全体運営｜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。

• データパイプラインの設計・構築・運用経験
• データ基盤（データウェアハウス・データレイク等）の構築・運用経験
• SQL・Python等のデータ処理言語の実務経験
• AWSなどのクラウドサービスを活用したインフラ構築経験
• ETL/ELT処理の設計・実装経験

• 事業課題への当事者意識:
  依頼されたものをただ実装するのではなく、事業成長の当事者としてデータ活用の価値を自ら考え、提案・実行できる姿勢が求められます。
• 横断的なコミュニケーション能力:
  SREチーム・マーケティングチーム・新規プロダクトチームなど、複数の組織と連携しながらデータ業務を推進するため、調整力と対話力が必要です。
• 自律的な問題発見・解決力:
  現状の課題（複数チームの掛け持ちによる非効率・SRE業務の圧迫）を構造的に整理し、解決策を立案・推進できる能力が求められます。
• スピード感をもった実行力:
  「挑戦とスピード」を重視する組織文化のもと、完璧を求めすぎず、まず動かして改善するアジャイルな思考・行動が重視されます。
• 技術トレンドへの継続的なキャッチアップ力:
  生成AI・機械学習・マーケティングツール内製化など、急速に変化するデータ活用領域において、自発的に新技術を学び続ける姿勢が必要です。

• 機械学習基盤の構築経験:
  ML向けのデータ前処理・特徴量エンジニアリング・学習データ準備などの実務経験があると、マーケツール内製化や生成AI活用への貢献度が高まります。
• マーケティングデータ活用の経験:
  CVR分析・コンバージョン最適化・広告配信データの扱いなど、マーケティング領域でのデータエンジニアリング経験は即戦力として高く評価されます。
• SREまたはインフラ領域の知識:
  SREチームへの参画となるため、インフラ・モニタリング・オブザーバビリティに関する基礎知識があると業務への適応がスムーズです。
• 大規模トラフィックサービスのデータ処理経験:
  月間数億PV規模のサービスに対応したデータ収集・処理設計の経験は、本ポジションでの業務内容と高い親和性を持ちます。

• 大規模データ基盤の設計・運用スキル:
  月間数億PVのトラフィックから生まれる膨大なデータを扱うことで、実務レベルの大規模データエンジニアリングのノウハウを習得できます。
• 生成AI・機械学習連携のデータパイプライン構築スキル:
  AI活用を全社的に推進する環境において、機械学習モデルの訓練データ準備や生成AI向けデータフローの設計・運用経験を積むことができます。
• マーケティングテック内製化の実装経験:
  マーケティングツールのゼロから構築・運用に携わることで、データ活用と事業貢献を直結させるエンジニアリングスキルが身につきます。
• データ組織・プロセス設計の経験:
  チーム立ち上げ期の3人目として、データ組織の体制構築・業務フロー整備・ナレッジ共有の仕組みづくりなど、組織開発に関する実践的な経験が得られます。
• SREとの協働を通じたインフラ理解の深化:
  SREチームに参画することで、インフラ運用・信頼性エンジニアリングの観点からデータ基盤を捉える視点を養うことができます。