データエンジニア(GitHub Actions)の求人・転職情報

モビリティ価値を最大化するSDVの世界観を早期実現するため、以下の業務を関連部門や協力会社と連携して担当いただきます 。 ●車両データ収集基盤およびデータ利活用アプリケーションの開発基盤設計 ●単一機能に留まらず、車両1台やクラウドとの連携を見据えた最適なデータアーキテクチャの策定 ●車両から取得したデータを価値へ変換するためのECU内およびシステム横断的なデータ構造設計 ●OSSやコンソーシアムへの仕様提案・コントリビューション 【開発ツール】 ・プロジェクト管理: GitHub Issue ・開発言語: C++, Python ・自動試験フレームワーク: Robot Framework, Google Test, GitHub Actions ・静的解析ツール: (BlackDuck, Coverity, C++test, QAC) ・各種AIフレームワーク

●職務内容・担当業務 ビジネスアーキテクトやフルスタックエンジニアと連携し、AIエージェントが企業の文脈を理解して自律的に動くための「AI-Readyなデータ基盤」の設計・構築を担っていただきます。 ・社内外に散在するデータを統合し、分析・AI活用に耐えるデータパイプライン/データ基盤を設計・実装 ・ナレッジグラフ/オントロジー(RDF・OWL等のセマンティック技術)を用いて、データに「意味」と「つながり」を与える基盤を構築 ・データ品質・データガバナンスの仕組みづくりと、AIエージェントがデータを安全に参照できる仕組み(MCP等)の整備 ・主要顧客とのPoCを通じて、再利用可能なIP(オントロジーテンプレートやパイプライン)として磨き込み、産業全体へ展開 ●開発環境 データ基盤:BigQuery、Microsoft Fabric(OneLake/Delta Parquet)、各種クラウドDWH ナレッジグラフ/セマンティック:Stardog(RDF・RDFS・OWL/W3C標準準拠)、Neo4j、SPARQL AI/LLM連携:Python、各種LLM API、ナレッジグラフ/RAG、MCP・A2A等のエージェント連携プロトコル プラットフォーム/インフラ:GCP、Azure、AWS、Kubernetes、Terraform(IaC)、GitHub Actions(CI/CD) ●研修 ・Off-JT:Udemy Business等のeラーニングに加え、クラウド(GCP/AWS/Azure)やデータ技術のベンダー資格を会社負担で取得できます。オントロジー/グラフDBについても専門トレーニングを活用し、未経験の領域でも体系的に学べる環境を整えています。 ・OJT:実際のBDX事業のプロジェクトにアサインし、第一線の技術者と協働しながら、構想からPoC・実装までを実践的に経験いただきます。 ・社内勉強会・技術共有会を定期開催し、チーム全体で学び合う文化を大切にしています。

●当社・組織概要 パーソルキャリアでは、「はたらいて、笑おう。 」をビジョンに掲げ、転職支援サービス「doda」「doda X」をはじめとしたさまざまなキャリア支援サービスを展開しています。 約1000万人ユーザー規模の行動ログや法人求人データ・スカウトデータを活用し、一人ひとりに最適な仕事との出会いを届けるため、AI・機械学習を活用したレコメンド・マッチング機能の高度化を推進しています。 プロダクトサイエンス部は、転職支援サービス「doda」「doda X」を中心に、プロダクトにおけるデータ活用・AI活用を推進する組織です。 データサイエンスとプロダクト開発を融合し、レコメンド・マッチングを通じて継続的にユーザーへ価値を届けられるプロダクトへ進化させることでユーザーの転職活動体験の向上と事業成果の最大化を目指しています。 ●本ポジションのミッション 転職という人生における大きな意思決定を支えるレコメンド・マッチング機能の価値をさらに高め、一人ひとりに最適な仕事との出会いを届ける。 その基盤となるレコメンドプラットフォームの改善と進化を推進することが本ポジションのミッションです。 現在は、既存レコメンドプラットフォームの品質向上と安定運用に取り組むとともに、他部署で開発が進む「全社データ活用基盤」との連携を見据えたデータ基盤の刷新を進めています。 単なる運用改善に留まらず、パーソルキャリアが長年蓄積してきたAI・機械学習の資産や知見を全社で活用できる仕組みへと昇華し、多様な利用者やユースケースに対応できる形で提供することで、全社のAI活用を加速させ、事業価値創出に貢献していただくことを期待しています。 ●職務概要 本ポジションでは、レコメンドプラットフォームのさらなる進化に向けて、システム基盤・データ基盤の改善や新たなプラットフォーム技術の検証・導入を担っていただきます。 短期的には、可用性・レイテンシ・セキュリティ・コスト最適化など、レコメンドプラットフォームの品質向上と安定運用を推進していただきます。 中長期的には、ワークフローエンジンのモダナイズやデータモデル・データパイプラインの刷新に加え、次世代データプラットフォームの技術選定や導入にも携わっていただきます。 また、AI・機械学習資産を全社で活用しやすい形へと展開するための共通基盤づくりにも参画いただき、将来的には技術戦略や基盤アーキテクチャの検討にも関わっていただくことを期待しています。 ●担当業務:ご経験・ご志向性に応じて担当いただく領域を決定します。 <機械学習基盤・プラットフォーム領域> 機械学習基盤(AWS)の運用・保守および改善 共通コンポーネントの設計・開発・改善 監視・アラート基盤の整備・運用 SLI/SLOの設計・運用 可観測性向上に向けた監視基盤の改善 中長期的な基盤アーキテクチャの検討および技術検証 クラウド利用料を含むインフラコストの最適化 <データエンジニアリング領域> データマートの要件定義、設計、開発、運用 ETL/ELTパイプラインの設計・開発・改善 dbtを活用したデータ変換処理およびデータモデルの設計・開発 データ品質向上に向けたテスト設計、監視、改善 <データマネジメント領域> メタデータ管理の推進 データカタログの整備・運用 DMBOKの考え方を踏まえたデータマネジメントの推進 <技術改善・技術戦略領域> 生成AIを活用した開発プロセスの改善 新技術・新ツールの調査、検証、導入 開発生産性向上に向けた継続的な改善活動 将来を見据えた技術戦略やアーキテクチャの検討 ●技術環境 【言語】Python、SQL 【データベース】Amazon Redshift、Amazon RDS for PostgreSQL、Redis 【クラウドサービス】AWS、Microsoft Azure、Google Cloud Platform(GCP) 【ソースコード管理】GitHub 【プロジェクト管理】Backlog、Confluence、Jira 【課題管理・コミュニケーション】Slack、Microsoft Teams ●チーム・開発スタイル 私たちは、転職支援サービスのレコメンド・マッチング機能を支える機械学習基盤・データ基盤の進化を担う組織です。 日々の改善活動から大規模な基盤刷新まで幅広いテーマに取り組み、サービス価値の向上を技術面から支えています。 機械学習エンジニアやデータサイエンティストと密接に連携しながら、インフラ運用に留まらず、MLOpsの高度化やデータ活用推進、開発生産性向上など、事業価値につながる課題解決を推進しています。 また、職域に縛られず、インフラ、データエンジニアリング、MLOps、SRE、データマネジメントなど幅広い領域に挑戦できることも特徴です。 新しい技術や改善施策の提案を歓迎する文化があり、自らのアイデアを実際のサービスや基盤へ反映できる機会も豊富にあります。 課題発見から企画、設計、実装、運用改善まで一気通貫で携わりながら、ユーザー体験の向上や事業成長へ直接貢献できる環境です。

・PjM(プロジェクトマネージャ)と連携したアプリケーションの設計・開発 ・サービス開発に必要なアーキテクチャ設計および実装・開発チームにおける技術的リード ・適切な技術の選択・最適な設計と実装 ・既存サービス/新サービスの新機能の要件定義・設計・開発・テスト ・開発環境の整備や開発プロセスなどの改善による生産性向上 ・リリースの立ち合い/リリース後のテスト ・ログを用いた確認や調査(速度改善や機能の動作テスト) 【具体的な業務内容】 Step1 入社～1か月 〇実際の開発体制に慣れるため軽微な案件にアサイン ・対象環境で軽微な修正/リリースまでを通じて流れの確認 ・ユーザーからの問い合わせや案件を共有するMTGへの参加、他部署からの依頼への対応を通じてシステムへの理解を深める ・同ポジションのエンジニアとコミュニケーションをとり、各環境での開発フロー、既存の機能、設計思想などの認識をすり合わせる Step2 2か月～半年 〇要件のヒヤリングからリリースまでを担当 ・案件内容によっては他部署とコミュニケーションをとり、開発、リリースまで担当する ・不明点がある場合や案件規模が大きい場合には、上長や同ポジションのエンジニアと協力しながら進行する Step3 半年～1年以降 〇担当案件に加え、運用業務や技術面でのリードに貢献 ・お問い合わせへの調査、回答 ・バッチ改修 ・FWや外部サービスの導入など、技術面で品質向上につながる提案

本ポジションでは、自然言語処理や生成AIを活用したタレントマネジメントソリューションの開発を担当いただきます。社内の人材情報(スキル・人事データなど)を活用し、個人・組織のスキル可視化や育成支援に繋がる仕組みを構築します。 ●具体的には、以下の業務をアジャイル開発体制のもとで推進していただきます スキルアセスメント入力機能、スキルDBの構築 スキルカルテで組織ケイパビリティのダッシュボード開発 育成支援モデル、スキル判定エンジンの設計・実装 自然言語処理・生成AI(LLM等)を活用した機能開発 Webアプリケーション(React+FastAPI)によるフロント・バックエンド開発 AWS/Azureなどクラウド環境での実装・運用 モブプロやスクラムを活用したチーム開発 社内実践を通じて得た知見を活かし、将来的には社外展開も視野に入れたソリューション開発に携わっていただきます。 ※変更の範囲:会社の定める業務

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

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

【ポジション概要】 当本部は三菱UFJ銀行並びにMUFGグループのデータドリブン経営を支える情報系システムを企画構想から設計・開発・リリース・保守まで一貫してリードしています。 経営のスピード改革が加速する中、グループ各社で日々発生する膨大な取引データを巨大DWHに集約し、意思決定に直結する“使える情報”へと磨き上げて提供。 ITの力で経営の高度化と迅速化を推進しています。 あらゆる意思決定へのデータ利活用のニーズの高まりを受けた旺盛な開発需要に応えるため、以下のポジションで即戦力となる人材を募集します。 クラウド、ERP、SaaS、データレイク/DWH/BI、データパイプライン、生成AI開発など先進技術を横断し、ペタバイト級の金融データから意思決定の質と速度を引き上げる、社会的インパクトの大きい仕事です。 ①アプリケーション開発やデータベースの最適化を主導するITスペシャリスト(アプリケーションスペシャリスト) ②大小並行する複数のプロジェクトを牽引・マネジメントするPMエキスパート ③適切なデータ配置、機能配置、適用技術の選定、テクニカルレビューを担えるアーキテクト・テクニカルリード(ITアーキテクト、ITスペシャリスト) 【業務内容】 (雇入れ直後) 三菱UFJ銀行及びMUFGグループのデータドリブン経営を支える以下いずれかの業務システムの企画・開発・保守をご担当頂きます。 ●ビッグデータ基盤、経営情報システム(企業管理会計) ●財務会計 ●リスク・コンプライアンス管理、人事(従業員・組織管理、給与、勤怠、福利厚生) ●マーケティング、顧客提案支援 (変更の範囲) 会社の定める業務 【役割・責任】 業務内容欄に記載したシステムの開発・保守に於いて、ご経験・適性に応じて以下3ついずれかの役割を担っていただきます。 ①ITスペシャリスト:アプリケーション開発の技術領域における専門性を活かし、主に設計・開発・構築・テスト・運用を主導 ②PMエキスパート:大小並行する複数のプロジェクトの牽引・マネジメント(ユーザー調整・コスト・進捗・品質マネジメント) ③ITアーキテクト・スペシャリスト:適切な機能配置、適用技術の選定・導入支援、テクニカルレビューを主導 【配属想定部署】 情報本部 【配属想定部署概要】 情報本部内の各部に於いて以下の業務システムの開発保守を担う。 ・データエンジニアリング第一部、第二部:ビッグデータ基盤、BI基盤(Tableau)、経営情報システム ・財務データ戦略第一部、財務データ戦略第二部:財務会計、決算ERP ・リスク管理データ戦略部:リスクコンプライアンス管理、信用リスク管理 ・人事データ戦略部:人事システム ・セールスデータ戦略部:マーケティング、顧客提案支援 【配属想定部署の人員構成】 情報本部全体で社員:約220名(ビジネスパートナー約700名)、大規模ですが風通しはよく、若手のうちから様々なことにチャレンジできる風土です。 【おもな関係者】 三菱UFJ銀行の経営基盤業務(経営情報管理・活用、与信、会計、人事、リスク・コンプライアンス、マーケティング等)の業務・企画部門担当者。 システム開発・保守に於いて関係する他システムを所管する当社社員。 当部に在籍し、開発作業の一部をご担当頂くビジネスパートナー各社。 【想定担当案件(例)】 ●ビッグデータ基盤の拡張・刷新 ・AIデータ分析など高まるデータ利活用ニーズに応えるためのデータ収集・加工・管理・配信などのデータエンジニアリング案件 ・業務部門の大規模データの参照、集計・加工等の利便性向上等の多様なニーズに対応する為のビッグデータ基盤、BIツールなどのモダナイズ案件。 ・20年来稼働してきた現行DWH(メインフレーム)中心とした情報系アーキテクチャの更改案件。 (DWHからビッグデータ基盤への移行など) ●財務会計システム更改(連結決算の次世代化) ・グループ横断で決算情報をシームレス集約・統合し、決算早期化と精度向上を両立。 ERPパッケージを軸に、IFRS(国際会計基準)対応や管理会計強化、ワークフロー/統制の高度化を推進する案件。 ●コンプライアンス管理システム刷新 ・M&Aやプロジェクトファイナンス、O&D等、インサイダー情報管理や利益相反管理が重要且つ複雑である領域のビジネス拡大が見込まれる中、企業コンプライアンス管理関連システムの抜本的変更を目的としたシステム更改案件。 ●人事システム更改 構築から35年を経過したメインフレーム/EUCからの脱却。 人事マスタ再設計、権限・セキュリティの最新化、クラウド/SaaS活用、データ連携の再編成で、持続性と拡張性を備えた次世代HR基盤へタレント・勤怠・給与の一気通貫を目指した再構築案件。 ●営業支援システムのレベルアップ 営業力強化をサポートする基盤として銀行営業店が使うアプリケーションを集約する顧客業務統合プラットフォーム上で稼働する営業支援システムのレベルアップ案件。 AIエージェント導入による次アクション提案、リードスコアリング、ドキュメント要約、音声メモ自動化など、現場効率と成果を劇的に高める機能の実装など。

●現状の課題/今後取り組みたいこと freee のデータ活用は長らくデータ分析が主軸でした。 しかし生成 AI の台頭により、データを資源とした活用ニーズは多様化・複雑化し、マルチプロダクト戦略のもとプロダクトを横断したデータ活用ニーズも急増しています。 私たちは 「AI Ready の正体はデータマネジメントである」 と考えています。 AI Ready とは、LLM に収まるコンテクストかつ解釈可能なレベルまで、高品質なデータが構造化・管理されている状態を指します。 これは AI 技術だけの問題ではなく、データマネジメントそのものの問題です。 freee は現在、ハブ・アンド・スポーク型のデータメッシュ(Provider / Hub / Consumer)への変革期にあり、メダリオン 2.0(Bronze / Silver / Gold + Platinum)を共通言語に、全社プロジェクトを同時並行で推進しています。 本ポジションは、その中でも 「データを人とエージェントに届ける最終区間(ラストワンマイル)」 を担い、以下を推進します。 ・指標・ディメンションの一元管理とガバナンス LookML、BigQuery、dbtを用いて定義の一元化と変更管理を行う。 ・AI向けコンテキストの構造化 エージェントが参照可能なビジネス用語やメタデータを「AI-ready」な状態に整備する。 ・リモートMCPの設計・運用 社内外のAIクライアントに対し、セマンティックレイヤーやコンテキスト基盤を開放する仕組みを構築する。 ・回答品質の評価と改善サイクルの確立 正答率や解決率をロギングし、それを起点とした継続的な改善を行う。 ・評価駆動開発へのシフト 評価駆動開発への移行が進み、品質改善が人手の勘ではなくデータ(評価)で回るようになっている ・データプロダクトマネジメント 部門からの要望をインテークし、優先度付けや「作らない」判断を含めた製品マネジメントを担う。 ●業務内容詳細 freee の全社員が、エージェントとの対話だけで信頼できるデータに到達できる状態をつくる。 セマンティックレイヤーとコンテキスト基盤をユーザー需要から逆算して設計し、その回答品質をロギング・評価で計測しながら、分析エージェントとして届けきる。 具体的には以下を担っていただきます。 ・セマンティックレイヤー / コンテキスト基盤の整備 ・分析エージェント / リモートMCPの開発・運用 ・ ロギング・評価基盤の設計・運用 ・データプロダクトマネジメント ・ファシリテーション / 全社への浸透 ※会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 2024年にM&Aで獲得した「ミセシル」事業のエンジニアを募集しています。 ミセシルは3,000万人規模の位置情報データを扱う人流分析AI Agentです。 上記のデータを活用した分析プロダクトの開発を進めており、一緒に手を動かして事業を前に進めるメンバーを新たに迎えたいと考えています。 【主な業務内容】 3,000万人規模の位置情報データを活用し、商業施設向けの分析プロダクトを開発しています。今までのミセシルのダッシュボードを刷新していく開発と、新たに進めているPoC向けの新規開発の両方に携わります。 担当領域を技術で固定することはなく、プロダクトの状況に応じて、アプリケーション開発からデータ基盤の構築まで横断的に手を動かします。 並行して、稼働中の既存システムの安定運用・改善も担います。 ・ダッシュボードの刷新に向けた開発 ・PoC向けの新規開発 ・位置情報データを用いたデータ基盤の開発 ・稼働中の既存システムの安定化・改善 【技術スタック】 ・バックエンド:Python、FastAPI ・フロントエンド:TypeScript、React、Vite ・データ基盤:Snowflake、dbt ・データ取り込み:S3、Snowpipe、Snowflake Tasks ・データベース:Aurora PostgreSQL Serverless v2 ・インフラ:AWS(ECS、ECR、S3、Aurora)、Terraform、Valkey ・開発環境:GitHub、GitHub Actions、Docker、Claude Code

●配属部署 マーケティング本部　マーケティングユニット ●概要 全社横断のデータ利活用を推進するため、キャッシュレス決済データ(取扱高58.9兆円、会員数3893万人、月間数億件のトランザクション)に代表される社内外の膨大なデータを扱う、モダンかつスケーラブルな次世代データ基盤の構築・運用をお任せします。 ●仕事内容 具体的には、以下の業務を通じて、ビジネス部門や顧客向けのデータ利活用をエンジニアリングの側面からリードしていただきます。 ・データ基盤の設計/構築/運用:AWS、Snowflake、Databricksを用いた、スケーラブルで堅牢な全社向けデータプラットフォームのエンジニアリング ・データパイプラインの開発:dbtを用いたデータ変換(モデリング)の高度化、およびGitHub ActionsによるCI/CD環境の構築・自動化 ・データマネジメントの実装:メタデータ管理、データ品質、ガバナンスを担保したデータモデリングの実践 ・データ利活用の支援:Lightdash等のBIツールを用いたデータ可視化や、顧客向けデータ提供サービスのバックエンド実装支援 ・内製開発文化の醸成:技術選定や開発プロセスの改善を通じ、モダンな技術スタックを用いたアジャイルな内製開発チームのリード ●開発チームの環境・カルチャー 内製化を強力に推進するにあたり、エンジニアがパフォーマンスを最大限に発揮し、自律的に改善を行えるモダンな開発環境の整備を進めています。 ・コミュニケーションとナレッジ:Slackを用いたスピーディーなコミュニケーションと、Notionへのドキュメント集約による、透明性の高いナレッジ共有を徹底しています。 ・開発生産性の可視化/継続的改善:Findy Team+を導入してチームの開発パフォーマンス(Four Keysなど)を定量的に計測し、データに基づいた開発プロセス改善に取り組んでいます。 ・AIエージェントによる開発の加速: Claude Codeを活用したエージェントコーディングを導入開始しており、エンジニアがより本質的な設計やデータモデリングに注力できる環境づくりを進めています。

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。

●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

●具体的な仕事内容 端的にいえば、「クライアントの最前線に深く入り込み、技術的な専門性とビジネスの洞察力を駆使して、複雑な課題を『解ける形』に再定義し、その場で実装・解決すること」をお任せしたいと考えております。 一般的なエンジニアが「何を作るか(What)」が決まった後に動くのに対し、FDEは「何を作るべきか(Why/How)」を顧客の現場から導き出し、プロトタイプを爆速で組み上げるのがミッションです。 ・現場での課題抽出とモデリング:クライアントのドメイン(業界)知識を吸収し、散在するデータ構造を理解して、技術的に解決可能な課題へと翻訳する。 ・高速なプロトタイピング:現場で得たフィードバックをもとに、その日のうちにコードを書き換え、実運用に耐えうるソリューションを構築・デプロイする。 ・データパイプラインの設計・構築:複雑で「汚い」実データを、分析や意思決定に活用できるクリーンな状態へと統合する。 ・ステークホルダーとの技術的対話:現場の担当者から経営層まで、技術的なポテンシャルを非エンジニアにも分かりやすく伝え、プロジェクトを推進する。 【採用技術/フレームワークサンプル】 フロントエンド層:　TypeScript /JavaScript 　　　　　　　　　　Next/React/Vue/Angular/Astro アプリ層:　　　　　Java/PHP/C#/C/Python/Go/Ruby/Haskell 　　　　　　　　　　SpringBoot/Spring/Laravel/Django/Nest 　　　　　　　　　　API Gateway(Kong / APIGW ) 　　　　　　　　　　gRPC / Protocol Buffers 　　　　　　　　　　SDD(Spec Driven Development) モバイル:　　　　　Flutter/Kotlin/swift/React Native/Dart/Firebase インフラ層:　　　　AWS/Azure/Google Cloud 　　　　　　　　　 Kubernetes(EKS / GKE) 　　　　　　　　　　IaC(Terraform / CDK / Pulumi) 　　　　　　　　　　GitOps(ArgoCD / FluxCD) 　　　　　　　　　　サーバーレス(Lambda / Cloudflare Workers) 　　　　　　　　　 デプロイ基盤(Vercel / Cloud Run など) 　　　　　　　　　　SREプラクティス SaaS/OSS活用:　　 Slack/Teams 　　　　　　　　　　GoogleWorkspace/Backlog/Box 　　　　　　　　　　Auth0 / Firebase Auth 　　　　　　　　　　GitHub Actions / GitLab CI 　　　　　　　　　　Cloudflare/Datadog データ/AI層:　　　 Gemini/ChatGPT/ClaudCode/ 　　　　　　　　　　Devin/cursor/Antigravity 　　　　　　　　　　Vector Database(Milvus / Weaviate / Chroma) 　　　　　　　　　　RAG基盤(Retrieval Augmented Generation) 　　　　　　　　　　Feature Store(Feast / Vertex AI Feature Store) 　　　　　　　　　　BigQuery / Snowflake 　　　　　　　　　　MLOps(MLflow / VertexAI / Kubeflow) 　　　　　　　　　　オブザーバビリティ 　　　　　　　　　　(OpenTelemetry/Prometheus/Grafana/Sentry) etc... ●システムアイの特徴 ・積極的に生成AIやツールを導入可能 当社ではプロジェクトにより使う生成AIやツールを自分たちで判断していただいています。新しいものを導入したい場合は社内で相談をしていただけると柔軟に検討可能です。良いものは積極的に取り入れていく思考を持っているため、新しいものへの導入障壁がかなり低い会社となります。 ・ストリスフリーな環境をできる限り提供 ストレスを感じない環境を整えているのも当社の特徴の一つ。開発標準PCのメモリは最低32GB以上で入社のタイミングでwindowsとMacを選択していただけます。 一人ひとりのエンジニアが求めるスペックを優先して環境面を整えます。 社内で使うデュアルモニタ、他にも必要なソフト、ツールなどあれば、柔軟に利用できる環境です。 品質・生産性の最大化確保はエンジニアにとって大切だと考えています。 ・フルフレックス×リモートワーク主体のフレキシブルな働き方が可能 コロナに関係なくリモートワークを推進してきた当社なので、今後もこの環境は推進していく予定です。

サイバーエージェントのインターネット広告事業を支えるAIエージェント開発をご担当いただきます。Pythonを用いたバックエンド開発、AIエージェント開発を中心に、要件整理から設計、実装、運用改善まで一気通貫で携わっていただきます。 また、SnowflakeやAWSなどを活用しながら、 ●広告運用を支えるAIエージェントの新機能開発 ●既存機能・内部ロジックの改善 ●AIエージェントと社内基盤の接続 ●AIエージェント実行に必要なデータパイプラインの構築 ●AIエージェント実行ログを可視化するためのデータパイプラインの構築 といった幅広い領域で活躍できるフィールドがあります。 <開発環境> ●言語:Python, TypeScript ●FW : React, dbt ●データ基盤:Snowflake ●インフラ : AWS, GitHub Actions, Datadog ●その他 : Claude Code

Cloud Solution部　Data&AIグループのエンジニアとして、以下のような業務を担当してくださることを想定しています。 ●具体的な仕事内容 ・PJ推進(計画策定、要件定義、設計、テスト、ユーザー教育) ・PJ管理(定例会議運営、メンバー配置最適化等) ・顧客提案(提案資料作成、情報収集、社内調整) ・ナレッジ活用(収集、整理、蓄積、活用施策支援) ・本部、部門運営(本部PJ参画、契約書レビュー支援、サービス企画PJ参画、採用・育成) 想定されるプロジェクト ●プロジェクト事例 ・大手製造業:エンジニアが持つ暗黙知化されたノウハウのデータ化による技術情報の公開

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

新規機能開発、インフラ保守・運用管理、CSサポートなど1サービスのバックエンドに関連するすべての事柄を受け持っています。 基本的にはGoアプリケーション開発を行いながら、機能実装する上で必要な様々な分野の技術・インフラを用いた作業を行います。 バックエンドアーキテクチャは当初から変わっておらず、マイクロサービス、クリーンアーキテクチャ、DDD、モノレポを採用しています。 少数精鋭チームで開発を行なっており、API開発はもとより、インフラ構築含めた外部連携、CSサポート、運用まで、バックエンドに関係する工程は全てチーム内で一気通貫で管理しています。 ●チームの文化や体制 現在開発チームは60名程の組織です。そのうちエンジニアは30名程になります。各メンバーが事業グロースを推し進めるという高い意識を持ち、それぞれの意見を持ち寄りながら、時には自分の職域を超えて開発へ取り組んでいます。 また組織の文化として、本人の志向性を尊重した上で年齢に関わらずリーダーポジションへの抜擢が行われるケースがあります。各メンバーのキャリア形成を支援するために定期的な面談も実施しています。 ●環境 ・原則週3日出社、週2日リモートワーク(相談可) ・コミュニケーションツールは Slack や Zoom などを利用 ・定期的な1on1 ・交流ランチ 【チーム体制】 ・サーバーサイドエンジニア: 10名+α 【開発環境関連】 ・GCP, Kubernetes, Cloud Spanner ・AWS(映像関連) ・GitHub, Go, gRPC, envoy, Terraform, Docker ・モノレポ, クリーンアーキテクチャ, マイクロサービス 【チームの雰囲気】 ・少人数(10名程度)ながらも幅広い分野を受け持ち様々なことに挑戦しています。 ・年齢層は若手から中堅まで幅広いです。 ・フリーアドレス制度を採用しているため、出社時は他職種との連携も盛んに行われています。 ・リモート作業時は夕方頃にオフィスアワー時間をとり疑問や相談事の解消に利用しています。 ・チーム活性化を目的とした月イチ懇親会、合宿の実施や、スキルのボトムアップを目的としたドメイン知識の勉強会、実装コードのディスカッション、モブプロを実施しています。

サービスリリースから数年が経ちデータもある程度蓄積されてきて、改めてデータ活用を強化するためにデータマネジメントできるメンバーを募集しています。 横軸でデータ活用をする組織に所属して、ナレッジの蓄積や共有をしながら事業内に入りデータ活用支援を行っていただきます。 具体的には、データ基盤の既存のアーキテクチャーやシステムの改善、データを正しく扱いサービスの状態を把握できるための環境を構築していただきます。 ●Dataformを中心としたデータパイプライン / CICD の整備 ●データ品質モニタリング、アラート、コスト最適化の実装 ●BIツールによるレポート・ダッシュボードの運用統制 ●属人性を排除した行動ログ設計、データ仕様整備の仕組み化 ●上記に限らない、事業全体のデータ活用における課題発見と解決 なぜデータマネジメントなのか? データは「作って終わり」ではなく、長く・広く使われ続ける資産です。 WINTICKETではユーザーのアプリ内行動、売上、広告、キャンペーンなど多様なデータが日々生まれています。 これらのデータを分析・活用するためには、利用者が迷わず使えるデータ分析基盤の継続的な改善が必要不可欠です。データマネジメントは単なるETL開発ではなく、プロダクトと組織全体の意思決定インフラを育てていく重要な役割です。 また、現在見えている具体的な課題としては以下のようなものがあります。 ・品質の高い行動ログデータの設計・管理 ・生成AI活用を前提としたデータマート開発やメタデータ拡充ルールの策定 ・新規事業のデータモデリングに必要なドメイン知識とリソース不足 上記の課題以外にも様々な課題がありますが、将来に遭遇しうるデータに纏わる課題を先回りして見つけ出し、一緒に解決できるメンバーを求めています。 このプロジェクトで経験できること ・GCPを使ったデータ基盤の整備 ・データアーキテクチャの設計・実装 ・ETL開発、BI/レポーティング環境の整理 主な利用技術 新規に開発する際には技術選定からリードしていただくことを期待していますが、現状多く使われている技術をご紹介します。 ・言語:SQL, Python, JavaScript ・インフラ:Google Cloud, Terraform ・CICD:GitHub Actions ・モニタリング:Grafana, Dataplex ・ツール:GitHub, Slack, Notion ・DWH: BigQuery ・レポート:Tableau , Google Sheets ・AI:Cursor, Claude Code