データアナリストの案件一覧

既存のデスクトップデータベースで構築されたクエリをBIツールへ移行するための技術支援、および技術的な問い合わせ対応を担当いただきます。
■クエリ移行・技術支援

• 提示された既存クエリと要件を基にした、BIツールでのデータ処理・可視化の実装
• 作成途中のBIツール向けクエリ・帳票の引き継ぎおよび完成
• 動作確認用サンプル（帳票/クエリ等）の作成
  ■QA対応・ソリューション提案
• 利用側がBIツールで実現したい仕様に対する技術的アプローチ・代替案・解決策の提示
• メールベースでの技術問い合わせ対応

– BIツールの実務経験
– 既存のデスクトップデータベース、SQLの処理ロジックを読み解き、BIツールへ落とし込んだ経験
– RDBMSとの接続環境下におけるデータ抽出・クエリ構築の経験
– メールベースで課題を的確に把握し、技術的な解決策を言語化して回答できるコミュニケーション力

各種施策の起点となるデータ分析基盤の構築や、データを利活用した機能の開発、ならびにそれらの運用を担当します。
拡張余地のあるプラットフォームであり、柔軟な環境下での設計・構築が可能なため、スキルを発揮しながら十分な実績を積むことができます。
業務内容の一例
・データパイプラインの構築
主にDWHへデータを集約するデータパイプラインを構築します。

• データパイプラインの一例
• クラウドストレージ上のファイルをDWHに取り込む
• 外部APIからデータを取得し、DWHに取り込む
• DWHに取り込んだデータを基に、目的に応じたデータマートの作成を行う
• システムのアクセスログをリアルタイムにDWHに取り込む
• 使用しているサービス
• パブリッククラウド（AWS/GCP/Azure等）のワークフロー管理、分散処理、サーバーレス実行基盤など
  ・データの活用
  DWHに集約したデータを基に、推薦機能などの開発や改善を行います。
• 機能の一例
• 取り扱いデータの推薦機能向けデータ作成
• ランキングデータの集計・作成
• 一覧画面等の表示順最適化
• 作成したデータをアプリケーションへ連携する機能（バッチ処理・リアルタイム通信）
• 使用しているサービス
• パブリッククラウド（AWS/GCP/Azure等）の機械学習プラットフォーム、データ分散処理、コンテナ実行環境、NoSQLデータベースなど
  補足事項
  ・事業貢献の実感を持ちながら業務を進めたい方
  ・仮説検証を通じて改善を重ねるのが好きな方
  ・メリハリをつけて業務に取り組みたい方
  ・スピード感をもって業務を推進したい方
  ・自らの意思を持ち、妥当性のある業務に取り組みたい方

– クラウド環境（AWS/GCP/Azure等）でのDWH、データパイプライン、データ抽出・変換・ロード処理などの設計・開発および運用経験
– DWH製品およびワークフロー管理ツールの実務利用経験
– Pythonおよびデータベース言語（SQL等）の利用経験

本ポジションでは、研究者・技術者と連携しながら、生体情報領域における基盤モデル開発の主要メンバーとして、以下のようなテーマに取り組んでいただきます。

• 大規模生体データの解析・前処理・品質評価
• 機械学習 / 深層学習モデルの研究開発
• 生体分子・遺伝情報の特性を加味した基盤モデルの実装・評価・改善
• 分散学習基盤やML開発基盤の構築・最適化
  一般的なテキストや画像だけでなく、新規性の高い生体データ形式を対象に、研究開発から実装・運用まで一連の工程に関わるポジションです。
  このポジションの魅力
• 大規模データを活用した基盤モデル開発に取り組める
• 百億単位のパラメータ規模のモデル学習・改善に関われる
• 計算機クラスタを活用した分散学習・高速化に挑戦できる
• ライフサイエンス×AIという領域で研究開発できる
• 研究に留まらず、ヘルスケア応用まで見据えた開発に携われる
  業務内容
  AI × 生体情報研究開発プロジェクトにおいて、以下の業務を担当します。

1. データ解析・研究開発

• 大規模生体分子 / 医療データの前処理・品質評価
• 探索的データ分析・可視化・仮説検証
• 特徴量設計・データ表現の設計
• 学習用データセットおよび評価用データセットの整備

2. 機械学習 / 深層学習モデル開発

• 機械学習モデルの設計・実装・評価
• 基準モデル構築およびモデル改善
• 表現学習 / 自己教師あり学習 / 基盤モデル開発
• GPU環境を用いたモデル学習・実験運用
• モデル性能評価、誤差分析、改善提案

3. 大規模学習・開発基盤

• 分散学習ジョブの設計・運用・最適化
• 学習パイプライン / 開発基盤 / 実験管理基盤の構築
• 大規模データ入出力や再現性を考慮した研究開発フローの整備
• MLOps / 機械学習システム観点での改善

4. 研究プロセス・チーム連携

• 評価指標設計・ベンチマーク設計
• 実験の再現性担保、ログ管理、ドキュメント化
• 分析結果のドキュメント化・社内共有
• 研究者・データアナリスト・技術者との協働

以下のいずれかの領域において実装・最適化の経験を有すること
– アーキテクチャ設計と事前学習の実務経験（特定深層学習構造を用いた大規模モデルの設計・実装経験、スケーリング則に基づき学習に必要な計算リソースを定量的に見積もる能力、事前学習のパラメータ調整および学習安定化の経験）
– 大規模分散学習のエンジニアリング（分散学習フレームワークをモデル規模やネットワーク帯域に合わせてチューニングした経験、複数ノード環境における計算資源間通信ボトルネックの解消および効率的なデータ入出力パイプラインの設計経験、並列化手法の実装を通じたメモリ制約下での学習最適化）

自社サービス展開企業にて、運用中のコンテンツや特定コンテンツで分析の需要が増えています。
事業部門の課題や背景をヒアリングにより整理し、施策実行や改善判断に向けた提案まで担当できる方を募集します。 既存体制の強化を目的に、分析担当リードと共にサービス拡大をビジネス視点で推進いただきます。
■ 業務内容

運用中コンテンツの分析、および担当者のサポートとして以下の分析支援・アドホック対応全般を幅広くご担当いただきます。（スキルやご経験に応じて調整）

• 事業部門（非技術職）への課題ヒアリングと要件整理・論点抽出
• 運用中サービスのKPIモニタリング・予実管理およびレポーティング
• 施策の効果検証とアドホック分析（イベント・提供施策・コラボレーション・ライブ施策など）
• 分析ディレクターの補助（分析の設計、分析フレームの作成支援、報告資料の作成など）
• 特定コンテンツの戦略分析の補助（データ取得、集計、分析）
• 事業部など関係者への報告と、改善策の提案
  ■ 業務の流れ
• 要件整理 ⇒ 分析設計 ⇒ データの抽出・加工 ⇒ 分析 ⇒ レポートと提案
  開発環境の傾向
• 分析基盤：分析向けDWH
• 言語：SQL、Python、R
• 分析環境：分析用ツール、分析向けDWH、表計算ソフト
• BIツール：BIツール

※高度な理論追求よりも、クライアントからの要請や現場課題に対して柔軟かつスピーディーに対応できる実務型の案件です。

– 非エンジニア等の関係者と円滑に対話し、背景や目的を把握できるコミュニケーションスキル
– データアナリスト / データサイエンティストとしての分析業務の経験（3年以上）
– DWH環境にて、SQLでのデータ抽出、加工が問題なくできる
– 指標管理、またはアドホック分析の経験
– 方向性を示されれば、論点を整理しながら自分で分析を進められる
– 単なる集計にとどまらず、事業視点での示唆や次の施策仮説を提示できるスキル

健康指標の向上や医療課題の解決に取り組む事業会社における研究開発を推進するため、データ分析・機械学習の実務を担当いただくデータアナリストを募集します。
参画後は業務を通じて、適性に応じてモデル開発 / データ基盤活用 / 運用自動化 など専門領域へスキルアップを図っていただきます。
■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
• 機械学習モデルの作成・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、不備検知
• 分析結果のドキュメント化・社内共有（再現可能な形で）

– 定量的な研究分野（各種数理・自然科学領域等）における学習・研究経験
– 統計モデル・数理モデルを用いて、実データから仮説検証や現象のモデル化を行った経験（各種分析手法や機械学習等）
– PythonまたはRを用いたデータ解析経験
– 分析手法を単にライブラリとして利用するだけではなく、モデルの仮定・推定方法・評価指標を理解した上で適切な分析手法を選択できること
– データや研究課題に対して、仮説設定 → 分析設計 → モデル構築 → 結果解釈 → 追加検証の一連のプロセスを自ら進めた経験
– 分析結果について、統計的・科学的な観点から解釈し、次に必要な検証や改善案を言語化できること