シニアデータサイエンティスト

以下のすべての経験・知見が求められます。

• ビジネスにおけるデータ分析による課題解決経験
• 統計・機械学習等の手法を用いたビジネス課題解決策の提案経験
• 統計・機械学習で使用される数学やアルゴリズムの知識
• Python・R・SQLを用いたデータ分析業務の経験
• クラウドデータベース（BigQuery・TreasureData等）の利用経験

• 課題発見力:
  既存の課題だけでなく、膨大なデータから未知の課題を自ら探索・発見できる探索的思考が求められます。
• ビジネス視点:
  分析結果を技術的な観点に留めず、事業成長や意思決定支援へ繋げるビジネス的なセンスが必要です。
• 自律的な推進力:
  少数精鋭の組織のため、自ら課題を定義しプロジェクトを牽引できる主体性とチャレンジ精神が重視されます。
• コミュニケーション能力:
  分析結果を経営層・プロダクトマネージャー・エンジニアなど多様なステークホルダーにわかりやすく伝える説明力が必要です。
• 継続的改善マインド:
  モデルのリリース後も継続的に品質評価・改善を行う粘り強い改善意識と品質に対する高い感度が求められます。

• MLOpsの経験:
  モデルの本番運用・モニタリング・再学習を考慮したデータマネジメントの設計・実装経験があると尚可です。
• 分散処理技術:
  Spark・Presto（Trino）などの分散計算基盤の利用経験があると、大規模データ処理をより効率的に扱えます。
• 学術的バックグラウンド:
  査読付き国際学会や学術誌への投稿・発表経験、またはデータコンペティション（Kaggle等）の入賞経験があると評価されます。
• オブジェクト指向言語のスキル:
  Java・Scala・C++などの言語でのプログラミング経験があると、データパイプラインの最適化等に活かせます。
• チームマネジメント経験:
  若手メンバーの育成や2〜3名以上のチームマネジメント経験があると、シニアとしての役割発揮が期待されます。

• 大規模リアルデータでの機械学習実装力:
  日次2億レコードを超える実ユーザーデータを用いたモデル開発・運用経験を通じ、産業レベルの機械学習エンジニアリングスキルを習得できます。
• クラウドデータプラットフォーム横断スキル:
  TreasureData・Databricks・BigQueryという異なるクラウドデータ基盤を実務で使い分ける、希少性の高い複合的なデータエンジニアリング能力を身につけられます。
• 食・育児領域のドメイン知識:
  DELISH KITCHENやトモニテのデータ活用を通じ、食品・リテール・ファミリー向けサービスにおけるユーザー行動の深い理解が得られます。
• ビジネス推進型データサイエンス思考:
  探索的データ解析から施策提案・効果検証まで一貫して担当することで、分析結果をビジネスインパクトに変換するスキルが培われます。
• MLOps・モデル運用管理の実践知識:
  継続的なモデルの品質評価・改善業務を通じて、本番環境でのMLライフサイクル管理の実践的ノウハウを得られます。