準委任（個人事業主）の案件一覧

顧客から提示される抽象度の高い運用要求を整理・具体化し、インフラおよびクラウド環境を対象として、運用プロセス・体制・責任分界・手続等を設計する。
また、顧客・関係チーム・技術チーム・外部パートナー等の関係者との調整を自律的に行い、運用設計から運用開始に向けた推進をリードできる人材。

– 運用設計（運用要件・プロセス・体制・役割分担を設計）
– 顧客折衝（抽象的・困難な要求を整理して現実的な形にする）
– プロジェクトリード（自ら論点・課題を見つけて関係者を動かす）
– インフラ知識（ネットワーク／サーバー／クラウドを横断的に理解）
– クラウド知識（AWS/GCP/Azure等の環境の運用を理解している）
– 公共分野経験（公共特有の要求・調整・ドキュメント文化への対応）
– 運用基盤構築（監視、自動化、運用管理ツール等を実装）

専門職向け業務アプリケーションを展開する事業者にて、オンプレミス版製品の設計・実装をリードできるエンジニアを募集します。
Windows対応のクライアント／サーバー型アプリケーションを中心に、既存の大規模コードベースの解析・保守、設計方針策定、レビュー、品質担保まで一貫して担当いただきます。
開発言語（Delphi／C#／C++等）を用いた設計リード経験が求められます。

– Windows対応の業務系クライアント／サーバー型アプリケーションの設計・実装リード経験（Delphi／C#／C++いずれか）
– 大規模・長期運用コードベースの解析・保守リード経験
– RDBMSのテーブル設計・パフォーマンスチューニング
– 開発環境でのチーム開発、バージョン管理ツール／プロジェクト管理ツール等での構成管理・課題管理・レビュー経験
– 影響調査～設計～コーディング～テスト～リリースまで品質責任を持って完遂できること

士業向け業務アプリケーションを展開する事業者にて、データ活用基盤チームの立ち上げを支援します。
データ集約基盤の設計、データ連携フロー整備、分析基盤運用、データマート設計、データ管理体制構築、将来的なAI活用基盤への拡張までを担うポジションです。
基幹・会計データの経営判断向け活用基盤への移行フェーズとなります。

– クラウド型データ倉庫・データ集約基盤の設計・構築・運用経験
– SQLによるデータ加工・分析経験（高度なクエリ設計含む）
– Pythonによるデータ処理・分析経験（各種データ分析ライブラリ等）
– データ統合・パイプライン構築ツールを用いた開発経験

大手金融機関の営業を支援する、情報基盤構築およびAI連携アプリケーションの開発プロジェクト
■業務内容・期待役割
クラウド環境（AWS/GCP/Azure等）やデータ分析基盤上で、情報基盤とAI処理の中核ロジック（構造化・知識体系化・コンテキスト設計・検索・推論フロー）の設計・実装・精度改善を担当いただきます。ソフトウェア開発を担当するエンジニアと連携し推進します。

• 情報基盤（データ構造化・知識体系化・検索等）およびAI処理フローの設計
• Pythonによる実装、出力品質・精度の検証と改善サイクルの推進
• 既存ロジックの改修・パフォーマンス改善
• 設計・仕様ドキュメントの作成、顧客および社内メンバーとの仕様調整
• 他メンバーとの技術連携、コードレビュー
• (技術責任者を担当する場合) 技術方針・設計の意思決定、および他メンバーの設計・実装に対する技術レビュー
  ■ 求める人物像
• 異なる専門性・意見を尊重した上で、職種や立場を越えて建設的に議論し合意形成できる方
• お客様の業務要件の理解に努め、関係者と円滑なコミュニケーションが取れる方

– 以下いずれかの実務経験（3年以上）
– AI / 機械学習領域での開発経験（Pythonでの実装を含む）
– ソフトウェア開発経験（Pythonでの実装を含む）
– 上記に加えて、生成AIアプリケーション等の開発経験（1年以上）
– コンテキスト制御の実務経験（指示文設計、検索・文脈設計、評価設計のいずれも一定の経験があること）
– 仮説検証を回して品質・精度を改善した経験（何をどう改善し、どの指標がどう変化したかを定量的に説明できること）
– 東京都内のオフィスへの常駐勤務が可能であること

• クラウド環境（AWS/GCP/Azure等）上に、プラントの分散データ（RDBMS・ファイル等）を統合する基盤をゼロから構築します
• 決まった仕様を作るのではなく、現場ヒアリングで要件を形にしていくフェーズから伴走いただきます
• 機能単位で設計〜実装〜テストまで一貫してお任せします
  ■ プロジェクト背景・目的
  現場の日報・分析値・在庫データが部署ごとに各種ファイルや基幹DBに分散しており、月次集計に多くの工数がかかっている。
  これらを統合基盤に集約し、BIツールなどで即時に確認できる状態にすると共に、AIなどのより高度な活用を見据えた基盤を整える。
  ■ 担当業務
  主担当（稼働の大半）
• クラウド環境（AWS/GCP/Azure等）上のデータ基盤／データマートの構築
• データ取り込み処理の実装（連携元：RDBMS／ファイル等）
• データマートからのファイル出力機能の実装
• BIツールでの可視化画面（レポート・ダッシュボード）の実装
  併せてお願いする業務
• 実ユーザーへの要件ヒアリング
• リリース作業、稼働後のモニタリングおよび課題対応
• 既存資料をベースにしたトレーニング資料の作成、ユーザーへのレクチャー支援
  進め方
  機能単位でアサイン → 現場担当者へのヒアリング → 設計 → 実装 → テストまで一貫して担当いただきます。
  週次の定例で進捗・課題をご自身から報告いただく形です。
  各種作業については支援ツールによる開発を進めます。
  ■ 技術環境
• クラウド：AWS/GCP/Azure等（分析サービス／RDBMS／サーバーレス実行環境／ストレージ／仮想マシン）
• データソース：RDBMS、各種ファイル
• BI：分析ツール
• 言語：SQL／Python
  ■ 体制・働き方
• 募集人数：1名
• 体制：PM1名／リーダー1名／開発メンバー3名(予定)
• 報告ライン：週次定例＋チャットツールで随時
• 稼働場所：原則リモート（在宅）。打合せはWeb会議
• 出張：東京都内または岐阜県内へ月1回程度／宿泊を伴う出張の可能性あり／出張費実費支給

– 指示された機能単位で、設計〜実装〜単体テストまで逐次フォローなしに完遂できること（システム開発またはデータ基盤構築の実務経験3年以上が目安）
– SQLでの中程度のデータ加工経験（複数テーブル結合／集計／ウィンドウ関数）
– 業務ユーザーへの直接ヒアリング経験（要件が固まっていない状態からの整理を含む）
– 進捗・課題を定例で自ら報告し、遅延やリスクを早期にエスカレーションできること

共通基盤ソフトウェア導入案件
クラウド環境（AWS/GCP/Azure等）上に構築します。

– 共通基盤ソフトウェア導入案件
⇒監視ツール中継/セキュリティツール中継/サービス管理ツール中継のソフトウェア導入を実施
※参考となるドキュメントあり
– 構成管理ツール/バージョン管理ツールの設計・導入経験
※設計書がない可能性があるため、こちらのスキルを重視

金融・決済システムのインフラ基盤構築案件

クラウド環境（AWS/GCP/Azure等）上に構築します。

– クラウド環境（AWS/GCP/Azure等）視点での通信要件整理と設計・設定が可能なこと

– クラウド環境（AWS/GCP/Azure等）でのRDBMS設計・構築経験

部品を主力に取り扱う製造事業者での事業管理高度化支援。
並行して進む基幹システムの刷新とは別に、現状システム環境で利用可能なデータを用いて目指すべき事業管理像に近づけていく
事業管理高度化の企画案に対して、データによる検証を行い有効性を確認する部分が主なタスク
データの抽出自体はシステム部門が行い、抽出されたデータをBIツールによって加工・分析を行う
なお、可視化画面の構築や実運用環境での連携構築等は対象外

– 大量データの分析スキル（データ整形・加工・テーブル結合等も含む）
– BIツールないしはPython等によって自身で分析した経験
– 事業管理系の評価指標に関する知識

【案件概要】
法人顧客向けに、通信網領域の導入提案を担う技術支援人材を募集いたします。
営業と連携しながら、顧客の現行構成・課題を把握し、最新動向を踏まえた改善提案を主導できる方を募集いたします。

– 導入提案支援の経験者
– 通信網領域に強みを持つ方（広域通信網/学内・社内通信網/無線通信網/各種統合安全対策/ソフトウェア定義型通信網などの知見）
– 顧客折衝能力を有する方

■募集背景
ヘルスケア領域の課題解決に取り組む初期フェーズの事業主体です。
データと先進技術を活用した研究開発を推進しており、データ分析・予測モデル構築の実務を担当いただく専門人材を募集します。
参画後は業務を通じて、適性に応じてモデル開発 / データベース活用 / 運用基盤構築 など専門領域へステップアップいただきます。
■業務内容

• データの収集・整形・品質確認（欠損/外れ値/分布チェックなど）
• 探索的データ分析・可視化・仮説検証
• 予測モデルの作成・評価（ベースライン構築、改善提案）
• 特徴量設計、評価指標の設計、異常検知
• 分析結果のドキュメント化・組織内共有（再現可能な形で）

– PythonまたはRでのデータ分析経験（各種ライブラリ等）
– 機械学習の実務経験または同等スキル（分類・回帰・時系列・異常検知などいずれか）
– 実験・分析の結果を整理し、改善案まで言語化できること