アナリストの案件一覧

[ポジション]：データアナリスト ※AIエンジニア

オープンデータから抽出した情報（客観的事実）をもとにAIを活用し数理モデリングし、 ファクトベースの中立、客観的なスコアリング。 企業や自治体のESG/SDGsの情報抽出、各種エンジンを用いた分析。 それらを行うプロダクトの開発・運用。

・Word、Excel、PowerPoint、メールが支障なく使える方
・統計学、R、Python、機械学習

[ポジション]：データアナリスト

スマホゲーム傾向分析のPJにデータサイエンティストとして携わっていただきます。

ゲームの売上向上のため、クライアント様が持っている膨大なデータとデータサイエンスの力を駆使し、 ゲーム売上のモデル構築を目指しています。

・SQL分析の経験1年以上(SQLを使ったデータマートの開発経験)
・Pythonでの開発経験1年以上
・Excel使用経験1年以上

[ポジション]：データ集計・分析補佐

先進的なフィンテック・AIツールをクライアント社内で開発しています。 モデル構築メンバーは揃っており開発を行っているが、 システムの入口と出口の部分に該当する データ収集メンバーを募集しています。

・Python
・機械学習で使用するデータの収集（WEBスクレイピングなど）
・AIモデル用のデータエンジニアリング

ビジネスパーソンの情報収集の課題を解決し、企業の進化を加速する経済情報プラットフォームのPJにデータサイエンティストとして携わっていただきます。 定型的なアプローチでは解決できない問題が多い一方、自社サービスが持っている経済情報コンテンツをはじめとする膨大なデータとデータサイエンスの力を駆使し、サービスの価値を高めていきます。

・Pythonが読めて、書ける方
・データサイエンティストとしての実務歴が2年以上ある方
※リーダークラス1名、メンバークラス1名をそれぞれ募集中
※リーダークラスに関しては、プロジェクト管理スキルも必要です

■案件概要：
・DXの一環として科学的・分析的アプローチで商品・サービス価値機能やCX機能定義、 及びそれらのマーケティング施策を整理し、データ基盤とAIのアルゴリズム体系の基礎の構想を考えており、 こういった活動をご支援していただけるデータ分析知見者を募集しています。

■人材イメージ：
・Consumer向け商品・サービス・マーケ施策のAnalytics経験者（特に保険やヘルスケア事業）
・分析的思考、論理的思考・整理が出来る方、想像力に長けている方、実務も含めて手がよく動く方 　（事例やコンセプトを沢山知っているが、手が動かないという人はNG）

・ファクト整理（データ収集・加工・整理作業能力）と課題特定（データを読む力）
・課題の原因仮説立案と分析モデル化（仮説立案能力＝想像力とそれらを論理的整理・体系化するスキル）
・上記仮説の検証方法・統計的分析方法の立案と実施（分析テク）
※DWH等データ環境は一定ありますが、データ収集整備に時間がかかることが多いので、
むしろ仮説検討や論理構成の整理の作業ウェイトが高くなる想定です。

Alteryx等を活用してのデータ分析システムの構築

Alteryx等を活用してのデータ分析システムの構築経験

[ポジション]：データアナリスト

・主にDBやデータ処理の設計から実装までをリードする

・システム開発の上流から下流までの全てのフェーズ

・パブリッククラウドの利用経験
・データサイエンス・ビッグデータ関連プロジェクト・プロダクトの経験
・中級程度以上のSQL能力（複雑なjoinや集計処理を何も見ずに書けるレベル）

[ポジション]：データアナリスト

・AIを活用した様々なサービスを開発。物流・教育・様々な分析・データの基盤構築、分析

・統計学に関する知識
・データ整形・前処理に関する知識と実装経験
・機械学習アルゴリズムに関する知識と実装経験
・上記実装に要するプログラミング能力（SQL, Python or R)

[ポジション]：データ集計・分析補佐

SQL、SASを使用したデータ抽出業務
膨大なデータの中から顧客希望のデータを抽出して提出します。

QLを1人称で対応できる方
顧客折衝が問題ない方
業務のキャッチアップが早い方

統計解析･機械学習の知見を活かし、
グループ企業の豊富なユーザ接点から得られる各種データを
どのように組み合わせれば顧客価値を最大化できるか、
ビジネス反映までのプロジェクトマネジメントを実施する、
横断データ戦略チームにジョインして頂きます。

■想定業務
・ゲームドメインにおけるアドホック分析全般
　- ロイヤルユーザ設計
　- KPI可視化用データマート作成
　- ステークホルダーへレポーティング
　- 要因調査のための深堀り分析
・レコメンドのtrain(&test)データ設計

・複雑な条件のSQL文が書ける
・ステークホルダーへ分析レポートできる
・カウンターパートに足りない情報をヒアリングできる
・分析要件を口頭ベースの情報から設計できる
・分析のスケジュールを自身で組める（自分から内部向けレポートしたいと言える）
・機械学習のtrain(&test)データセットを組んだことがある