【データ戦略局】データエンジニア

以下のいずれかの経験・知識が必須となります。

• 関係データベース（RDB）の論理・物理設計、開発、運用経験
• オブジェクト指向プログラミングの基礎知識（Java / Python / Ruby / Go 等）
• 要件定義・ドメインモデリングなどソフトウェア開発の上流工程への取り組み経験または強い関心

• ビジネス理解と翻訳力:
  サービスや業務プロセスを正確に理解し、それをデータモデルとして適切に表現する能力が求められます。技術だけでなく、事業課題を把握して整理するビジネス視点が重要です。
• 論理的思考・問題解決力:
  データフローの設計や分析基盤の構築において、複雑な要件を整理しシンプルかつ堅牢な解決策を導き出せる力が必要です。
• コミュニケーション・連携力:
  分析チームや機械学習エンジニア、事業部のビジネス担当者など多様なステークホルダーと円滑に連携できるコミュニケーション能力が求められます。
• 自律的な学習姿勢:
  データエンジニアリング領域は技術の進化が速く、新しいツールや概念を自発的に学び続ける意欲が評価されます。
• 細部への注意力と品質意識:
  データ品質が分析や機械学習の精度に直結するため、データ整備・設計において細部まで丁寧に向き合う姿勢が不可欠です。

• ドメイン駆動設計（DDD）の知識・経験:
  ドメイン駆動設計を活用したデータマネジメント経験があると、より上流工程から貢献できます。
• 並列分散処理・大規模データ処理の経験:
  HadoopなどのOSSや並列分散システムの知識・開発経験があると、バッチ処理・ストリーム処理の設計で即戦力となれます。
• コンテナ技術（Docker / Kubernetes）の経験:
  コンテナを用いた開発・運用経験があると、モダンなインフラ環境での業務に素早く適応できます。
• パブリッククラウド（AWS / GCP）の知識・経験:
  AWS（Fargate, Lambda, Aurora Serverless等）やGCP（BigQuery等）を活用した開発・運用経験が歓迎されます。
• 統計学・機械学習の基礎知識:
  分析チームや推薦・検索システムとの連携業務があるため、統計学や機械学習への関心・知識があると活躍の幅が広がります。

• 大規模データ基盤エンジニアリング:
  バッチ処理・ストリーム処理・データウェアハウスの設計・実装を通じて、大規模データを扱うためのエンジニアリングスキルを実践的に習得できます。
• ドメインモデリングとデータ設計力:
  事業・業務プロセスをデータとして正確に表現するドメインモデリングのスキルを身につけられます。複数事業を横断して経験できる点が強みです。
• BIシステム開発・データ可視化スキル:
  BIシステムの開発・運用、およびそのためのデータ整備を通じて、事業意思決定を支えるデータ可視化・分析基盤の構築スキルを養えます。
• クラウドネイティブな開発・運用経験:
  AWS/GCPのマネージドサービスやTerraform、GitHub Actionsなどを用いたインフラ管理・CI/CDパイプライン構築の実務経験を積めます。
• 機械学習・AI活用への理解:
  推薦システムや検索システムとの連携業務を通じて、データエンジニアの立場からML/AIプロダクト開発への理解を深めることができます。