アナリティクスエンジニア

以下のいずれかの経験・スキルが求められます。

• ETL/ELTパイプラインの設計・実装・運用経験
• BigQueryなどのクラウドデータウェアハウスの運用経験
• SQLを用いたデータモデリング・データマート設計の経験
• Tableau・Looker StudioなどのBIツールを活用したデータ可視化経験
• データ品質管理・メタデータ管理・データガバナンス体制整備の経験

• ビジネス要件の整理力:
  分析チーム・プロダクト・経営層など多様なステークホルダーと協働し、要件を正確に把握・整理してデータモデル設計に落とし込む能力が求められます。
• 課題発見・問題解決能力:
  データ基盤のパフォーマンス課題や品質問題を自ら発見し、改善提案・実行までを主体的に推進できる姿勢が重要です。
• コミュニケーション能力:
  データエンジニア・データアナリスト・ビジネス側など幅広い職種と連携するため、技術的な内容を非エンジニアにわかりやすく説明できるスキルが求められます。
• 自律的な行動力:
  スピード感のある事業環境の中で、上位者の指示を待つだけでなく、自ら課題を設定し優先度を判断して業務を推進できることが期待されます。
• 継続的な学習意欲:
  データエンジニアリング・アナリティクスの技術領域は変化が速く、新しいツールや手法を積極的にキャッチアップし続ける姿勢が重要です。

• dbtなどのデータ変換ツールの活用経験:
  dbt等を用いたデータ変換・モデリングの実務経験があると、即戦力として活躍できます。
• データガバナンス・データカタログ整備の経験:
  データ品質・メタデータ管理・ガバナンス体制の構築経験がある方は、全社的なデータ活用体制の整備に貢献できます。
• フードテック・EC・プラットフォーム系サービスでのデータ活用経験:
  大規模トランザクションを持つプラットフォームサービスのデータ分析・基盤整備の経験は、業務理解の速度向上に繋がります。
• Pythonなどのスクリプト言語を用いたデータ処理経験:
  Pythonによるデータ加工・自動化スクリプトの作成経験があると、パイプライン開発の幅が広がります。

• 大規模データ基盤の設計・運用スキル:
  年間数千万件規模のオーダーデータを扱うBigQueryベースのデータ基盤を設計・運用することで、大規模データ環境での実践的な技術力が身につきます。
• データガバナンス・データマネジメントの実務経験:
  全社的なデータ品質管理・メタデータ管理・ガバナンス体制の整備を主導することで、組織横断的なデータ管理の実務ノウハウを習得できます。
• ビジネスとデータをつなぐ要件定義・モデリング力:
  経営層・プロダクト・分析チームとの協働を通じて、ビジネス要件をデータモデルに落とし込む能力が磨かれます。
• モダンデータスタックの実践的スキル:
  BigQuery・Tableau・Looker Studioなど、現在のデータ業界で標準的に使われるツール群の実務経験を積むことができます。
• クロスファンクショナルな協働力:
  データエンジニア・データアナリスト・ビジネス職と幅広く連携することで、技術とビジネスの両面を理解した上で動けるデータ人材としての市場価値が高まります。