データエンジニア(AWS Lambda)の求人・転職情報

【こんな方におすすめ】 ●データ活用で製品価値や開発プロセスを革新したい方 ●大規模データやクラウド基盤を活用して意思決定や改善を推進したい方 ●データ解析・AI技術を使って組織横断の課題解決に挑戦したい方 ●分析結果を現場に還元し、プロセスや製品に影響を与える仕事にやりがいを感じる方 ● 新しい技術や仕組みを自ら試し、チームやプロセスに展開できる方 ● データ活用によってソフトウェア開発の生産性を高めたい方 ● 技術とビジネスの両面から価値を生み出すことに興味のある方 【業務委細】 ●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform

【業務委細】 ●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform

【業務委細】 ●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform 【こんな方におすすめ】 ●データ活用で製品価値や開発プロセスを革新したい方 ●大規模データやクラウド基盤を活用して意思決定や改善を推進したい方 ●データ解析・AI技術を使って組織横断の課題解決に挑戦したい方 ●分析結果を現場に還元し、プロセスや製品に影響を与える仕事にやりがいを感じる方 ● 新しい技術や仕組みを自ら試し、チームやプロセスに展開できる方 ● データ活用によってソフトウェア開発の生産性を高めたい方 ● 技術とビジネスの両面から価値を生み出すことに興味のある方

●データ基盤の設計・構築 ●車両開発・ソフトウェア開発の各種データを統合・可視化するデータパイプライン構築 ●クラウド上でのデータ収集・加工・分析環境整備(ETL/ELT設計) ●データ分析・機械学習の活用 ●ソフトウェア開発効率や製品品質向上に向けた分析・予測モデルの構築 ●生成AIや機械学習モデルの運用 ●開発プロセスの改善支援 ●データに基づいた開発プロセス改善提案 ●ダッシュボード作成やデータ可視化による現場へのフィードバック ●組織横断でのデータ活用推進 ●SDV開発に関わる複数部門と連携し、データ活用の標準化・最適化 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発環境・ツール】 ● プログラミング言語・スクリプト:Python, SQL, Shell Script, JavaScript, C++(一部領域) ● データ基盤・分析環境:AWS(S3, Redshift, Glue, Lambda等)、GCP(BigQuery, Dataflow, Vertex AI等)、Azure(Synapse, Databricks等) ● 開発・運用ツール:Docker, Kubernetes, Jenkins, GitHub / GitLab, JIRA, Confluence ● データ分析・可視化ツール:Tableau, Power BI, Superset, JupyterLab, Pandas, Scikit-learn ● 機械学習/AI関連:TensorFlow, PyTorch, MLflow, Generative AIツール(LLM活用基盤等) ● 車載開発・統合設計ツール(連携領域):AUTOSAR Adaptive/Classic, PREEvision, Enterprise Architect, Doors, Jazz Platform

【具体的には】　 ※ご経験/スキルに合わせ詳細業務を決定します 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 尚、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが発生する場合があります。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

【具体的には】　※ご経験/スキルに合わせ詳細業務を決定します 自社開発しているAD/ADASシステムの商品性や安全性能といった対他競争力を高めるためには、市場でのシステムの使われ方や弱点を早く、正確に把握することが必要です。そのためには、市場を走行しているユーザー車両から周辺状況、ドライバー状態、車両状態など、様々なデータを収集・分析して、商品開発にフィードバックするデータドリブン開発を如何に他社よりも早く、安く、上手く実現できるかが鍵となります。 私たちの部門は、このデータドリブン開発を支援するためのデータエンジニアリングが主な役割であり、具体的には以下のような業務を推進しています。 ●データパイプラインの構築: 　世界中のお客様が使っているホンダ車から集めた市場データや、開発車両による公道走行で取得したデータを高速かつ低コストに集約し、使いやすい形に加工変換し、保管するため一連のデータ流れ(ELT/ETL)の設計・構築 ●データ基盤の設計・構築: 　収集したデータを効率的に管理するため仕組み(データレイク、データウェアハウスなど)をクラウド上に構築 　また、保存されているデータの可視化や、使いたいデータを検索するためのダッシュボードを構築 ●データ品質管理(データクレンジング) 　データの欠損や不整合などを解消し、分析に使える品質の高いデータに整える ●データガバナンス: 　データのセキュリティやアクセス管理など、データを適切に管理・利用するためのルールの作成と徹底 尚、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。世界中からデータを集めるため、海外現地法人や海外研究機関など、海外とのやりとりが発生する場合があります。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 業務では以下のような開発ツールを使用していますが、全てについて使用経験がある必要はありません。 ●AWS: Lambda、SageMaker, Athena, Redshift 等 ●CI/CD: GitLab, Docker, Ansible, Terraform, Jenkins 等 ●データウェアハウスツール:SnowFlake、Databricks ●言語:Python, SQL ●データ分析・AIライブラリ:numpy, scipy, scikit-learn, Jupyter Notebook, PyTorch)

●詳細 弊社が運営する全サービスのデータを全社横断的に管理・運用し、データ活用を推進するためのデータ基盤構築・運用を担っていただきます。 〈具体的な業務内容〉 ・Google Cloud上でのデータ活用基盤開発、保守運用 ・ワークフローエンジンを用いたETL処理の開発、保守運用 ・Pythonを用いた業務自動化ツールの開発 ・データ蓄積観点からのデータベース設計およびテーブル設計のレビュー ・データドリブン経営を実現するためのデータマネジメント体制構築 ・Terraformを用いたデータ基盤インフラのIaC化およびインフラ管理 ●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) ●使用技術 ・Google Cloud(BigQuery、GCS、CloudRunFunctions、CloudRun、CloudComposer、Dataform、Dataplex) ・AWS(EC2、ECS、Lambda、S3、RDS、Sagemaker) ・ワークフローエンジン(Airflow) ・Python ・SQL ・Git ・Terraform ・Fivetran ●働く環境 ・私服可 ・作業中イヤホン可 ・ハーマンミラーの椅子 ・メンター制度による中途入社者へのフォロー ●テクノロジー戦略室について 高度な技術を持って、全社の技術戦略を策定、推進し、全社の技術力向上を目指す部署です。文化作り、全社基盤開発、全社サポートなど全社に影響する開発、活動を行っています。 ◇SREチーム インフラ、運用、パフォーマンスチューニング、アーキテクチャー設計などのサポートを全社のチームに行いつつ、SRE文化を浸透させているチームです。 ◇AI/MLエンジニアリングチーム データサイエンティストとビジネスだけで機械学習を活用できるようにするためのプラットフォームを開発したり、GenerativeAIの業務やサービスへ応用を推進するチームです。機械学習の知識、バックエンドの知識、ビジネス知識などを広く持ち、弊社の全社のビジネスをより効率的、効果的にするために日々奮闘しています。 ◇データエンジニアリンググループ 利用者が1000人を超える全社のデータ活用基盤を構築しているチームです。データドリブン経営や事業推進を実現するために、エンジニアリング領域で必要なことは全て担っています。システムインフラだけでなく、データをより活用しやすい環境にするためのデータマネジメント推進も行っています。

●事業概要 昨今のビジネス環境では、SaaSをはじめとする最新テクノロジーの活用が組織の生産性向上に不可欠となっています。しかし一方で、SaaSの急速な普及に伴い、不正アクセスや情報漏洩等のセキュリティリスクや運用管理の煩雑さなど、様々な課題も浮き彫りになっています。 HENNGEでは、このような課題を包括的に解決し、企業の安全かつ便利なクラウドサービスの活用をサポートする、クラウドセキュリティサービスの「HENNGE One」を提供しています。 HENNGE Oneはサブスクリプション型のクラウドサービスとしてお客様にご提供していますが、解約率は一般的なSaaSビジネスの解約率を大幅に下回る0.3%前後で推移しており*、お客様から必要とされるサービスとして、上場企業を含む多くの企業にご利用いただいています。今後も継続的な顧客拡大やサービスの拡充を進め、企業のクラウドサービス活用を促進するため、積極的な人員増員を行っています。 *2025年9⽉期決算説明資料より 参考:[会社紹介資料](https://speakerdeck.com/hennge/company-introduction) ●具体的な業務内容 膨大なユーザーログやサービス利用状況のデータを扱う、データ管理基盤の設計・改良・運用が主な業務です。 AWS 上のデータパイプラインやデータベースの最適化、ETL プロセスの設計・開発を通じて、ビジネスの意思決定を支える情報インフラを構築します。 データクレンジングやフォーマット変換など、地道な作業も含まれますが、これらはデータ活用の精度を左右する重要なプロセスです。 ●具体的なプロジェクト例 HENNGE One の新サービスや新機能の効果測定を行うため、新しい機能のリリースに合わせて取得されるデータ集計のプロセス策定を行う ビジネス部門のマネージャーと連携しながら、既存顧客のサービス利用状況分析のために必要なデータの定義を行うことで、販売戦略の意思決定を支援する ●依頼元とチーム体制 依頼元はプロダクトマネージャー、セールス、マーケティング、カスタマーサクセスといった HENNGE Oneビジネスを推進する各部門のメンバーです。 HENNGE One ビジネスの状況を深く理解し、彼らがデータをスムーズに利用できるよう、技術的な側面から支援します。 チームの垣根を越え様々な部門と密に連携を取りながら、ビジネスの成長という共通の目標に向かってプロジェクトを推進していきます。 ●業務の裁量範囲 データエンジニアとして、HENNGE One のデータ管理基盤の全体に責任を持って取り組んでいただきます。 ETL プロセスの設計・開発はもちろん、データパイプラインのアーキテクチャ改良、AWS リソースの最適な運用方法の提案と実行まで、大きな裁量があります。 あなたのアイデアとスキルで、データ活用の新たな可能性を切り開き、ビジネスの成長を加速させることができます。 ●従事すべき業務の変更の範囲 会社の裁量により、変更となる可能性があります。

弊社の主力事業であるデータプラットフォームの導入・構築について、AWSを用いたビジネスの拡大が著しく、AWS人材の増員を図るものです。 弊社の主力事業であるデータプラットフォームの導入から実行支援について、 特にAWSを用いたプロジェクトを中心にご担当いただきます。 ●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。 お客様が持っている散在したデータを活用するため、 データを集約、加工、可視化し、経営判断に役立てる仕組みを、AWSにて構築しております。 主に使っているサービスや技術は以下になります。 AWSサービス ・RedShift ・RDS ・QuickSight ・Glue ・Lambda その他技術 ・SQL ・Python ・各ベンダーのBIツール 弊社は、以下のサービスデリバリープログラム(SDP)も取得しております。 ・RedShift ・QuickSight ※上記両方を取得した会社としては、日本初となります。 ※AWSのパートナー ※AWSのSDP ※会社全体ではマルチクラウド ※勉強会

プロジェクトの例 業界・業種・技術は問わず多様なプロジェクトがあり、各業界をリードするエンタープライズ企業さ んと多くご一緒しています。 大手プロダクト・SaaSにおけるデータ分析基盤・自社用データマートのゼロからの設計・ 構築 Webサービス・ゲーム等のログデータ/取引データを対象としたDWH・マート構築および Redash/TableauでのKPI可視化 全社横断データマネジメントグループでのデータ定義統一、ドキュメント化、クエリチュー ニング Claude Code等の生成AIツールを活用した定型抽出・分析タスクの自動化・効率化推進 技術スタック(一部) AI/機械学習・自動化: Claude, OpenAI, Gemini, Claude Code, PyTorch データ/DWH/ETL: BigQuery, Redshift, AWS (S3, Lambda), GCP (Dataform), Azure Databricks, dbt, digdag 分析/BI/ツール: Tableau, Looker Studio, Redash, Adobe Analytics, Salesforce 言語/DB: SQL, Python, PostgreSQL, MySQL DevOps/環境: GitHub, Docker, Windows, Mac, Linux ツール: Slack, Notion, Google Workspace

くすりの窓口では、薬局・医療・製薬会社向けに、認証基盤・データ分析基盤・情報連携システムの開発を行っています。 今回募集するポジションでは、下記システムの開発・運用・改善をご担当いただきます。 担当システム ① MFA認証基盤 各システムから利用される多要素認証基盤の開発・運用 ② 製薬会社向け情報連携基盤 製薬会社向けにデータ連携・分析を行うシステム開発 ③ Dify基盤運用 生成AI基盤(Dify)を利用した社内システムの運用・改善 ④ 製薬会社向けデータ連携 AWS上での大規模データ処理・S3連携・Step Functionsによるデータフロー開発 ・Python / React を利用したWebアプリケーション開発 ・AWS Lambda / Step Functions を利用したサーバレス開発 ・Athena / QuickSight を利用したデータ分析基盤構築 ・DMS等を利用したデータ連携開発 ・Dify基盤の運用・改善 ・製薬会社向けデータ分析機能の開発 ・システム運用・保守 ・新規事業PS企画部との要件整理・仕様検討 AI駆動開発も積極的に導入しており、 Claude Code や Dify を利用した業務効率化も進めています。 【開発課題】 ・複数システム間のデータ連携 ・製薬会社向けデータ分析基盤の強化 ・MFA認証基盤の拡張 ・AIを活用した運用改善 ・大量データ処理の性能改善 ・運用が属人化している箇所がある ・データ連携処理が複雑化している ・AWS利用拡大に伴うコスト最適化 ・既存バッチやデータ処理の整理