの売上増加に向けたデータ分析支援 アプリのログデータを解析し、アプリ運営の改善、売り上げUPに繋げる 使用ツール:SQL, Google BigQueryなど ②機械学習を用いたモデルの作成 クライアントが保持しているデータからモデルを作成し分類化や数値予測を行う 使用ツール:Python ③ファクトリーブランド立ち上げに向けたマーケティングリサーチ 地域独自のブランドを立ち上げることで、減少した売り上げの回復と安定化 使用データ:業者からのヒアリングデータ、生活者へのインタビューデータ (※取引実績100社以上) ●入社後の流れ 最初からすべての工程を一人でお任せすることはありません。 まずはご自身の得意なスキル(SQLでのデータ抽出や、Pythonでのデータ加工など)からスタート。 先輩アナリストのプロジェクトにアサインされ、顧客ヒアリングや提案の現場に同行しながら、徐々に上流工程のスキルを身につけていただきます。 Step1 データ分析環境の理解 まずはデータ分析領域の業務を行うにあたって、データの理解から始めます。 ◇ 使用環境・言語・ツール:SQLServer / MySQL / PostgreSQL / Oracle Databaseなど Step2 コーディング データ分析を行う上で、必要不可欠な数値を算出します。 ◇ 使用環境・言語・ツール:SQL / Python / SAS / Rなど Step3 データの可視化・分析 データについて正しく理解し扱えるようになったら、いよいよ分析フェーズに移行します。 ◇ 使用環境・言語・ツール:Google Analytics / Tableau / PowerBI / その他分析ツールなど Step4 レポーティング・報告提案 データ分析結果を基に、レポーティングと考察を行います。 意思決定に必要なデータを揃え、顧客が必要とするデータをわかりやすくまとめます。 ◇ 使用環境・言語・ツール:ダッシュボード(BIツール内) / PPT / Word

・これまでのデータ分析スキル、専門ノウハウを生かして、製薬業界のお客様の課題やニーズに対し、データ整形、自然言語処理を用いたデータ分析による付加価値ある提案を関係者とまとめ、お客様への提案活動に参画すると共に、プロジェクトをリードする役割を期待しております。 ・リアルワールドデータを用いたデータサイエンティストの活動を通じて、将来は、業務業界知見に基づき、ライフサイエンス領域のコンサルタントとしてお客様の変革プランの策定・実行を推進するポジションへのステップも可能です。 ・アサインメントは、選考を通じて、広く可能性を検討し、配属ポジションを決定させて頂きます。

本ポジションでは、ACESが推進する「AI OS」構想において、Data Layerの責任者として、設計・構築・案件適用・型化までを一貫してリードしていただきます。 AI OSは、Data Layer / Knowledge Layer / Agent Layer など複数のレイヤから構成されており、特にデータを起点としたAI活用を成立させるためのData Layerを重要な基盤と位置付けています。 現在ACESでは、このData Layerを専門的に担う責任者ポジションが存在しておらず、本ポジションはその中核を担う新設ポジションです。 単なるデータエンジニアリングに留まらず、 ●AI OS全体(Knowledge Layer・Agent Layer)との接続性 ●クラウドを前提としたITアーキテクチャ設計 ●実案件への適用を通じた再現性の高い型化 といった観点を持ち、「構想」と「現場実装」を往復しながら、ACESにおけるデータ活用の中核をつくる役割です。 所属は研究開発チームとなりますが、短期的にはDXパートナーサービスへの関与も多く、事業横断的に活動いただくポジションです。 具体的な業務内容 ●AI OS(Data Layer)の設計・構築 AI OS構想におけるData Layerの設計・技術選定 Databricks・Snowflake等のモダンなデータスタックを活用したデータ基盤設計 Knowledge Layer・Agent Layerとの接続性を考慮したデータアーキテクチャ設計 Azure / AWS / GCP 等のパブリッククラウドを前提とした周辺アーキテクチャ設計 データ連携、権限管理、セキュリティ、運用設計 等 ●プロジェクトへの適用・実装推進 DXパートナーサービス事業案件および社内プロジェクトにおけるData Layerの設計・構築・実装 設計範囲を超えた技術的課題への対応、現場適用可能性の向上 データ基盤に関する方針決定およびプロジェクト内での技術リード ●知見の型化・社内展開 プロジェクトを通じて得られた知見のドキュメント化・型化 Data Layerの実装ガイドライン、再利用可能な開発モジュールの整備 社内向けのナレッジ共有、教育、浸透施策の企画・実行 ●推進体制の構築(協働) 外部パートナー(データ領域)との協業体制の設計・運用 内製・外製の方針設計とプロジェクト品質・スピードの両立 研究開発チームのマネージャーやDXパートナーサービス PMと連携した推進 キャリアパス 入社直後から、ACESにおけるデータ領域の責任者としての役割を担っていただきます。 中長期的には、AI OS全体を見渡したより戦略的な技術ポジションや、事業・組織レベルでの意思決定に関わる役割への拡張も期待しています。 開発環境・技術スタック(一例) クラウド:Azure / AWS / GCP データ基盤:Databricks / Snowflake 等 言語:Python IaC:Terraform CI/CD:GitHub Actions コード管理:GitHub ドキュメント:Notion コミュニケーション:Slack / Zoom ※案件・構想に応じて柔軟に技術選定を行います。

Google Cloud上のデータ基盤の設計・開発・保守をお任せいたします。 DWHやデータ利活用のためのシステム基盤について、データ連携や抽出、分析などに必要となる機能やデータアクセス管理や権限管理など、デジタルバンクとして柔軟なデータプラットフォームを実現いただきます。 将来的には、データ基盤領域全体の統括やアーキテクトへのキャリアステップを期待しています。 ●データ基盤の設計・開発・運用 ●BigQuery, Dataflowによる大規模データ処理 ●データ収集・加工・可視化基盤整備 ●セキュリティ、ガバナンスを考慮したデータ管理設計 ●バックエンド、アプリ開発チームとのデータ連携設計

●具体的にお任せしたい業務領域は下記になります。 ・オンライン動画研修システムの開発に関わる業務全般 ・ユーザの利用状況の分析と改善案の提案、実施 ・プロダクトの安定稼働に必要な保守運用業務 ●使用技術 ・Node.js / TypeScript / GraphQL ・NestJS / Prisma.js / Hono ・Next.js / React / Apollo / TanStack Query, Router ・React Native / Expo ・PostgreSQL / OpenSearch / Redis / BigQuery ・AWS / AWS CDK ・Azure OpenAI ※業務の変更の範囲:会社の定める業務

●各種データの分析業務(KPIトレース、経営報告、外部報告) ●分析用データマート、ビューの構築 ●LookerStudioを含めたデータ活用教育の企画・実施 ●運用方針・運用ルールの策定、ユーザ管理・権限設定、メタデータ管理 ＜開業後以下を含む＞ ●サービス改善に向けたデータ分析の企画・設計・実施 ●分析結果に基づくサービス・プロダクト開発の意思決定支援 ●キャンペーンやCRM等の各種施策の効果検証・改善提案 ●相場変動等の外部環境変化による影響測定・分析

●業務概要 パーソルグループ企業もしくは提携企業にて顧客や社内の部門に対して、お客様が保有する様々なデータを活用可能な形に処理し、データ分析のための基盤構築をお任せします。 データサイエンティスト/アナリストが行う仕事の基盤をつくり、お客様が抱える課題を解決まで導く業務となります。 ●業務詳細 ・データ収集・連携 　└外部SaaS/業務システムなど異なるソースからのデータ取り込み 　└バッチ開発やストリーミング処理 ・データ基盤の設計・構築・運用 　└DWH・DB・テーブルの設計(SQL、スキーマ、パーティショニング) 　└クラウドインフラの構築(AWS/GCP/Azure)、セキュリティ・ネットワーク設定、コスト最適化 ・データ整備・品質管理 　└ETL/ELTパイプラインの実装(dbt、Apache Kafka、Apache Spark) 　└データモデリング(スタースキーマ・Snowflake)、メタデータ管理、データカタログ整備 ・データ品質監視 　└検査ルール、データガバナンスの設定 　└アラート対応、テスト設計 ・提供・可視化支援 　└分析用マートの提供、BIツールへの接続最適化・可視化(Looker、Tableau、Power BI) ・運用・信頼性 　└パイプラインの監視・障害対応・パフォーマンスチューニング 　└Gitによる変更管理 プロジェクト例 ●Databricksを用いたデータ基盤の設計構築 <業務内容> 　・Databricks上のデータ基盤の設計/構築/検証 　・SAPのテーブルをDatabricksに連携 　・S3のテーブルをDatabricksに連携 　・ストリーミングテーブルの実装、ジョブ作成 <技術> 　Databricks, PySpark, SparkSQL, PowerBI, Git ●dbtを用いたETL、データパイプライン構築 <業務内容> 　・データパイプライン構築、フロー図作成 　・Bigqueryからのデータ抽出、データマートの設計・開発 　・ワークフローの監視 　・バッチ処理開発・運用 　・Tableauダッシュボードの設計・構築・運用 <技術> 　GCP(Bigquery,GCS), dbt, Tableau, Git

当社は「農業×AI」「IoT×社会課題解決」をテーマに、自社製品 e-minori を中心とした次世代のソリューション開発を進めています。 AI-Lab では、防犯カメラや作業支援システムなど、社会の安全・効率化につながるプロダクトをゼロからつくり上げており、研究開発と実装の両輪を回せる環境 です。 当社の自社製品開発部隊である "AI-Lab" のエンジニアとして、下記業務に携わっていただきます。 ■e-minori 設計開発エンジニア　https://www.e-minori.info/ AI分野 ●業務内容 ・AIモデルの自己設計と評価 ・AI環境制御を"e-minori"に組み込むためのシステム設計開発 ・AI環境制御が正常に動作しているかを検証・改良(機構設計含む) ・AIや画像処理技術による防犯カメラや動作チェックの仕組み アプリ分野 ●業務内容 ・smart e-sagyo の原理試作、量産試作 ・スマートフォンアプリ開発 ・e-minoriおよび新製品のメンテナンス 機電分野 ●電気電子系 ・回路設計 〜パターン設計 〜基板作成 ・組み込みプログラミングの知見 ●機械系 ・内外装に構造設計、仕様を決定 ・屋外設置物、耐候性構造物の知見 お客様が要望のある機能を実現するにあたり、新製品開発のため、機械・電気・情報全般の開発にも携わっていただきます。 チームへの合流後、大まかな業務の分野分けは行います。 基本的には担当分野はあるものの、その他の分野もできるフルスタックエンジニアを目指して頂きます。

「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

データエンジニアとして、顧客企業のビジネス課題解決に向けたデータアナリティクス基盤(DWH/データマート/ETLパイプラインなど)の設計・構築・運用、およびBIツールなどを用いたデータ活用・可視化支援を担当します。 【具体的な業務内容】 ・金融・エンタメ・製造など、多種多様なクライアントのデータ構造を理解し、最適なデータ基盤(DWH/データレイク等)のアーキテクチャ設計・構築 ・SQLやPythonを用いた、大量データのETL(抽出・加工・シームレスな連携)パイプラインの構築・バッチ処理の実装 ・データ分析の「属人化した手作業」を排除するための、モダンなデータエンジニアリング手法(バージョン管理やCI/CDなど)の導入・推進 ・TableauなどのBIツールを用いたデータの可視化(ダッシュボード構築)や、顧客への簡単なデータ示唆出し、レポート資料作成(アナリスト的要素) ・将来的には、3〜5名程度の小規模なプロジェクトにおいて、進捗管理やメンバーのコードレビュー(品質管理)などのリード業務 変更の範囲:会社が指定した業務 【開発環境/使用ツール】 AWS/GCP/Azure/Tableau/SAS/SPSS/Oracle Database/SQL ServerMySQL/PostgreSQL/Google AnalyticsSQL/Python/Rなど ●部門紹介 当社のデータ利活用部は、データ分析領域における“入門部門”として位置づけられています。 データ分析の経験が浅い方や異業種からキャリアチェンジを目指す方も積極的に受け入れており、データの活用に関する基礎から実務まで幅広く経験することができます。 また、社内にはAI、BI、基盤運用、コンサルティングなど技術特化型の部門があり、データ利活用部でスキルを積んだ後は、ご自身の志向や強みに応じて各部門へのキャリアチェンジも可能です。 「データ分析を学びながら自分に合った領域を見極めたい」という方にとって、最適な環境です。 ●案件事例 ①ソーシャルゲームアプリの売上増加に向けたデータ分析支援 アプリのログデータを解析し、アプリ運営の改善、売り上げUPに繋げる 使用ツール:SQL, Google BigQueryなど ②機械学習を用いたモデルの作成 クライアントが保持しているデータからモデルを作成し分類化や数値予測を行う 使用ツール:Python ③ファクトリーブランド立ち上げに向けたマーケティングリサーチ 地域独自のブランドを立ち上げることで、減少した売り上げの回復と安定化 使用データ:業者からのヒアリングデータ、生活者へのインタビューデータ (※取引実績100社以上) ●入社後の流れ 最初からすべての工程を一人でお任せすることはありません。 まずはご自身の得意なスキル(SQLでのデータ抽出や、Pythonでのデータ加工など)からスタート。 先輩アナリストのプロジェクトにアサインされ、顧客ヒアリングや提案の現場に同行しながら、徐々に上流工程のスキルを身につけていただきます。 Step1 データ分析環境の理解 まずはデータ分析領域の業務を行うにあたって、データの理解から始めます。 ◇ 使用環境・言語・ツール:SQLServer / MySQL / PostgreSQL / Oracle Databaseなど Step2 コーディング データ分析を行う上で、必要不可欠な数値を算出します。 ◇ 使用環境・言語・ツール:SQL / Python / SAS / Rなど Step3 データの可視化・分析 データについて正しく理解し扱えるようになったら、いよいよ分析フェーズに移行します。 ◇ 使用環境・言語・ツール:Google Analytics / Tableau / PowerBI / その他分析ツールなど Step4 レポーティング・報告提案 データ分析結果を基に、レポーティングと考察を行います。 意思決定に必要なデータを揃え、顧客が必要とするデータをわかりやすくまとめます。 ◇ 使用環境・言語・ツール:ダッシュボード(BIツール内) / PPT / Word

ソフトウェアエンジニアとしてデータ基盤・データパイプライン・データ品質を中心に、自社プロダクトおよび顧客向けソリューションを支える開発に関わっていただきます。 実装(バッチ/ワークフロー/IaC)、テストと CI、監視・インシデント対応、スキーマやパフォーマンスの設計などデータエンジニアリングのアウトカムをエンジニアリングの作法で追求する役割です。 データ分析、プロダクト開発、生成AI関連など志向・経験に応じて幅を持たせることも可能です。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします 【具体的な業務内容】 ・データ基盤の設計、構築、テスト、開発、保守、運用(コードレビュー・リリースプロセスを含む) ・自社プロダクト/分析サービスのデータパイプラインの設計、構築、運用 ・生成AI導入における顧客支援(データ接続・ガバナンス・評価基盤など、実装に近い領域) ●事例 ・自社開発したデータ分析基盤のアセスメントと高度化(三菱地所株式会社) https://nowcast.co.jp/case-studies/20240710/ https://nowcast.co.jp/news/20260218/ ・ナウキャスト、「Snowflake」を活用し、野村フィデューシャリー・リサーチ&コンサルティングの新たなデータ基盤を構築 https://nowcast.co.jp/news/20241021/ ・Finatextグループのナウキャスト、ファイナンシャルアドバイザリー業務の効率化を生成AIで支援する「Finatext Advisory Assist」を提供開始 https://nowcast.co.jp/news/20240419/ ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 https://nowcast.co.jp/news/20240731 ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 https://nowcast.co.jp/news/20260107/ ・ナウキャスト、デジタルガレージのグループ横断データ基盤の構築を支援 https://nowcast.co.jp/news/20260217/ ・ナウキャスト、AIエージェント統制基盤「MCPass」β版を開発 https://nowcast.co.jp/news/20260417/ ●こんな経験を活かせます ①データインフラの「ソフトウェア製品化」という潮流の中でソフトウェアエンジニアを通じて培ってこられたのシステム設計・開発スキルが直接活かせる ②マイクロサービス設計の知見をデータメッシュやレイクハウス設計に応用可能 ③TDD/CI/CDの経験をデータパイプラインの自動テスト・品質保証に展開可能 ④DBチューニング経験を活かし、大規模DWH・クエリ最適化・パフォーマンス改善で活躍可能 ③ソフトウェアエンジニア経験で培った論理的思考や可読性・保守性へのこだわりがデータ品質・再現性・スキーマ設計にも直結 ●参考記事 ・ソフトウェアエンジニアからデータエンジニアへ転身して分かった「楽しさ」と「活きるスキル」 https://zenn.dev/finatext/articles/software-engineer-to-data-engineer ・ソフトウェアエンジニアとデータエンジニアの違い・キャリアチェンジ https://speakerdeck.com/mtpooh/swe-vs-de-lt ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure

【検索基盤エンジニアとして、求人ボックスの成長を支える】 全文検索エンジニアとして、サイトの成長に合わせた全文検索のスケール(性能向上・規模の拡大)を担当します。 検索への新しい要件に対して、全文検索エンジン側での対応を行い、ベクトル検索やLTR(Learning to Rank)の開発においてはデータサイエンティストや開発チームと連携して最適化を進めます。 アプリケーションチームと協力しながら、サイトに最適な全文検索エンジン環境の設計と運用も行います。 ユーザーが本当に求めている仕事との出会いを作るため、最新の検索技術を積極的に取り入れて検証・導入を行います。 技術を駆使してユーザーや事業の課題解決に取り組み、より良い検索体験の提供を目指します。 【具体的な業務内容】 ■検索基盤の開発・運用(メイン業務) ・検索案件におけるリリースから保守運用に至るまで一貫した検索基盤の開発 ・Apache Solr の構築・運用・パフォーマンスチューニング ・全文検索エンジンへのデータ投入システムと検索APIの開発・運用 ・検索基盤のCI/CD、モニタリングなど運用システムの構築 ・Apache Solr以外の全文検索エンジン(Elasticsearch、Vespaなど)の検証・導入 ■検索システムの安定運用と改善 ・検索システムの性能監視とボトルネック解析 ・検索精度向上のための継続的な改善活動 ・大量データ・高トラフィック環境での検索システム最適化 ・検索基盤のCI/CD、モニタリングなど運用自動化システムの構築 ■最新検索技術の調査・検証・導入 ・新たな検索技術やツールの技術調査 ・ユーザー検索体験向上のための新技術導入 ・データサイエンティストとの協働による検索アルゴリズム改善 【チームでの協働】 求人ボックスSREチームでは、開発チームやシステムプラットフォーム部と密に協力しながら業務を進めます。 システム基盤の設計から構築、運用まで、システムの安定稼働を支える重要な役割を担います。 急成長を続ける求人ボックスでは、トラフィックやデータが右肩上がりで増加しています。 この成長に対応するため、既存システムの改善だけでなく、新しいアーキテクチャの提案も積極的に行っています。 セキュリティを確保しながらシステムをスケールさせる計画を立案し、その実現に向けて技術選定から構築、運用まで、開発チームと協力しながら取り組んでいます。 クラウド環境についても、開発基盤の構築から本番稼働後の運用まで、SREチームが中心となってサービスの成長を支えています。 【より良い仕事探し体験を目指して】 私たちが目指すのは、単なる検索機能の改善ではありません。 ユーザーが「本当に探している仕事」により出会いやすくするため、検索精度の向上や使いやすさの改善など、仕事を探す体験そのものをより良くする取り組みを行っています。 新しい技術にも積極的にチャレンジしており、AIを活用した検索体験の向上にも取り組んでいます。 技術的な専門性を活かしながら、ユーザーが求めるものを先回りして提供できるサービス作りに参加していただけます。 部署説明 ■求人情報サイト『求人ボックス』：2015年より展開する求人情報の一括検索サービスです。全国の転職サイトや求人サイトから、正社員・アルバイト・パート・契約社員、さらに在宅ワークや新卒採用など、求人情報を集約してわかりやすく提供しています。求人ボックスは、カカクコムグループの中で最も成長が著しい事業セグメントです。2025年3月期通期では売上133億円（前年比+43%）を達成し、月間利用者数1,200万人を突破しました。 【プロダクト開発1部/SREチームのミッション】 カカクコムにおいて新たな分野での成長を期待される、求人ボックスの開発をおこなっています。成長期を迎えたサービスで、新たなユーザ獲得のため、新規コンテンツ開発から大規模トラフィックのためのインフラ整備まで、様々な視点でシステムを構築します。技術を駆使し、ユーザや事業の課題を解決することを目指します。 私たちは月間1,200万人を超えるユーザーに価値を届けており、膨大な求人データと高トラフィック環境において、検索システムの高速化と最適化に取り組んでいます。常にユーザー本位の開発を行い、一人ひとりにとって最適な求人との出会いを提供するプラットフォームを構築しています。 技術面では、価格.comや食べログで培った大規模システム運用の知見を活用しながら、求人検索に特化した新たな技術領域に挑戦しています。データサイエンティストやアプリケーション開発チームと密に連携し、検索精度向上のためのベクトル検索やLTR（Learning to Rank）、そして生成AIを活用した次世代の求人マッチング技術の開発を進めています。 私たちのチームは、単なるシステム運用ではなく、一人ひとりの求職活動をより良いものにするためのプラットフォームの実現に向けて、情熱を持ってとことん追求し続けます。 開発環境 ●求人ボックス アプリケーション開発はLAMP環境です。 端末はMacbookProを支給しています。 Apache Solr PHP, Symfony, Vue.js MySQL, Redis, MongoDB Envoy Ansible, Terraform Kubernetes, Apache Kafka Jenkins, Deployer Datadog, Prometheus, Grafana, Kibana, ElasticSearch GitHub, Gitlab JIRA / Confluence 一部クラウド利用もあり GCP, AWS 入社後のイメージ 入社直後は専任のサポートメンバーをつけ、PCセットアップや開発環境構築、チームメンバーとの顔合わせを通じて職場に馴染んでいただきます。求人ボックスのシステム基盤全体を理解していただきながら、検索エンジンの運用やインフラ管理など、SREチームの幅広い業務に携わっていただきます。システムの安定運用と改善に取り組んでいただくことで、着実にスキルアップしていけます。 検索基盤については先輩エンジニアから詳しい説明を受け、リスクの少ない改善案件から段階的に参加していただく流れを想定しています。能力に応じて徐々に重要な案件を担当いただきますが、業務はチーム全体でサポートしていきますので、チャットや対面で気軽に相談できる環境です。 想定キャリアパス 【検索技術とSRE領域の両軸で成長する】 あなたには検索エンジンのスペシャリストとして、Apache Solrを中心とした検索システムの設計・運用・改善をお任せします。検索精度の向上、パフォーマンス最適化、ベクトル検索やLTR（Learning to Rank）といった最新技術の検証・導入が主な業務です。 【成長するサービスと共に新しい技術にチャレンジ】 求人ボックスは求人数2,000万件以上、検索数1日2500万リクエストを超える成長サービスです。トラフィックやデータ量の増加に合わせて、新しいシステムアーキテクチャの検討や、ベクトル検索、LTR（Learning to Rank）、生成AIといった最新技術の導入検証も重要な業務になります。 技術の進歩とサービスの成長に合わせて、常に新しいことを学び、実践できる環境があります。将来的には以下のような役割を担っていただくことも可能です。 ・システム基盤の技術リーダーとして、新技術導入プロジェクトの推進 ・大規模システムの設計・運用における中心的な役割 ・開発チームやデータサイエンティストとの連携強化 ・SREチーム全体の業務にも幅広く関わり、両軸で成長する ・チームメンバーの技術的成長をサポートする役割 ・求人ボックスの技術戦略策定への参画 【自分らしいキャリアを一緒に考える】 私たちは決められたキャリアパスを用意するのではなく、1on1や目標・評価面談を通じて、あなたの関心や将来への想いを聞かせていただきながら、一緒にキャリアを考えていきます。 専門技術を深めたい方、マネジメントに挑戦したい方、新しい技術領域を開拓したい方など、それぞれの志向に合わせて成長の機会を提供します。業務の中で興味が湧いた分野があれば、積極的にチャレンジしていただける環境です。

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

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」を主軸としながら「エンゲージ」とのデータシナジーを活かし、カカクコムグループ全体のデータ活用価値を高めることがミッションです。 【具体的な業務内容】 ・ビジネスやプロダクトの課題特定、および解決に向けたKPI設計・管理指標の策定 ・Adobe Analytics、GA4を用いた計測要件の定義 ・BigQuery等を用いたELT処理の実装、データモデリング、クエリチューニング ・分析効率と品質を高めるためのデータマートの設計・構築・運用 ・Looker Studio等を用いたダッシュボード構築、および可視化環境のパフォーマンス管理 ・統計的手法を用いた仮説検証、施策の効果測定、およびネクストアクションの提案 ・データの品質モニタリング(テスト実装)や、集計ワークフローの自動化 ・求人ボックス全体のデータ基盤(DWH)のアーキテクチャ設計や技術選定への参画 【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】 言語:Python / SQL インフラ:Google Cloud / BigQuery コンテナ/IaC:Docker BI:Looker Studio 計測ツール:Adobe Analytics / GA4 他基盤関連:Vertex AI / Cloud Run / GCE / Workflows ▼入社後のイメージ 1か月目 ・社内システムやデータ基盤の理解 ・既存の分析プロジェクトの把握 ・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 ・チーム内での知見共有や後輩の指導

～生成AI・データ基盤・自動化技術を掛け合わせ、業務プロセスを根本から変革する～ 私たちは、RAG/AIエージェント/DWH/MLOpsなどの技術を活用し、“実運用を前提としたAI活用”を通じてプロセスDXを実現しています。 AIエンジニアは、単なるモデル開発にとどまらず、業務構造の理解からソリューション設計、実装、運用・改善までを担い、AIをビジネス価値へと接続する役割を担います。 DX統括部データサイエンス部はAI×データ×自動化を組み合わせ、広範囲なプロセスDXを実現し、 人が行う業務工数の“ゼロ化”を目指す組織 です。 当組織は、データエンジニアリング領域を強みとしており、 DWH・データパイプラインの設計・構築・運用に関する知見を有しています。 そのため、単なるPoCや一部機能開発にとどまらず、 データ取得・加工・検索設計 RAG / AIエージェントの実装 精度改善・運用サイクル構築 まで、実運用を前提とした一気通貫の開発に取り組める点が特徴です。 今回は、市場的なニーズが急増している、 生成AI、AIエージェント、RPA、DWH、MLOps、ローコード、クラウドなど 最新テクノロジーを現場の業務に落とし込む“実装力”を持つAIエンジニア を募集します。 ≪業務内容≫ 1.課題把握・業務構造の分解 業務フロー・KPI・例外処理の可視化 自動化・AI適用が成立する領域/しない領域の見極め 2.ソリューション設計 業務要件・制約(精度/コスト/運用負荷/セキュリティ)を踏まえた 生成AI/AIエージェント/RPA/API/DWH の構成設計 技術選定およびアーキテクチャ設計 3.実装・検証(PoC〜本番導入) Python・API連携による実装 RAG、OCR、音声解析などのモデル・構成選定と検証 PoC結果を踏まえた 本番導入可否の判断・改善 4.本番運用・高度化 KPI設計、精度劣化検知、改善サイクル構築 変更管理、再学習・再設計方針の策定 手順書整備・運用定着支援 5.ステークホルダー連携 技術的制約やリスクを踏まえた期待値調整・合意形成 ROI可視化・報告資料作成

本ポジションは、Sansanの人事領域におけるデータプラットフォームを整備し、採用・配置・評価といったあらゆる意思決定をデータドリブンに進化させる役割を担います。 HCM(人事基盤)やATS(採用管理システム)などのHRツールを軸に、散在する定性データや非構造化データを整備・統合。単なる「データの可視化」に留まらず、AI活用やピープルアナリティクスを支える次世代型基盤への刷新を主導し、「攻めの人事DX」を実現します。 〔具体的な業務〕 ●HRデータプラットフォームの拡張・最適化 ・採用・配置・評価等の意思決定に最適化された統一データモデルの策定 ・BigQuery、GCS、dbt等を用いたスケーラブルなDWHおよびデータマートの設計・構築 ・各種人事ソースシステムからのETL/ELTパイプラインの設計・実装 ●人事業務の再設計(BPR) ・既存業務の自動化にとどまらず、業務プロセス自体の再設計・AIなどのシステムを用いた完全自動化フローを構築 ・AI/LLMを活用したオペレーションの高度化・自動化 ・人事担当者や経営陣のニーズをくみ取り、人事メンバーが本来の業務に向き合う環境を実装 ●データ活用の民主化とガバナンス設計 ・セキュアな権限管理とセルフサービスBI環境の構築 ・非エンジニアでも意思決定にデータを活用できる仕組みの実装 ●開発環境、使用するツールなど ・言語:Python, SQL, Google Apps Script ・データベース・DWH:BigQuery, Google Cloud Storage, Cloud SQL ・インフラ・プラットフォーム:GCP(Cloud Run, Cloud Functions, Cloud Workflows など) ・CI/CD・運用・監視:GitHub Actions, Terraform, Cloud Logging など ※従事すべき業務の変更の範囲:会社の定める業務