【データ分析】データサイエンティスト（アナリティクスマネージャー）

以下のいずれかの経験・知識が求められます。

• Python（Python3.x）を用いたデータ分析・機械学習の実務経験
• SQLを用いたデータ抽出・集計の実務経験
• BigQueryやAWSなどのクラウドデータ基盤の利用経験
• 統計・機械学習を活用したビジネス課題解決の経験
• GitLab等を用いたコード管理・チーム開発の経験
• 複数プロジェクトを同時並行でマネジメントした経験

• ビジネス課題の構造化力:
  事業部の課題をデータと統計理論を組み合わせて定式化し、分析ソリューションとして具体的な施策に落とし込む思考力が求められます。
• チームリーダーシップ:
  複数名のデータサイエンティストをリードし、プロジェクトの品質・スピード・方向性を管理する能力が必要です。メンバー育成や採用活動にも主体的に関わることが期待されます。
• クライアント折衝・信頼構築力:
  クライアント担当制のもと、各事業部のビジネスニーズを深く理解し、長期的な信頼関係を構築するためのコミュニケーション能力が求められます。
• スピード感と優先順位付け:
  同時並行で複数プロジェクトを進める環境のため、デリバリーを優先しながら世の中のライブラリを積極的に活用し、効率的にアウトプットを出す姿勢が重要です。
• 組織横断プロジェクト推進力:
  担当事業部に留まらず、グループ横断のプロジェクトを主導する場面もあるため、多様なステークホルダーと協力しながら推進する力が必要です。

• 因果推論・組合せ最適化・自然言語処理の実務経験:
  機械学習以外の高度な統計手法の実務適用経験があれば、即戦力として活躍できます。
• 医療・ヘルスケア領域の業務知識:
  医療業界の特性や製薬会社との協働経験があれば、担当クライアントへの提案の質を高めることができます。
• 分析基盤・MLOpsの構築経験:
  BigQueryやAWSを活用した分析基盤の設計・開発経験は、グループ全体の生産性向上に直結するとして歓迎されます。
• データサイエンティストの採用・育成経験:
  チームの組成・強化を担うポジションのため、DSの採用面接や育成に携わった経験は大きな強みとなります。

• 多様な統計・機械学習手法の実践経験:
  機械学習・因果推論・組合せ最適化・自然言語処理など、事業課題に応じた多様な統計手法を実務で繰り返し適用することで、幅広い分析スキルを習得できます。
• ビジネスインパクトを起点とした分析設計力:
  KPIの設定からデータ収集・分析・評価まで全プロセスを一気通貫で担当するため、ビジネスとデータと理論を結びつける実践的な問題解決能力が身につきます。
• マネジメント・チームビルディングスキル:
  DSチームのリード・採用・育成・品質管理を通じて、データサイエンス組織のマネジメントに必要なリーダーシップとHRスキルを習得できます。
• 急成長事業環境での新技術適応力:
  急成長する医療IT事業の中で、新たなデータソース・データ種別・分析手法への取り組みが常に求められるため、変化に適応しながら技術をアップデートする力が養われます。
• クロスファンクショナルな折衝・提案力:
  複数の事業部や外部クライアントとの折衝を重ねることで、非技術者向けの分析結果の説明力・提案力・プレゼンテーション力が高まります。