仕事概要
【役割】
- ビジネス課題ヒアリングおよび要件定義のリード
- 高度な機械学習手法を用いたモデル開発・精度改善
- MLOps環境を整備し、モデルの安定稼働および継続的改善を推進
- チーム内外への知見共有・技術的リーダーシップ発揮
【採用背景】
- リソース観点：既存のデータサイエンス/アナリティクスチームが保有する人員では、新規プロジェクト（ユーザー行動予測モデルなど）の増加に対して、分析・モデル開発・運用フェーズまでの一貫した対応が困難になっているため。
- ケイパビリティ観点：直近のAIの発展を鑑みるに、機械学習モデルの高度化（深層学習モデル、時系列予測など）やMLOpsプロセスの構築、ビジネスサイドとの密接な連携によるアクショナブルなインサイト創出など、上級レベルのデータサイエンス能力を補強する必要があるため。
■業務内容 変更の範囲：全ての業務への配置転換の可能性あり
具体的な業務
ビジネス目標に直結するデータサイエンスプロジェクトのリード。特に大規模データを用いた予測モデル・推奨モデルの開発・改善を主導し、結果をサービス改善・プロダクト戦略に反映させる役割を担っていただきます。
- 誰に：社内のプロダクトマネージャー、マーケティング、営業、経営層
- 誰と：データエンジニア、MLエンジニア、データアナリスト、デザイナー
- 何を：ユーザー行動予測モデル、レコメンドエンジン、KPIダッシュボードの作成
- どのように：データ取得～前処理～特徴量エンジニアリング～モデル開発～評価～ABテスト～本番運用まで、アジャイル的な手法で進行し、クラウド環境（GCP）やMLOpsツールチェーンを活用しながら短いサイクルでモデルを改善
このポジションにおける組織の現状
データチームは設立して1年足らずの少数精鋭6名チームです。（マネージャー含む） 役割毎にチームを分けておらずサイエンス/アナリスト/エンジニアリングそれぞれ領域を染み出して流動的に対応している状況です。
仕事のやりがい
- 研究開発からプロダクトへの組み込み、その後の改善・効果検証まで、データチーム単体で完結するケイパビリティがあり、高速な実験が可能。
- チーム内には優秀な若手データサイエンティストやデータエンジニアが在籍しており、日頃から刺激を受けやすい。
- 海外論文や最新手法を取り入れようとするカルチャーがあり、定期的な勉強会・輪読会がある。
- 単なるモデル構築に留まらず、戦略立案から運用改善まで、一気通貫でプロダクト価値向上に貢献できる。
- 経営陣との距離が近く、自らのアウトプットがビジネス成果に反映されやすい。むしろ、ビジネス成果に反映させることを求められる。