【データサイエンティスト】

以下のいずれかの経験・知見が求められます。

• Pythonなどを用いた機械学習・統計モデリングの実務経験
• テーブルデータ・時系列データの分析経験
• データ分析プロジェクトへの参画・推進経験
• バックエンドまたはフロントエンドのシステム開発経験
• AWSなどのクラウド環境を用いた分析環境構築経験

• 論理的思考力:
  顧客の業務課題を構造的に整理し、データに基づいた解決策を提案・実行できる能力が求められます。
• コミュニケーション能力:
  クライアントやチームメンバーと密に連携し、分析結果や技術的な内容を分かりやすく伝えられる力が重要です。
• 主体性・自律性:
  アサインされた案件で自ら課題を見つけ、能動的に行動できる姿勢が評価されます。実力主義の環境で成果を出すために不可欠です。
• 学習意欲・探求心:
  金融工学・AI・クラウドなど幅広い技術領域が交差する環境において、常に新しい知識を吸収し続ける意欲が求められます。
• チームワーク・協調性:
  多様なロール（コンサルタント・エンジニア・クオンツ等）のメンバーと協力して案件を遂行するため、チームとして成果を出す協調性が必要です。

• 金融領域の業務知識:
  銀行・証券・FX・保険など金融機関の業務フローやデータ構造に関する知識があると、案件への即戦力として活躍しやすくなります。
• 数理工学・金融工学の知識:
  取引アルゴリズムや保険数理、確率・統計モデルなどの知識を持つ方は、既存の専門メンバーとの協業がよりスムーズになります。
• 画像・テキストなど非構造化データの分析経験:
  eKYCや不正検知ソリューション等、画像認識・NLP系の案件にも対応できるスキルセットは高く評価されます。
• チームリード・メンバー育成経験:
  データ分析チームのリードや後進育成を担うポジションも期待されており、マネジメント経験があると活躍の幅が広がります。
• AWSなどクラウドサービスの活用経験:
  分析環境の構築・運用にAWSを活用するケースが多く、クラウド設計・運用経験は業務推進上有利に働きます。

• 高度なデータ分析・AIモデル開発スキル:
  市場予測・リスク計算・在庫予測・eKYCなど多岐にわたる案件を通じ、テーブル・時系列・画像・テキストと幅広いデータ種別での分析・モデリング経験が積めます。
• 金融ドメイン知識:
  国内トップクラスの金融機関をクライアントとする案件に携わることで、金融工学・取引アルゴリズム・リスク管理など専門的な業務知識が自然と身につきます。
• 上流〜下流一気通貫のシステム開発力:
  コンサルティング・要件定義から設計・開発・運用まで全フェーズに関与できるため、データサイエンティストの枠を超えたシステム設計力・プロジェクト推進力が習得できます。
• クラウドアーキテクチャ設計・運用スキル:
  AWS上での分析環境構築や運用を通じ、クラウドを活用したデータ基盤設計・運用ノウハウが蓄積できます。
• チームマネジメント・リーダーシップ:
  スキルに応じて分析チームのリードやメンバー育成を任される機会があり、技術力だけでなくチームを牽引するマネジメントスキルを早期から磨くことができます。