Google Cloud SQLのITエンジニア求人・転職情報

●主にお任せしたいこと ①データ収集・パイプライン領域 ・各DBのデイリーミラーリング取込基盤の運用・改善(ジョブフロー再設計、取込時バリデーション、エラー通知の整合性改善、障害対応と再発防止) ・TROCCO・Cloud Workflows・Cloud Run を用いた非DBデータの取込パイプライン構築・運用 ・生成AIを組み込んだ、書式揺れに強い非構造データ取込パイプラインの構築 ・取込ソース追加のゼロデプロイ化(設定駆動化)など、DE運用工数を構造的に減らす自動化 ・Reverse ETL等の新しいデータ連携要件への対応と、取込基盤の適用範囲拡大 ②データモデリング・提供領域 ・4層モデリング設計方針に基づく staging / dwh(dim・fct)/ mart 各レイヤーのdbtモデル実装と、テストによる品質担保 ・BI(Looker Studio / Lightdash等)へのデータマート提供と、事業部のデータ活用支援 ・各種メタデータを統合的に集約したデータカタログの展開によるヒューマン・AIフレンドリーな意思決定支援の価値最大化 ・セマンティックレイヤーによる指標定義の実装 ・安定した指標提供におけるセマンティックレイヤー自体の費用対効果の技術検証、その他カタログなどのツール間の比較検証などのR&D活動 ・AIエージェント向けアクセス経路の整備やエージェント品質の継続評価・民主化に向けた仕組み作り ③運用・ガバナンス領域 ・GitHub Actions を軸としたCI/CD・自動デプロイ・規約lintの運用・改善 ・BigQueryの利用実態モニタリングとコスト最適化(FinOps)への参画 ・事業部からのデータ要望に対する要求・要件定義、スコープ合意からデリバリーまでの一連の対応 ・Claude Code等のAIエージェントを開発ワークフローに組み込んだ、エンジニアリング業務の生産性改善を通したDataOpsのエンハンス ・アクセス制御(列レベルマスキング・行レベルアクセス・個人情報カラムの自動特定)のdbt/Terraformによる実装 【チームの紹介】 ・全社・事業部でのデータ活用を支えるため、データ基盤の整備・運用、データマートの構築、BIツールの活用支援を担当 ・新データ基盤が本番稼働し旧システム群の停止が完了したことを受け、現在はdbtへの移行やセマンティックレイヤー・データカタログの整備を進め、より多くのメンバーが安心してデータを活用できる環境づくりに注力 ・社内のデータ民主化をさらに進めるとともに、経営課題に対する戦略的な意思決定を支えるデータ分析基盤の高度化にも取り組んでいる 【プロダクト開発環境】 ・インフラ:GCP, AWS ・プロジェクトデザイン:Miro, Figma ・利用言語やフレームワーク:Python, Go, SQL ・ドキュメント管理:Confluence, Google Drive ・チケット管理:Jira ・コミュニケーション:Slack ・コンテナ技術:Docker, Kubernetes ・Data Warehouse:BigQuery ・ETL:Cloud Functions, Dataform ・データコレクタ:Dataflow, Pub/Sub ・Database:Cloud SQL, Cloud Spanner, AlloyDB, PostgreDB(Amazon RDS) ・構成管理:Terraform ・監視:Cloud Monitoring, NewRelic ・ワークフロー:Airflow ・CI/CD:GitHub Actions

イメージングソリューション事業部の開発部門において、当事業部が展開する高性能デジタルカメラ「X/GFXシリーズ」やインスタントカメラ「INSTAX」等のスマホアプリ/オンラインサービス向けのデータベース構築、データの収集/可視化/分析の実務をご担当頂きます。 ●顧客データ収集用データベース/データマート構築(BigQuery) ●データ収集の仕様策定(Firebase, Google Analytics) ●データの可視化サイト構築(Tableau) ●データ分析 ●最新のデータ関連技術動向調査および技術提案 <施策例> ●マーケティング部門、アプリ開発チームと連携し、スマホアプリのイベントログ可視化の仕様を策定する。 ●上記可視化仕様に基づき、データベース、可視化サイトを構築する。 従事すべき業務の変更の範囲 当社業務全般

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。 登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。 業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。 HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。 簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 Webサービスについて 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。 使用技術(一例) 言語: Java,C#,JavaScript, TypeScript, Dart, Python, ShellScript, HDL フレームワーク:Vue, Echo, Flutter ミドルウェア: Terraform, Kubernetes, Docker, クラウドサービス:AWS,Azure,Google Cloud Platform 実行環境: Kubernetes Engine, App Engine, Cloud Function, Cloud Run データベース・ストレージ: BigQuery, CloudSQL, Cloud Firesore, Cloud Storage その他: Cloud Logging, Cloud Monitoring, Cloud Trace, Cloud Pub/Sub, Google Tag Manager アクセス集計: Google Analytics はたらく環境 PC: Windows ノート (標準支給), MacBook Pro 15/16 インチモデル エディター: JetBrains IntelliJ IDEA 等のお好きな IDE, エディター ナレッジサービス: esa コミュニケーションツール: Slack, Zoom, Google Meet グループウェア: Microsoft Offi ce 365, Google Workspace 開発向けサービス: GitHub, ZenHub

<期待する役割> ご自身の専門性と組織課題が最も合致する領域からスタートしていただきます。その後は、経営・CTO・各開発責任者と連携し、その時々で解決すべき「最も解きごたえのある壁」に向き合っていただきます。 <想定される業務例> ●戦略的プロダクト開発・刷新への参画 ・成長痛に直面しているプロダクトに入り込み、ボトルネックの特定からアーキテクチャの再設計、難易度の高い実装までを牽引する。 ●全社横断的な「技術的突破口」の作成 ・特定のチームだけでは解決できない共通基盤(認証、データ連携、CI/CD等)の課題に対し、全社最適なソリューションを構築・展開する。 ●技術的意思決定のリードと品質の担保 ・複数チームが関わる複雑なシステムデザインのレビューや、セキュリティ・スケーラビリティ等の高い基準の策定と実行。 ●技術組織の成熟化への寄与 ・課題解決を通じて、次世代のリードエンジニアを育成し、組織全体の「壁を乗り越える力」を底上げする。 <開発環境> ●フロントエンド:TypeScript,React,Next.js ●バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ●機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ●インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ●Event Bus:Cloud Pub/Sub ●DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry ●Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco ●API:GraphQL,REST,gRPC ●認証: Auth0 ●開発ツール:GitHub Copilot,Figma,Storybook ●コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

当社はAI活用・データ活用に特化したSHIFTグループ企業として、 お客様のデータ活用を支える データ分析基盤の設計・構築・運用 を担っています。 本ポジションでは、 データパイプライン(ETL/ELT)構築、DWH設計、クラウド基盤整備 を中心に、 分析者・事業サイドと連携しながらデータ活用の土台づくりを推進していただきます。 \ キャリアチェンジ歓迎 / バックエンド・インフラからデータ基盤へ移行したい方や、 分析業務から基盤整備側へキャリアを伸ばしたい方も活躍しています。 私たち分析屋は、「データ分析に特化した専門会社」です。 企業がデータを “使える資産” に変えるために、基盤づくりから活用支援まで一貫して担うことを強みとしています。 あなたには、データが蓄積・整備・活用されるための分析基盤の設計・構築・改善をお任せします。 単にデータ基盤を作るだけでなく、 お客様と一緒に“どう活かすか”を考える仕事 です。 データ活用プロジェクトにおける 要件定義〜設計〜実装〜運用 の全工程に、 案件の特性に応じて幅広く関わっていただきます。 (1)データ分析基盤の構築・運用 ・ データパイプライン(ETL/ELT)の設計・実装 ・ DWH / データマート設計 ・ BigQuery / Redshift / Snowflake 等の基盤構築 ・ 可観測性・パフォーマンスの改善 ・ データ品質管理・運用ルール設計 (2)クラウド基盤(AWS/GCP)の設計・整備 ・ サーバレスアーキテクチャの設計 ・ モニタリング、ログ設計、CI/CD整備 ・ セキュリティ・運用改善 (3)ビジネスサイドとのコミュニケーション ・ データ要件の整理、実現方式の検討 ・ 分析者・事業部門との連携(課題のヒアリング〜改善提案) ・ AI/BIプロジェクトにおける基盤側の支援 ・ データ構造の最適化提案 業務イメージ)AWS環境の分析基盤案件での対応例 ・既存のワークフローエンジンをAWS StepFunctionsへ移行 ・AWS CodeBuildでのCI/CD構成の設計実装 ・脆弱性対応に伴い、Amazon ECSで使用するコンテナイメージやロジックの改修対応 案件特性により変動しますが、 全体として ビジネス(顧客折衝)3割:エンジニアリング(設計・実装)7割 程度となります。 顧客折衝の割合 ウォーターフォール型案件: ビジネス1割:実装9割(技術寄り・構築フェーズ中心) アジャイル型案件: ビジネス4割:実装6割(分析者・事業部との対話が多い) ※応募者に「実務のイメージが湧きやすいように」明確に記載しています。 ※ご希望やご経験に応じて、技術寄り / ビジネス寄りのどちらにも寄せていくことが可能です。 案件事例 分析屋では、特定の業界に偏らず、幅広い業界のデータ活用支援に携われます。 それぞれの業界が抱えるビジネス課題をデータで解決していく中で、 「どんなデータを、どう活かせば成果につながるか」 という実践的な知見が蓄積されます。 1つの業界に閉じず、複数領域に関われるからこそ、 技術スキルだけでなく“データを使ってビジネスを動かす力 が磨かれていく環境です。 データ基盤エンジニアとしての視野を広げ、どんな企業課題にも対応できる“データアーキテクト”へ成長できます。 ・ 大手物流企業: AWS環境で在庫データを可視化、需要予測システムの構築 ・ 小売メーカー: 既存の販売データを基に分析基盤整を構築し、ダッシュボードで経営会議資料を自動化 ・ 家電メーカー: 顧客データを一元化し、マーケティング施策へ活用できる基盤を構築 ・ コスメブランド: 売上・顧客データの分析基盤を構築し、マーケティング施策に活用 ・ 小売業: アプリデータと購買データを組み合わせた施策検討・効果検証を実施 ・ ソーシャルゲーム企業: 離脱率改善のためのログデータ分析基盤を設計し、ビッグデータ解析から施策立案まで支援 使用ツール・開発環境 ・ クラウド環境 : AWS、GoogleCloud、Azure ・ データベース : Oracle Database、SQL Server、MySQL、PostgreSQL ・ その他　　　 : Snowflake、Databricks、SQL、Python ※すべての技術を使える必要はありません。入社後の研修・実務を通じて学べます。 入社後の流れ 入社後の1～2か月間は研修期間として、データ分析に必要なスキルを学んでいただきます。具体的には、SQL、BIツール(Tableau)、Pythonなどを中心に、業務に役立つ技術を習得していただきます。この研修は、異職種からのチャレンジができるように設計しておりますのでご安心ください。 研修後は、実際の案件で顧客課題に応じたデータ解析・分析業務(要件定義～レポーティング)を担当していただく予定です。また、並行して先輩リーダー社員と相談しながらマネジメントについても仕組みや進め方を習得していただきます。 2つ目以降の案件からは、リーダーとして部下のマネジメントにも携わっていただき、データ基盤構築やデータマネジメントなどのデータ管理業務にも対応していただくことを期待しております。また、将来的にはプロジェクト全体をリードするPM業務もお任せします。 ご経験やご志向に応じて、スキルを最大限に発揮できる環境を提供し、キャリアのステップアップを目指していただけます。 入社時研修について ①導入研修(1〜2ヶ月) 入社後はまず、SQL・Python・BIツール(Tableau/PowerBI)など、データ分析・データ基盤で使う基本スキルを学ぶところからスタートします。 開発・インフラ出身で「分析はこれから」という方でも入りやすい内容です。 ②実案件にアサイン(研修後) 研修が終わったら、実際のプロジェクトに入っていただきます。 最初は設計された内容の構築やデータ整備など、取り組みやすいタスクから始めて、 慣れてきたら「要件をどう整理するか」「このお客様にはどの基盤がよいか」など、上流にも関わっていきます。 ③定期的なフォロー・キャリア相談 月次の面談などで、今後やりたい領域(基盤寄せ/BI寄せ/顧客折衝多め など)をすり合わせていきます。 「次は設計から入りたい」「Snowflake触れる案件に行きたい」などの希望もここで相談できます。 ④キャリアの方向性 ・ データ基盤の設計を極めるスペシャリスト ・ 顧客と直接やり取りするPL/PM どちらのルートも選べるので、現場で手を動かしながら少しずつ広げていくイメージです。 ★ポイント ボトムアップな文化なので、「このツール使いたい」「こう改善したい」は自分から発信してOKな環境です。 個人の働き方に合わせたキャリアパス 分析屋のキャリアパスは、各個人の特性を活かす思想のもとで作られております。 マネジメント/技術/ライフワークバランスなどの、社員が重視する働き方を実現するためのコースとなります。 ▼将コース(総合職) 一般的に管理職を目指していきたい方向けのコースです。 将来マネージャーとして組織を作っていきたい人、自ら考えを持ち、発信する。 ▼剣コース(技術職) 一般的に技術職でキャリアを積み上げていきたい人向けのコースです。 組織の技術発展を促進する役割を担い、技術でリードする。 ▼武士コース よりライフワークバランスを重視したコースとなります。 ※今回求人では対象外となります※

FDEチームの一員として、エンジニア/DS/AIエンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、AI/データで解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIプロダクトの企画〜実装リード ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化、レコメンド 等)の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携、モニタリング設計) ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニア/DS/AIエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 ● データ/ユーザーインタビューを通じた継続的改善 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:データ・AI戦略推進部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど約 80名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript, Python(AI/ML) ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

クラウドを用いたシステム開発プロジェクトのPLをお任せします。 ●数十人月から数百人月の各種開発プロジェクト ●開発プロジェクトリーダー ●顧客のプロジェクトリーダーの補佐代行 ●大規模プロジェクトのPMOリーダー/PMOメンバー (変更の範囲)会社の定める業務 (業務内容変更の範囲)雇入れ直後 【主要開発環境】 ◎開発言語…Java、Ruby、JavaScript、SQL ◎フレームワーク…Spring、Node.js、React、Vue.js、Next.js ◎クラウドプラットフォーム…AWS、Microsoft Azure ◎データベース…PostgreSQL、Oracle

●API基盤、認証・認可、アプリケーションフレームワーク、共通ライブラリ等のアーキテクチャ検討、設計・実装 ●FAPI（Financial-grade API）に準拠した外部公開向けAPI／認証方式の実装 ●モバイル／フロントエンド向け共通機能の提供 ●開発チームへの技術支援・ガイドライン整備 ●チームメンバーの育成・マネジメント、関連部門との連携推進 技術スタック バックエンド：Go,Java フロントエンド：Dart/Flutter,TypeScript/Angular フレームワーク：Spring Boot/MyBatis,Cloud Dataflow,Spring Batch,Kafka インフラ：Google Cloud DB：Google Spanner その他：Slack, Jira,Zephyr,Confluence,JP1 期待する役割 アプリケーションアーキテクトとして、デジタルバンクのアーキテクチャ戦略立案及び設計・開発・運用を技術面からリードしていただきます。 本ポジションでは、API基盤、認証・認可、アプリケーションフレームワーク、モバイル向け共通機能、マイクロサービスアーキテクチャといった複数のプロダクト・チームが横断的に利用する共通機能群の中核を担って頂くことを想定しています。

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