シニアデータエンジニア

以下のいずれかの経験・知見が求められます。

• 大規模データプラットフォームの設計・構築経験
• TreasureData / Databricks / BigQuery などのクラウドデータ基盤の利用経験
• SQL・Python等を用いたデータ処理・分析業務の経験
• ログ設計・データ設計の経験
• 機械学習基盤の構築または運用経験
• 2名以上のチームのマネジメント経験またはリードエンジニアとしての実績

• データドリブンな課題解決力:
  ビジネス課題をデータの観点から定義し、分析・施策提案まで一貫してリードできる思考力が求められます。
• 組織横断コミュニケーション力:
  複数メディア・部門をまたいで関係者と連携し、共通のデータ基盤を推進するための調整・折衝力が必要です。
• リーダーシップと組織醸成力:
  開発組織のマネジメントや文化形成に積極的に関与し、チームや組織全体を引き上げる姿勢が求められます。
• 自律的な問題発見・推進力:
  ビジネス上の潜在課題を自ら発見し、解決策を主体的に立案・実行できるオーナーシップが重要視されます。
• 技術・ビジネス双方の視点:
  技術的な実装力だけでなく、ビジネス観点での価値創出を意識しながら開発・分析を進められることが期待されます。

• MLOps・機械学習パイプライン経験:
  MLOpsを考慮したデータマネジメントや、機械学習モデルの継続的な品質評価・改善の経験があると活躍の幅が広がります。
• 分散処理基盤の知見:
  Spark・Presto（Trino）などの分散計算フレームワークを用いた大規模データ処理の経験が歓迎されます。
• データ人材育成・社内研修経験:
  非エンジニア向けのデータリテラシー研修や、若手エンジニア育成の経験があるとデータ組織の活性化に即貢献できます。
• OMO・リテールテック領域の知識:
  オンラインとオフラインを融合させたOMO事業やリテールテック領域のデータ活用経験があると、事業理解が深まり早期活躍が期待できます。

• 大規模データエンジニアリングスキル:
  日々2億レコード以上を処理するデータ基盤の設計・運用を通じて、業界トップクラスの大規模データ処理の実践的スキルが身につきます。
• MLOps・機械学習基盤構築力:
  機械学習モデルの構築から本番運用・継続的改善まで一貫して担当することで、MLOpsの実践的な知見を深めることができます。
• データ戦略・組織マネジメント力:
  全社横断のデータ活用推進やデータ組織のマネジメントを通じて、技術にとどまらないデータ戦略立案・組織運営のスキルが獲得できます。
• 最新クラウドデータ基盤の実務知識:
  TreasureData・Databricks・BigQueryなど、エンタープライズレベルのデータ基盤ツールを実務で使いこなす専門知識が習得できます。
• ビジネス課題のデータドリブン解決力:
  各種メディアの事業課題に対してデータ分析・施策提案を繰り返すことで、ビジネスとデータを繋ぐ高度な問題解決力が磨かれます。