【職務内容】
業界のリーディングカンパニーのIT課題を、システムエンジニア/システムコンサルタントとして解決いただきます。
経験や志向性に合わせ、システム開発における様々なフェーズ、領域、業界でのプロジェクトに参画することができます。

■データ分析/コンサルティングのプロジェクト事例
①【小売業】"なんとなく"の販促からの脱却。顧客離反（チャーン）予測とマーケティングROI最大化
[クライアントの課題]
全国展開する大手スーパーマーケットチェーン。売上は微増しているものの、顧客の離反率は年々上昇。毎週のように多額の予算を投じてチラシやクーポンを配布しているが、「どの施策が、誰に、本当に効いているのか」を誰も説明できない、いわゆる「KKD（勘・経験・度胸）」のマーケティングが限界を迎えていました。

[プロジェクト概要]
数千万人規模の顧客ID付きPOSデータ、Webサイトの閲覧ログ、商圏の人口動態データなどを統合的に分析。科学的根拠に基づいたマーケティング戦略への転換を支援しました。

・課題の再定義（イシュー設定）: 「売上を上げる」という曖昧な目的を、「優良顧客の離反を防止し、LTV（顧客生涯価値）を最大化する」という、データで検証可能な具体的なイシューに再定義。
・データ分析（予測モデル構築）: PythonとSQLを駆使し、顧客の購買履歴から「離反の予兆」となる行動パターン（来店間隔の長期化、特定カテゴリの購買離脱など）を特定。機械学習（LightGBMなど）を用いて、1ヶ月以内に離反する可能性が高い顧客を予測するモデルを構築。
・施策の立案と効果検証: 予測モデルで特定した「離反予備軍」に対し、彼らが好むであろう商品のクーポンをピンポイントで配信。A/Bテストを実施し、施策の純粋な効果（売上リフト率、離反抑止効果）を統計的に検証。結果、全顧客に画一的にチラシを配布するよりも、ROIが500%改善。

②【製造業】サプライチェーンの最適化。AIによる次世代の需要予測モデル構築
[クライアントの課題]
グローバルに展開する大手飲料メーカー。従来、過去の販売実績の平均値といった単純な方法で需要予測を行っていたため、欠品による機会損失と、過剰在庫による廃棄コストが経営を圧迫。特に、新商品や季節限定商品の予測精度は著しく低い状態でした。

[プロジェクト概要]
社内の販売・在庫データに加え、気象データ、SNSのトレンド、競合の販促活動といった、これまで活用されていなかった多種多様な外部データを統合。AIを活用し、製品・地域・チャネルごとに、より精度の高い需要予測を行う仕組みを構築しました。

・データディスカバリーと特徴量エンジニアリング: 需要に影響を与えうる仮説を立て、その仮説を検証するために必要なデータを特定・収集。例えば、「気温が1度上がると、スポーツ飲料の売上はX%伸びる」「インフルエンサーAがSNSで言及すると、炭酸飲料の売上がY時間後にピークを迎える」といった関係性を、Python (Pandas) を使って定量的に分析し、予測モデルの入力となる「特徴量」を設計。
・予測モデルの構築と評価: 伝統的な時系列モデル（ARIMAなど）から、機械学習モデル（XGBoost, Prophetなど）まで、複数のアプローチを比較検証。予測精度だけでなく、「なぜこの予測になったのか」を説明できる解釈性の高さ（SHAPなどを活用）も重視。
・シミュレーションと業務実装: 新しい予測モデルを導入した場合、在庫コストや欠品率がどれだけ改善するかをシミュレーション。サプライチェーン担当者が直感的に結果を理解し、日々の発注業務に活用できるBIダッシュボード（Tableau）を設計・開発。

■必須条件
・システムエンジニア/データエンジニアとしての実務経験4年目以上
・社会人経験4年目年以上
・大学卒以上または高専卒

■歓迎要件
以下のご志向性に当てはまる方を歓迎します。
・成長意欲高い方：負けず嫌いで圧倒的な速度で成長したい方
・顧客の役に立ちたい方：モノありきでなく、自分自身で勝負したい方