【Pd】データエンジニア

以下のいずれかの経験・知見が求められます。

• BigQueryを活用したDWH/データマートの設計・構築経験
• ETL/ELTパイプライン（バッチ/ストリーミング）の設計・実装経験
• Google Cloud Platform（GCS・Pub/Sub・Dataflow・Composer等）を用いたデータ基盤構築経験
• TerraformなどIaCを活用したインフラのコード化経験
• Pythonを用いたデータ処理・パイプライン開発経験
• SQL（BigQuery等）を用いた大規模データのクエリ最適化・パフォーマンスチューニング経験

• 自律的な課題発見・解決力:
  0→1フェーズにおいて、要件定義から設計・実装・運用まで自ら主体的に進める姿勢が求められます。指示待ちではなく、事業課題をデータの観点から自ら定義して動けることが重要です。
• 事業価値起点での技術判断力:
  流行に流されず「事業へのインパクト」を基準に技術を選定できる実利主義的な思考が必要です。コストとパフォーマンスのバランスを取りながら、プロダクト成長に貢献する意思決定ができることが求められます。
• 高いコミュニケーション・協働力:
  経営陣・PdM・AIエンジニア・データサイエンティストなど多様なステークホルダーと密に連携し、「こういうデータが見たい」という要望を的確に理解・実現する対話力が必要です。
• ドキュメント・テキストコミュニケーション力:
  情報の透明性を重視するカルチャーのもと、設計意図・決定プロセスをテキストで明確に残せる能力が求められます。非同期コミュニケーションが多い環境でも、意思疎通がスムーズに行える文章力が重要です。
• 新しい技術・ドメインへの学習意欲:
  法律というこれまで経験のない専門領域への好奇心と、自ら積極的に知識を吸収していく姿勢が必要です。AI・データ領域の急速な進化に対応し、継続的にキャッチアップできる学習能力が求められます。

• ログ基盤・イベントスキーマ設計の経験:
  ユーザー行動ログの収集・設計やA/Bテスト基盤の整備経験があると、AI機能改善やプロダクトグロースへの貢献をよりスムーズに行えます。
• BIツールを活用したダッシュボード構築経験:
  Looker StudioやTableauなどを用いたKPIダッシュボード構築・セルフサービス分析環境の整備経験があると即戦力として活躍できます。
• 自然言語処理・機械学習のデータパイプライン構築経験:
  MLモデルのトレーニングデータ整備・フィーチャーストア設計・評価基盤の構築経験があると、AIリサーチ機能の精度向上に直接貢献できます。
• SaaS・スタートアップでの開発経験:
  急成長フェーズのSaaSプロダクトで、事業要件の変化に対応しながら柔軟にデータ基盤を設計・運用した経験は高く評価されます。
• Elasticsearch・Pinecone等の検索・ベクトルDBの活用経験:
  当社の既存技術スタックであるElasticsearchやPineconeに関する知識・経験があると、検索精度向上に向けたデータ連携をよりスムーズに進められます。

• Google Cloudを活用したモダンデータ基盤設計・運用スキル:
  BigQuery・Dataflow・Composer・Pub/Subなどのフルマネージドサービスを組み合わせたスケーラブルなデータパイプラインの設計・運用スキルが体系的に習得できます。
• IaC・CI/CDを活用したデータインフラのコード化スキル:
  Terraformを用いたインフラのコード化と、GitHub ActionsによるCI/CDパイプライン整備の実践的なスキルが身につきます。
• AIプロダクト開発に直結するデータ活用スキル:
  AIモデルの評価・改善に使われるログ基盤・実験管理基盤の設計経験を通じて、データサイエンティストやAIエンジニアと協働するための実践的なMLOps的知見が得られます。
• 法律ドメインの高度な構造化データ処理スキル:
  複雑な法情報（法令・判例・書籍等）を高精度にデータ化し、検索やAIが活用できる形に整備する、汎用性の高いドメインモデリング・データエンジニアリングスキルが習得できます。
• 事業グロースを支えるデータ分析・インサイト提供スキル:
  KPIダッシュボードの構築やA/Bテスト基盤の整備を通じて、ビジネス課題をデータで解明し、プロダクト・ビジネス意思決定に貢献するデータアナリティクスの実践スキルが身につきます。