データエンジニア（マネージャー／メンバー）

以下のいずれかの経験・知見が求められます。

• データパイプライン（ETL/ELT）の設計・構築・運用経験
• DWH（データウェアハウス）またはデータレイク構築の実務経験
• バッチ処理・リアルタイム処理ワークフローの設計・最適化経験
• SQLおよびPython等のデータ処理向けプログラミングスキル
• クラウドサービス（AWS / GCP / Azure 等）でのデータ基盤構築経験
• データ品質管理・可観測性（監視・可視化）の仕組み設計経験
• ビジネスサイドや分析チームとの要件定義・仕様策定の経験

• 課題の本質を捉える問題解決力:
  データ活用の目的を起点に、ビジネス課題と技術的解決策を結びつけながら要件を整理し、優先度を判断して推進できる能力が求められます。
• ステークホルダーとの円滑なコミュニケーション力:
  ビジネスサイド・分析チームなど多様な関係者との要件定義・仕様策定において、技術的な内容をわかりやすく翻訳し、合意形成を進められる力が必要です。
• 変化の激しい環境への適応力:
  暗号資産・ブロックチェーン領域は規制や市場動向の変化が激しく、短いサイクルでの要件変化にも柔軟に対応できる適応力が求められます。
• データ品質への高い責任感:
  信頼性の高いデータ基盤の構築・運用を担うポジションであり、データの正確性・整合性・可用性に対して高い責任感と細部への注意力が求められます。
• 自律的・主体的な業務推進力:
  少数精鋭組織の中で、自らアジェンダを設定し、オーナーシップを持って業務を前進させる主体性が重視されます。

• Apache Spark / Kafka / Airflow 等のデータ基盤OSS活用経験:
  大規模データ処理やワークフロー管理ツールの実務経験があると、即戦力として活躍できます。
• 金融・FinTech領域でのデータエンジニアリング経験:
  取引データや顧客行動ログなど金融特有のデータ特性を理解した設計経験は、暗号資産取引所のデータ基盤構築に直結するアドバンテージとなります。
• 機械学習基盤（MLOps / Feature Store等）の構築・運用経験:
  分析・機械学習向け基盤の整備にも携わるポジションであり、MLOps関連の知見は高く評価されます。
• 英語でのビジネスコミュニケーション能力:
  社員の3割強が海外出身者で構成されるグローバル環境のため、英語での技術ディスカッションや要件調整の経験があると活躍の幅が広がります。
• データモデリング・データマート設計の経験:
  DWH構築においてディメンショナルモデリングや分析用データマートの設計経験があれば、より質の高い基盤構築に貢献できます。

• 暗号資産・ブロックチェーン領域の専門データ基盤設計スキル:
  取引所特有の高頻度・大容量取引データやリアルタイム処理基盤の設計・運用を通じて、FinTech/Web3領域に特化したデータエンジニアリングスキルが習得できます。
• 全社データ戦略の企画・推進力:
  データ活用を全社的に加速させるミッションのなか、ビジネス側と連携した要件定義から基盤設計・運用まで一気通貫で経験することで、データ戦略立案のスキルが身につきます。
• データ品質管理・可観測性エンジニアリングの実践スキル:
  データパイプラインの監視・可視化・品質管理の仕組みをゼロから構築する機会を通じて、信頼性の高いデータ基盤運用の知見が獲得できます。
• グローバル環境でのエンジニアリングコミュニケーション力:
  外国籍エンジニアが多数在籍する環境での日常的な英語技術ディスカッションを通じて、グローバルな開発コミュニケーション能力が磨かれます。
• マネジメント・リーダーシップスキル（マネージャー採用の場合）:
  データエンジニアリングチームのマネジメントや組織横断的な要件調整を通じて、テクニカルリーダーとしての組織推進力が高められます。