BigQueryのITエンジニア求人・転職情報

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

業務内容 食べログのフロントエンドシステム全体の改善に取り組みます。 フロントエンド改善の計画からリリースまで一貫して担当します。 ロードマップの作成や、設計、実装、テストケース作成などリリースまでの全ての作業をチーム内で担当します。 【具体的な業務内容】 ・JavaScript(React,TypeScript, jQuery,Node.js,等)、HTML5/CSS3の設計及び開発 ・フロントエンドのテストケース作成/実行 ・React/TypeScriptとその関連技術の検証、導入および運用 ・フロントエンドアーキテクチャの見直し、刷新 ・WEBのUI/UX設計に対するコンサルティング(企画段階から参画) ・エンジニア、デザイナー(コーダー)のフロントエンド開発業務の統括、サポート 【業務の進め方】 ・定期的に中長期計画を見直し、優先順位を付ける ・中長期計画に沿って、期ごとに目標を設定する ・1週間でスプリントを計画し、目標に向けて施策を実施します 入社後のイメージ 比較的小規模なフロントエンド設計/実装から担当いただき、徐々に業務範囲を広げていきます。 オンボーディング中かどうかにかかわらず、複雑な仕様や今後の大きな方針が決める場合は、チームで設計レビューやペアプロに取り組んでいます。 部署説明 月間ユニークユーザ数約9,600万人 (※1)を超えるレストラン検索・予約サイト(2023年3月現在)、食べログのフロントエンド改善・運用業務を担当します。 食べログは2005年にサービスを開始し、機能追加/改修を続ける中でメンテンナンス性が課題となっている部分もあります。 jQueryからReact/TypeScriptへのリプレース、ライブラリのバージョンアップ、アーキテクチャ変更など様々な手段を選択しながら、障害なく素早く機能開発が出来るフロントエンドシステムを構築します。 大規模組織・大規模システムにおいて、機能開発を止めずに、リプレースやバージョンアップを行うことは容易ではありません。 長期運用を見越した設計/実装、運用体制の確立、他チームへの教育などが求められています。 フロントエンドの技術的スキルはもちろん、リーダーシップを発揮しチームを導いてくれる方を探しています。 技術的にも組織的にも、障害なく素早く機能開発を続けていくために出来ることはなんでもやります。 フロントエンドに関係する事柄は、部やチームの垣根なく、裁量をもって取り組んで頂けます。 食べログフロントエンドを改善することは、食べログでのよりスムーズにお店探し、ネット予約に繋がります。 フロントエンド改善を通して、飲食店と飲食店を利用するユーザー両方対してよりスマートな外食体験の提供に取り組んでいます。 働く環境 ・メリハリを付けて働く文化があり、ワークライフバランスを取りやすい環境です。 女性エンジニアの比率も高く(20%弱)、子育て世代のエンジニアも多く活躍しています。 ・食べログは大規模な組織であるため、企画と開発は分業しています。 サービス改善施策に対してエンジニアからの提案は日々行いますが、新規事業の小さいチームのようにサービス　の企画もエンジニアが兼任することはありません。 【食べログシステム本部FEチームのカルチャー】 ・設計/実装はもちろん、手順書などのドキュメントなども含めチーム内レビューを実施 どんな優先度で、どのような手法で理想の状態を目指すのか、常にチームで議論しながら改善を進めています。 ・開発チームのコミニュケーション活性化やスキル向上を目的として、週に1～2回程輪読会を実施 ・各々勉強会に参加して、チーム内で共有 ・技術ブログでの情報発信 Tabelog Tech Blog: https://tech-blog.tabelog.com?cid=tech-blog_job_fe 食べログ フロントエンドエンジニアブログ: https://note.com/tabelog_frontend 開発環境 ・サーバサイド: Ruby, Ruby on Rails ・フロントエンド: React, TypeScript, Next, jQueryなど(jQueryベースからReact/TypeScriptへ移行中) ・DB: MySQL ・データ処理基盤:GCP BigQuery ・ソースコード管理: Git, GitHub ・開発支援ツール: Asana, Confluence, Github, Circle CI, Qiita:Team

QA業務をAIエージェントが自律実行できるハーネスを設計・実装します。 【具体的な業務内容】 ・ハーネスエンジニアリングの実践 └ハーネスエンジニアリングの枠組みの中で、QA業務を担う各工程のAIエージェントを設計、構築します。 ・リスク分析/テスト分析/テスト設計エージェント └仕様書を分析し、その後の実装や自動テストコーディングへの入力を生成するQAの上流工程を担当するAIエージェントを設計、実装します。 ・自動テストコーディング、自動テスト実行エージェント └テスト設計結果を自動テストとして実装し実行するQA業務の中核となるAIエージェントを設計実装します。 ・CQフィードバックパイプラインの設計・実装 ・不具合/障害情報の集積、分析基盤の構築 └エラーログ/AIエージェント実行ログ/不具合レポート/障害レポートなどを集積し、後続の分析や再発防止策の策定を実施するための基盤を整備します。 ・障害分析や再発防止策実施エージェントの設計、実装 └AIや人間のミスの結果である障害情報を分析し、それらをAIエージェントから利用可能なコンテキストやSKILLの形に実装するAIエージェントの設計、実装をします。 ・外部AI動向の追跡と発信 ・Harness Engineering等のAI分野の最新動向を追跡し、業務設計に落とし込む ・社内の実践と学びを技術ブログ・カンファレンス等で外部発信する 【開発環境】 ●AIエージェント:Claude Code(SKILL / Sub-agent / Hooks / Agent Teams)/ Devin / MCP Server ●テスト自動化:Selenium, Appium, Cucumber, Playwright ●CI/CD:CircleCI, Bitrise ●データ基盤:BigQuery, Tableau ●タスク管理・分析:Asana ●コミュニケーション:Slack, Teams, GitHub, Confluence, Miro ●開発技術スタック:Ruby on Rails, React.js, Next.js, Swift/SwiftUI, Kotlin 【所属部門】 食べログカンパニー 開発本部 品質管理部 【ミッション】 品質管理部は「QA業務をAIが一貫して担う」ことを目指す長期ビジョン Continuous Quality by AI(CQ by AI) を推進するチームです。 そのAIが正しく品質を判断できるよう、QAの知識と基準をAIに渡すエキスパートとして参画していただきます。 単にテストを効率化するのではなく、「リリース前のチェックポイント」だったQAを、開発プロセスそのものに埋め込まれた自律的な仕組みへと変える取り組みです。 月間数千万人が使う食べログで、AIエージェントがコードレビュー・リスク分析・E2Eテストを担い、最終承認のみ人間が行う品質保証の実現を目指しています。 すでに自動テストコーディングでコード生成精度97%・テスト実行工数52%削減・自動化率64%の実績を上げており、その先のフェーズを共に作る段階にあります。 このポジションは AIが正しく品質判断できるようにQAドメインのナレッジをハーネスエンジニアリングの枠組みの中でガードレールやチェックリスト、基準などとして整備する役割 です。 従来のQAエンジニアが「自分でテストを設計・実行し、品質を判断する」のに対し、このポジションは「AIが判断するための基準を設計・検証し、AIの判断結果をレビューする」へと役割が変わります。 QAエンジニアとしての専門知識を活かしながら、業界でもまだ先例の少ない「AIに品質を教える仕事」を担っていただきます。

Data&Analysis部 AI for Applicationチームに所属。 プロダクト戦略に基づいた戦略策定・開発計画の策定や実行のリード、メンバーの採用・評価・育成などのマネジメント業務を担っていただくことを想定しています。 ●プロダクトに蓄積された様々なデータをアプリケーションで活用することで、アプリケーション自体の価値を高めることに責任を持つ。 ●既存プロダクトの価値向上、新規プロダクトの立ち上げ両方の可能性があります。 ●現在若干名で組織の立ち上げフェーズです。 本ポジションの方に、チームの定義づけや立ち上げを含めて担っていただくことを想定しています。 ※Data&Analysis部は30名程度の組織です。 上記以外にも、データの解析を担うAnalysisチーム、解析基盤の開発を担うAnalysis Platformチーム、データ基盤の開発やデータの利活用を担うData Managementチームがあります。 (2025年4月時点) キャディにおけるエンジニアリングマネージャーとは ●担当する部やグループの成果を最大化することがミッションです。 ●向かう先を示すために OKR を設定したり、将来のあるべき姿から逆算して、必要なマネジメント業務を行います。 ●EMの役割は画一的には決まっておらず、成果の出し方はその人の得意なやり方で良いと考えています。 例えば、他者を動かして成果を出すエンパワーメントが得意な人もいれば、現場で自ら設計や方針決定をリードする人もいます。 テクノロジーマネジメント、プロジェクトマネジメント、プロダクトマネジメント、ピープルマネジメントの割合も各EMの担当領域や注力課題により異なります。 ●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

【Divisionのミッション・ビジョン】 先端技術・アジャイルを用いた、KDDIグループのData×AI領域への貢献 【Unitのミッション・ビジョン】 最先端 Data × AI 基盤の継続的な提供・高度化 【募集背景】 Data × AI 活用が高度化/事業貢献が求められる中、 大規模データ基盤の要件定義〜設計〜実装推進を担えるリーダー人材を拡充するため 【業務内容】 ■ 案件イメージ ◆分析基盤構築:KDDIの約4,000万人規模のお客様から得られるテラバイト級のデータをもとに、分析や機械学習によって示唆を出し、業務改善、マーケティング等に活用するための基盤構築。利用者:ARISE社内分析者、KDDIのマーケティング施策担当/分析担当など ◆アクセスログ収集基盤構築:KDDIの各種サービスにおけるテラバイト級のアクセスログをニアリアルタイムで収集、蓄積、加工し、分析・BI・他システムへ連携する基盤構築。利用者:KDDIのマーケティング施策担当/分析担当など ◆配信基盤構築:KDDIのお客様に対して、個々のニーズに合わせつつ、大量配信を実現するマーケティングオートメーション基盤の構築。利用者:KDDIのマーケティング施策担当など ■ ポジションの期待役割 ※以下のいずれかの業務をリーダーとしてご担当頂きます。​ ・データ分析基盤及びデータ処理連携システムの要件定義/設計/開発/運用​ ・顧客の課題解決に向けたソリューションコンセプトやシステムブループリント検討​ ・アジャイル開発/ウォーターフォール開発におけるプロジェクト推進​ ・顧客との折衝/リレーションの確立​ ■ 具体的な業務内容 ・要件定義、基本設計、アーキ設計 ・ETL/ELT 設計・実装 ・Spark / Databricks / BigQuery / Snowflake ・CI/CD 〜運用 ・技術選定/PoC ・ドキュメンテーション ■ 1日の流れ(例) AM:顧客定例 → 要件深掘り/設計レビュー PM:実装レビュー/PM 連携 → Doc整備

【Divisionのミッション・ビジョン】 先端技術・アジャイルを用いた、KDDIグループのData×AI領域への貢献 【Unitのミッション・ビジョン】 最先端 Data × AI 基盤の継続的な提供・高度化 【募集背景】 Data × AI プロジェクト拡大に伴い、 設計〜実装を自走できる主担当(サブリーダー) を増員 ●業務内容 ■ 案件イメージ ◆分析基盤構築:KDDIの約4,000万人規模のお客様から得られるテラバイト級のデータをもとに、分析や機械学習によって示唆を出し、業務改善、マーケティング等に活用するための基盤構築。利用者:ARISE社内分析者、KDDIのマーケティング施策担当/分析担当など ◆アクセスログ収集基盤構築:KDDIの各種サービスにおけるテラバイト級のアクセスログをニアリアルタイムで収集、蓄積、加工し、分析・BI・他システムへ連携する基盤構築。利用者:KDDIのマーケティング施策担当/分析担当など ◆配信基盤構築:KDDIのお客様に対して、個々のニーズに合わせつつ、大量配信を実現するマーケティングオートメーション基盤の構築。利用者:KDDIのマーケティング施策担当など ■ポジションの期待役割 データ分析基盤及びデータ処理・連携システムの要件定義/設計/開発/運用​ (案件のフェーズを踏まえ、ご担当いただく工程を決定いたします)​ 例)以下の業務の主担当 ・データ基盤の詳細設計〜実装 ・技術的課題の特定・改善 ・技術的な顧客コミュニケーション ・サブPMとして進捗・タスク管理 ■具体的な業務内容 ・要件整理〜仕様作成 ・Spark / Databricks / BigQuery / Snowflake / Python / SQLなどを用いた各種設計・開発 ・ETL/ELT設計・開発 ・DWH→BI連携設計・開発 ・CI/CD環境設計・構築 ・問題切り分け〜改善提案 ・技術選定/PoC ・ドキュメンテーション ■ 1日の流れ(例) AM:要件整理/設計補助→実装 PM:レビュー/顧客折衝 → 次アクション定義

【Divisionのミッション・ビジョン】 先端技術・アジャイルを用いた、KDDIグループのData×AI領域への貢献 【Unitのミッション・ビジョン】 最先端 Data × AI 基盤の継続的な提供・高度化 【募集背景】 ・大規模データ基盤構築/運用において、実装力を持つ若手エンジニアを増員 ・将来のリーダー候補となる人材を育成 【業務内容】 ■ 案件イメージ ◆分析基盤構築:KDDIの約4,000万人規模のお客様から得られるテラバイト級のデータをもとに、分析や機械学習によって示唆を出し、業務改善、マーケティング等に活用するための基盤構築。利用者:ARISE社内分析者、KDDIのマーケティング施策担当/分析担当など ◆アクセスログ収集基盤構築:KDDIの各種サービスにおけるテラバイト級のアクセスログをニアリアルタイムで収集、蓄積、加工し、分析・BI・他システムへ連携する基盤構築。利用者:KDDIのマーケティング施策担当/分析担当など ◆配信基盤構築:KDDIのお客様に対して、個々のニーズに合わせつつ、大量配信を実現するマーケティングオートメーション基盤の構築。利用者:KDDIのマーケティング施策担当など ■ポジションの期待役割 データ分析基盤及びデータ処理・連携システムの要件定義/設計/開発/運用​ (案件のフェーズを踏まえ、ご担当いただく工程を決定いたします)​ 例)上長指示のもと、以下のような業務を遂行 ・データ基盤の詳細設計〜実装 ・技術的課題の特定・改善 ・技術的な顧客コミュニケーション ・進捗管理・タスク管理 ■具体的な業務内容 ・要件整理〜仕様作成 ・Spark / Databricks / BigQuery / Snowflake / Python / SQLなどを用いた各種設計・開発 ・ETL/ELT設計・開発 ・DWH→BI連携設計・開発 ・CI/CD環境設計・構築 ・テスト/障害一次対応 ・ドキュメンテーション ■ 1日の流れ(例) AM:実装 PM:テスト → 調査 → BI連携/資料更新

当社では「アイデアを持つパートナー（起案者）」に対して、サービスデザインから技術選定、開発までを一気通貫で提供しています。 スタートアップの開発支援から大手企業の新規サービス立ち上げまで様々な規模のプロジェクトがあり、その中でもパブリッククラウド環境でのデータウェアハウス構築を担うデータエンジニアとして業務を担っていただきます。 【業務詳細】 ・パブリッククラウド（AWS、GCP、Azure など）上でのデータ基盤・データパイプラインの設計、構築、運用 ・データ収集、加工、ストレージに関わるシステムの開発 ・大規模データを対象としたETL (ELT) 処理の最適化 ・リアルタイムデータの処理 ・データクレンジング処理やデータマートの構築 ・データの可視化および分析基盤の構築支援 ・データパイプラインの品質管理、パフォーマンスの向上 ・データウェアハウスの運用保守 ・ステークホルダー（データアナリスト、データサイエンティストなど）との連携 ・顧客との要件定義や設計フェーズでのコミュニケーション

ご入社後は、データユニットの中核メンバーとして、データ基盤の刷新およびデータ活用戦略の推進をリードしていただきます。中長期的には、事業・プロダクト両軸でのデータ活用を牽引し、技術ロードマップの策定やチーム育成にも関わっていただくことを期待しています。 主な業務内容 ●データ基盤の刷新・標準化の推進 ●データガバナンス・セキュリティ戦略の設計および実装体制の構築 ●サーベイ・レコメンド等のサービス開発における学習ループ設計と基盤整備 ●複数サービス・外部システム連携の共通基盤化とデータ統合の戦略策定 ●技術ロードマップ策定およびPdM・事業側との連携によるデータ活用戦略推進 ●技術育成・牽引 ●Peopleマネジメント 開発環境 ▼バックエンド Rails、Python、TypeScript、Sorbet ▼フロントエンド Vue.js、TypeScript、Next.js、Nuxt、Storybook、Chromatic、Figma ▼インフラ・CI/CD AWS、k8s、Terraform、Datadog、Sentry、Autify、Github Actions、Azure、Docker、Codecov ▼生成AI OpenAI、Cursor、Dify、n8n、AWS Bedrock、GitHub Copilo、Gemini、Claude Code、Devin、Cognitive Search、Streamlit、Azure AI Search ▼コミュニケーション GitHub、Jira & Confluence、Slack、Google WP、Qiita Team、Gather

JDSCは「Upgrade Japan」をミッションに掲げ、大企業のAX(AIトランスフォーメーション)・DX推進を支援するテクノロジー企業です。本ポジションでは、AIエージェント開発とデータ基盤・MLOpsの両軸を担うエンジニアとして、顧客の業務変革を技術面からリードしていただきます。 【担っていただきたい役割】 ●ビジネスコンサルタント・テクノロジーコンサルタントやデータサイエンティストと連携し、AIエージェントの構想・PoC開発・アジャイル開発を推進 ●顧客ビジネス環境の変化に応じたAIエージェントの継続的改善・運用 ●データパイプライン・データ基盤(DWH)の設計・開発・運用 ●MLOps環境の構築・整備、CI/CDパイプラインの運用 ●隣接するソフトウェア領域に関する開発・コミュニケーション・事業推進 【主な業務内容】 当社では多様なビジネス領域に向けてDX推進、AI実装等を代表とする様々なB2B系プロジェクトを推進しており、一つの枠に縛られない様々なソフトウェア開発をご経験いただくことができます。 物流領域、ヘルスケア、エネルギー、製造といった領域で事業を強化しており、事業状況に応じて様々なソフトウェア開発を行っています。下記のような段階のソフトウェア開発プロジェクトがあります。 ●プロトタイプ・試行錯誤の色彩が強い段階 ●顧客の業務で使用される本番運用段階 ●単一顧客向けから同一領域で広く使われるVertical SaaS的な運用開発の段階 当社の特長であるビジネスやデータサイエンスの文脈も交えた多様なチャレンジを通じて経験を積んでいただくことが出来るものと思います。 【主な開発環境】 言語:TypeScript, JavaScript, SQL, Python等 採用フレームワーク: GraphQL, Node.js, Prisma等 データベース:MySQL, PostgreSQL, BigQuery, Databricks, Microsoft Fabric等 クラウド環境:Google Cloud, AWS, Azure, Snowflake等 ソフトウェア管理ツール:GitHub, Jira, Slack, Confluence BIツール:Power BI, Tableau

ソフトウェアエンジニアとして、ユーザに提供する不動産データを生成するデータパイプラインを構築するために、以下のような業務を行っていただきます ●不動産に関する情報の収集システム(入力システムや連携API、バッチ処理)の構築 ●収集した不動産データを共通データ基盤に繋ぎ込むためのモデリング ●収集した不動産データのETLや正規化・名寄せ処理を行い、時系列データとして利用できるようにするための加工基盤(データ加工パイプライン)の実装・運用 (Python, dbt, Terraform) ●上記データ加工パイプラインに必要なバックエンドAPIサーバー(ジオコーディング、機械学習、データ配信)の実装・運用 (Python, Rust) ●社内で利用するデータ修正用システムの構築・運用 (Rust, React, Python) 【業務内容の変更の範囲】 (入社時)ソフトウェア開発・保守業務 (変更の範囲)当社の定める業務(出向を命じることがあり、その場合は出向先の業務)

これまでの経験とスキルを活かしながら、 BIエンジニアとして、データの収集・抽出・加工・クレンジングや、BIツールを使用したダッシュボードの作成、 データ分析、データ利活用に関わる業務に携わっていただきます。 将来的にはBIエンジニアとしてエンジニアリングを極めることも、データサイエンティストやBIコンサルタント、ITコンサルタントなどへの転身も可能です。 【主な業務内容】 ・各種DWH/データマートの設計・構築 ・ダッシュボードの要件定義、設計、開発(Tableau などのBIツールを使用) ・GCP/AWS/Azure 上で、BigQuery・Redshift・SQL を用いたデータ収集・加工・整形 ・ETLツールを用いたデータ連携フローの設計・実装 ・BIレポートを活用したデータ利活用の推進支援 ・機械学習/AIモデル向けの学習データセットの作成・加工 【プロジェクト例】 ・ポータルサイト各種データの分析 ・大手小売業のデータ分析基盤構築 ・Pythonを用いた分析処理のバッチシステム開発 ・大手製造メーカーへBI新規導入 【開発環境・技術スタック】 ・BIツール:Tableau Desktop/Tableau Server/Tableau Online/Tableau Prep ・DWH/データ基盤:Snowflake、Google BigQuery ・言語・スクリプト:SQL、Python ・クラウド:GCP ・その他:CI/CD、ETL

弊社は現在、データウェアハウス(DWH)を活用した最先端のデータソリューションに注力しており、その戦略の中核を担うデータエンジニアを募集します。 DWHを中心としたデータ基盤の設計・構築から、データ活用、さらには高度な分析基盤の構築までを幅広く手掛け、お客様のビジネス課題解決とデジタルトランスフォーメーション(DX)を強力に推進していただきます。 【具体的な仕事内容】 ・顧客の課題ヒアリングからのソリューション提案、顧客との要件定義 ・データウェアハウス/データレイクの設計・構築・運用・改善 ・BIツールや分析基盤の導入・運用支援、データ可視化 ・データ活用のためのルール整備とセキュリティ強化 【使用技術(例)】 ・クラウドプラットフォーム: AWS (S3, Kinesis, SQS等), Azure (Blob Storage, Event Hubs等), GCP (Cloud Storage, Pub/Sub等) ・データベース: PostgreSQL, MySQL, DynamoDB ・データウェアハウス: Snowflake, Amazon Redshift, Google BigQuery, Databricks ・データ処理基盤: Python, SQL, Java ・ETL/ELT サービス: TROCCO, Fivetran, Talend, dbt, AWS Glue, Azure Data Factory, Google Cloud Dataflow ・BIツール/データアプリケーション: Tableau, Power BI, AWS QuickSight, Looker, Streamlit ・その他: Git, Docker, Terraform メインとなる顧客業界は小売・流通業界となりますが、お客様の課題解決のため、その他の業界のプロジェクトにも積極的に取り組んでいます。 特定の業界経験や深い知識は入社時点では必須ではありませんが、プロジェクトを通じて様々な業界のドメイン知識を習得し、顧客業務への理解を深めていただくことを期待しています。 データエンジニアとして幅広いフィールドで活躍したいという意欲のある方を歓迎します。 顧客課題の解決やプロジェクトの成功を最優先にITプロフェッショナルとして、自身のスキルセットを柔軟に変容させながら、データ技術の進化と共に、自らも成長し続ける意欲のある方をお待ちしています。 ※担当案件によっては当社正社員として、客先企業へ無期雇用派遣となる可能性があります 【変更の範囲※1】 会社内の全ての業務、客先の業務、将来的に出向を実施した場合は出向先の全ての業務(ただし本人と相談の上で決定します) ※1 「変更の範囲」とは、将来の配置転換などによって変わり得る就業場所・業務の範囲を指します。

業務内容 弊社は現在、データウェアハウス(DWH)を活用した最先端のデータソリューションに注力しており、その戦略の中核を担うデータエンジニアを募集します。DWHを中心としたデータ基盤の設計・構築から、データ活用、さらには高度な分析基盤の構築までを幅広く手掛け、お客様のビジネス課題解決とデジタルトランスフォーメーション(DX)を強力に推進していただきます。 具体的な仕事内容 ●顧客の課題ヒアリングからのソリューション提案、顧客との要件定義 ●データウェアハウス/データレイクの設計・構築・運用・改善 ●BIツールや分析基盤の導入・運用支援、データ可視化 ●データ活用のためのルール整備とセキュリティ強化 使用技術(例) ●クラウドプラットフォーム: AWS (S3, Kinesis, SQS等), Azure (Blob Storage, Event Hubs等), GCP (Cloud Storage, Pub/Sub等) ●データベース: PostgreSQL, MySQL, DynamoDB ●データウェアハウス: Snowflake, Amazon Redshift, Google BigQuery, Databricks ●データ処理基盤: Python, SQL, Java ●ETL/ELT サービス: TROCCO, Fivetran, Talend, dbt, AWS Glue, Azure Data Factory, Google Cloud Dataflow ●BIツール/データアプリケーション: Tableau, Power BI, AWS QuickSight, Looker, Streamlit ●その他: Git, Docker, Terraform メインとなる顧客業界は小売・流通業界となりますが、お客様の課題解決のため、その他の業界のプロジェクトにも積極的に取り組んでいます。 特定の業界経験や深い知識は入社時点では必須ではありませんが、プロジェクトを通じて様々な業界のドメイン知識を習得し、顧客業務への理解を深めていただくことを期待しています。 データエンジニアとして幅広いフィールドで活躍したいという意欲のある方を歓迎します。 顧客課題の解決やプロジェクトの成功を最優先にITプロフェッショナルとして、自身のスキルセットを柔軟に変容させながら、データ技術の進化と共に、自らも成長し続ける意欲のある方をお待ちしています。 ※担当案件によっては当社正社員として、客先企業へ無期雇用派遣となる可能性があります 【変更の範囲※1】 会社内の全ての業務、客先の業務、将来的に出向を実施した場合は出向先の全ての業務(ただし本人と相談の上で決定します) ※1 「変更の範囲」とは、将来の配置転換などによって変わり得る就業場所・業務の範囲を指します。

この求人はサービス開発にご興味がある方を広く募集する求人です。 【下記のような方は当ポジションからエントリーください!】 ・ 現状でご希望のポジションが”決まっていない方”または”複数ある方” ・ バックエンド、フロントエンド、インフラ/セキュリティ、QAなど幅広く技術に関わりたい方 ・ 開発だけでなくマネジメントにもチャレンジしたい方 【具体的には】以下はバックエンド開発の一例 ・ 当社プロダクト(Xard・Winvoice・WalletStation等)における機能改善、新機能開発における設計・開発・運用保守 ・ 仕様書、設計書のドキュメント作成およびレビュー ・ 機能開発における改善/技術提案 【各プロダクトについて】 ・ Xard Xardは企業が自社ブランドの「Visa」カードをスピーディかつローコストでバーチャル・リアルカード発行それぞれを可能にするプラットフォームサービスです。 カード発行、利用可否判定、利用履歴照会など、すべての取引をAPI化し、1つの仕組みでシームレスなサービス連携を実現しています。 https://infcurion.com/xard/ ・ Winvoice Winvoiceは自社サービスに請求書のカード決済(カード請求/カード支払いなど)を低コスト&スピーディーに構築することができる「請求書支払いプラットフォーム」です。 https://infcurion.com/winvoice/ ・ Wallet Station Wallet Stationは、企業の「オリジナルPay」をスピーディに構築するためのスマホ決済プラットフォームです。コード決済、取引処理、残高管理やユーザ認証など、決済システムのコア機能をAPIで提供しています。 店舗での決済やユーザの資産を扱うシステムのため、セキュリティや処理速度など高い技術力が求められる開発環境です。 https://infcurion.com/walletstation/ 【組織について】 Xard・WInvoice・Wallet Stationを開発する組織は、合計100名近くの組織となっております(平均年齢36歳)。スタートアップ、SI、金融など様々なバックグラウンドを持つメンバーが在籍しています。 また、開発体制としてはチームごとにプロダクトマネジャー、テックリード、開発メンバーなど5~8人ほどのスクラムチームで開発を進めています。 より便利な顧客体験を提供する時代が来るなかで、多様化するユーザーニーズ・市場動向をいち早く捉えてサービスに反映させながら、ユーザービリティ/アクセシビリティを追求していただきたいと思います。 開発スタイルや利用技術の選定も試行錯誤しながら決めているため、開発業務のみならず、ぜひたくさんの意見を出していただけることを期待しております。 社内メンバーについて:https://infcurion.com/careers/interviews/ 【技術スタック】 当社技術スタック一覧は以下よりご確認ください。 https://whatweuse.dev/company/infcurion 言語/フレームワーク └バックエンド :Java(SpringBoot),Kotlin └フロントエンド :TypeScript(Vue.js) └モバイル :Dart(Flutter),Swift, Kotlin データベース :SQL Server, Google BigQuery インフラ　　　 :AWS,Azure CI/CD 　 :Github Actions テストツール　　 :JUnit, Cypress,Storybook,Postman デザイン　　　　 :Figma ソースコード管理 :GitHub、GitHub Copilot プロジェクト管理 :Jira 情報共有ツール　 :Slack,Confluence 言語 └バックエンド　　　 :Go └フロントエンド　　 :Elm, React, TypeScript データベース　　　　 :MySQL, DynamoDB,S3 インフラ　　　　　　 :AWS 環境構築　　　　　　 :Terraform,Docker,AWS Fargate CI/CD　　　　　　　 :CircleCI ソースコード管理　　 :GitHub、GitHub Copilot プロジェクト管理 　　:JIRA 情報共有ツール　　　 :Slack その他　　　　　　　 :Datadog 言語/フレームワーク └バックエンド 　　　:Java └フロントエンド　 　:JavaScript(Vue.js/Nuxt.js/TypeScript) データベース　 　 　:Amazon Aurora PostgreSQL インフラ　　　　　 　:AWS(API Gateway/Lambda/SQS/SES/S3/Step Function,etc) 環境構築 　　　　　　:Terraform CI/CD　　　　　　 　:SAM,GitHub Actions デザイン　　　　　 　:Figma ソースコード管理　 　:GitHub,GitHub Copilot プロジェクト管理　 　:JIRA 情報共有ツール　　 　:Slack