【データ分析】データサイエンティスト（シニアデータサイエンティスト）

以下のいずれかの経験・スキルが必要です。

• Python（3.x系）を用いたデータ分析・機械学習の実務経験
• SQLによるデータ抽出・集計・分析の実務経験
• 機械学習モデルの設計・実装・評価の経験
• BigQueryなどクラウド型DWHの利用経験
• ビジネス課題をデータ分析に落とし込んだ経験
• GitLab・GitHubなどを用いたコード管理の経験

• ビジネス視点での課題設定力:
  分析そのものに留まらず、事業課題を正確に理解し、インパクトの大きい問いを自ら設定できる能力が求められます。
• ロジカルかつスピーディなコミュニケーション:
  社内のクライアント担当者や他部門と連携し、分析結果を分かりやすく示唆へと変換して伝えるスキルが必要です。スピードと論理性が重視される社風です。
• 複数プロジェクトの並行推進力:
  同時並行で複数のプロジェクトを管理・進行できるタスクマネジメント能力と、優先順位を適切に判断できるスキルが必要です。
• 自律的に学び続ける姿勢:
  定期的な勉強会や新たなチャレンジが求められる文化の中で、常に新しい分析手法やライブラリをキャッチアップし続ける意欲と自己成長力が不可欠です。
• チームへの貢献意識:
  コードレビューや分析結果の共有などを通じてチーム全体の品質向上に寄与できる協調性と、知識を惜しみなく共有できるマインドが求められます。

• 因果推論・組合せ最適化・NLPの知見:
  機械学習にとどまらず、因果推論や組合せ最適化、自然言語処理など幅広い統計手法の知識・経験があると活躍の幅が広がります。
• AWS・クラウドインフラの利用経験:
  AWSを活用したデータパイプラインや分析基盤の構築・運用経験があると即戦力として活躍できます。
• 大規模プロジェクトのリード経験:
  ジョイントベンチャーを含む大型分析プロジェクトをリードした経験があると、シニアDSとしての活躍が期待されます。
• 医療・ヘルスケア領域の知見:
  医療業界特有のデータ構造やドメイン知識があると、分析の示唆出しや課題設定の質がより高まります（必須ではありません）。
• 分析基盤・ツール開発の経験:
  DSの生産性向上を目的とした分析基盤・ソリューションの開発経験があると、組織貢献の観点でも高く評価されます。

• 医療ドメインの深い知識とデータ活用力:
  医療情報という独自かつ高品質なデータを扱うことで、医療業界特有の課題構造やデータの読み方を体得できます。
• ビジネス直結型の分析設計・示唆出し力:
  事業インパクトを定量的に評価するKPI文化の中で、分析結果を経営判断に直結させる高度なコンサルティングスキルが身に付きます。
• 多様な統計・機械学習手法の実践的応用力:
  機械学習・因果推論・組合せ最適化・NLPなど幅広い手法を実ビジネスで使いこなす実践力が習得できます。
• プロジェクトリード・ステークホルダー管理力:
  クライアント担当制のもと、大型プロジェクトのリードを通じてプロジェクトマネジメントや社内外のステークホルダー管理スキルが磨かれます。
• 分析ソリューション・プロダクト開発力:
  中長期的な価値提供を目指す分析ソリューションの設計・開発経験を通じて、プロダクト思考を持ったデータサイエンティストとしてのスキルが身に付きます。