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を用いたデータ分析・機械学習の実務経験
• BigQuery・AthenaなどのDWHを活用したデータ処理経験
• GCPまたはAWSを用いたクラウド環境でのデータ分析経験
• ML・DLフレームワーク（scikit-learn、TensorFlow、PyTorchなど）の使用経験
• JupyterNotebookを用いた分析・レポーティング経験
• Gitを用いたソースコード管理の経験

• データから示唆を導く論理的思考力:
  ビッグデータから意味のあるインサイトを抽出し、ビジネス上の示唆として整理・提案できる論理的思考力が求められます。
• 分析結果のわかりやすいレポーティング・説明力:
  分析結果をLookerやGoogleスライド・PowerPointを用いて、技術的背景を持たないステークホルダーにも理解しやすい形で報告・説明できるコミュニケーション能力が必要です。
• 自律的・主体的に業務を推進する姿勢:
  新規事業拡大のコアメンバーとして、指示を待つだけでなく自ら課題を発見し、分析方針を検討・提案できる主体性が求められます。
• チームでの協働・連携力:
  データマーケティングチームの一員として、エンジニアやビジネスサイドのメンバーと密に連携しながら分析・開発を進めるための協調性が必要です。
• 継続的な学習意欲・技術への好奇心:
  GCPやAWSのMLサービス、ML・DLフレームワークは急速に進化しており、最新技術をキャッチアップし続ける学習意欲と向上心が求められます。

• Vertex AI・SageMakerなどマネージドMLサービスの活用経験:
  クラウドプラットフォームのMLOpsサービスを用いたモデル学習・デプロイ・運用の経験があると即戦力として活躍できます。
• TV視聴データ・広告効果分析の知見:
  テレビや動画広告のKPI設計、視聴率データや広告効果指標を扱った分析経験があると業務に早期適応できます。
• DockerやGitHubを用いた開発環境整備の経験:
  コンテナ技術やGitHub Actionsなどを活用した再現性のある分析環境の構築・管理経験は高く評価されます。
• 自然言語処理・時系列分析の実装経験:
  番組視聴トレンドや広告効果の時系列モデリング、テキストデータ解析などの実装経験があると応用範囲が広がります。

• 大規模ビッグデータ処理・分析スキル:
  秒間25万リクエストを超えるテレビ視聴ビッグデータの収集・整形・分析を通じて、実際のビジネス課題に直結した大規模データ処理の実践スキルが身につきます。
• GCP・AWS両プラットフォームのMLエンジニアリング経験:
  BigQuery・Vertex AI・SageMakerなど、国内でも需要の高い主要クラウドのMLサービスを並行して活用するスキルが得られ、市場価値の高いエンジニアへと成長できます。
• メディア・広告ドメインの業界知識:
  TV広告効果分析・番組編成検討・視聴者セグメント分析を通じて、メディア・広告業界特有のデータ活用手法やKPIに関する専門知識を習得できます。
• 分析結果のビジネス実装・意思決定支援力:
  データ分析の結果をレポーティングし、テレビ局の番組編成や広告営業の意思決定に直接貢献する経験を積むことで、ビジネスインパクトを創出するデータサイエンティストとしての実力が養われます。
• アドバンスドTV領域の最先端知識:
  アドバンスドTV（インターネットと連携した次世代テレビ広告・配信技術）の実現に向けた取り組みの中で、メディアDXの最前線に関わる知識・経験が得られます。