ITG-103_【データサイエンス】ミドル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 / R を用いたデータ分析・モデル実装経験
• 機械学習・統計モデリング（ベイズ、深層学習など）の実務経験
• オンプレミスまたはクラウド環境（AWS / GCP / Azure等）の構築・運用経験
• プロジェクトマネジメント経験（計画・実行・リスク管理）
• クライアントへの技術内容のビジネス言語での説明・提案経験

• ビジネス課題への翻訳力:
  技術的な分析内容や結果をビジネスの文脈でわかりやすく説明し、顧客課題のヒアリングから分析企画設計まで主体的に推進できるコミュニケーション能力。
• 自律的な技術探索力:
  最新技術（LLM・深層学習・ベイズなど）を自律的にキャッチアップし、実用化に向けた技術探索や新モデル・サービスロジックの構築を積極的に推進できる姿勢。
• プロジェクト推進力:
  上位レイヤと協働しながら計画・実行・リスク管理を主体的に推進し、円滑なプロジェクト運営を担うことができる実行力とリーダーシップ。
• 品質へのこだわり:
  高度な技術実行・品質管理の観点から、分析やモデル実装の精度・再現性・運用性を担保するための責任感と細部への注意力。
• チームでの知識共有意識:
  勉強会やナレッジドキュメンテーションを通じて組織全体で知識を高め合う文化に積極的に貢献できる、オープンなコラボレーション姿勢。

• LLM・生成AI関連技術の実務経験:
  LLM（大規模言語モデル）や生成AIを活用したプロダクト・サービス開発の経験があると、最新技術探索の取り組みにおいて即戦力として期待されます。
• マーケティングリサーチ・消費者データ分析の知見:
  市場予測・広告効果測定・生活者行動分析などのマーケティング領域における分析経験があると、クライアントのビジネス課題への提案品質が高まります。
• MLOps・実行環境構築の経験:
  モデルの本番運用環境構築（コンテナ化・CI/CD・監視設計等）の経験があると、分析から実装・運用まで一気通貫で推進できるポジションの特性に合致します。
• 多業界・多クライアントへのコンサルティング経験:
  業界横断でクライアントのビジネス課題解決に伴走した経験があると、多様な業界に向けた分析企画設計力の向上につながります。

• データサイエンス×PMの複合スキル:
  プロジェクトマネジメントと高度な技術実装の両面で実務経験を積むことができ、技術者としての深みとビジネスパーソンとしての幅を同時に高められます。
• 多業界・多様なマーケティング課題への対応力:
  消費財・食品・金融・ヘルスケアなど様々な業界の大手クライアントのマーケティング課題に携わることで、業界横断的なビジネス課題解決の知見と汎用的なデータ分析スキルが身につきます。
• 最新AIアーキテクチャの実装力:
  ベイズ推定・深層学習・LLMなど最先端技術を業務で実践的に扱うことで、最新のAI・機械学習技術の実装ノウハウと技術探索力が身につきます。
• クラウド・オンプレミス双方の環境構築スキル:
  オンプレミス・クラウド両環境での分析基盤・実行環境構築を通じて、インフラ設計から運用管理までの幅広いエンジニアリングスキルを習得できます。
• 上流コンサルティング力:
  顧客課題のヒアリング・分析企画設計・技術内容のビジネス言語での説明といった上流工程を継続的に経験することで、データサイエンティストとしての提案力・折衝力が高まります。