①担当業務内容
AI検索サービスの根幹となるデータアーキテクチャの設計、およびデータ管理プロセスの最適化・自動化をリードします。

1．AIモデルのためのデータ基盤構築・パイプライン設計：50%
AI/MLモデルの学習・推論に必要なデータを、高品質かつタイムリーに供給するための基盤を作ります。

・データ収集・加工: 多様なログデータや商品データを収集し、モデルが学習可能な形式へ加工（ETL/ELT）するパイプラインの設計・構築
・特徴量管理（Feature Store）: 特徴量の作成・管理を一元化し、学習時と推論時のデータ不整合（Training-Serving Skew）を防ぐ仕組みの導入
・データ品質管理: データの欠損や異常を検知し、常にクリーンなデータを維持するための監視・通知システムの構築

2．データ管理プロセスの最適化および自動化推進：30%
属人化しがちなデータ抽出・加工作業を排除し、自動化されたワークフローを確立します。

・データ運用の自動化: 手動SQLやスクリプトに依存しているデータ作成フローを、Workflow Engine（Airflow等）を用いて自動化・コード化（IaC）
・MLOps基盤の強化: データサイエンティストがスムーズにモデル実験・デプロイを行えるよう、インフラ側からの環境整備
・メタデータ管理: どのデータがどこにあり、どう加工されたかを追跡可能にするデータカタログの整備

3．チームマネジメント・戦略策定：20%

・セクションリーダーとしてメンバー（正社員・パートナー）のタスク管理、技術指導、評価
・事業目標に基づいた中長期的なデータ戦略・アーキテクチャロードマップの策定

②仕事のやりがい（面白さ）
単にデータを溜める箱を作るのではなく、「AIを賢くするためのデータ戦略」を技術面からリードできるポジションです。
3000万点の商品データと年間1億件の検索ログという膨大な資産を使い、いかに効率よく特徴量を作り出し、モデルに供給するか。この「データエンジニアリング×MLOps」の領域において、ゼロベースで設計し、プロセスの自動化まで裁量を持って推進できる点は、エンジニアとして大きな醍醐味です。

③3～5年後の想定されるキャリアパス
・AI/データ基盤のスペシャリストとして、全社のデータ戦略を担うデータアーキテクト
・データエンジニアリング組織を統括するマネージャー
・MLOps領域を極め、開発と運用の架け橋となるテックリード

④業務上の課題
AI活用の高度化に伴い、データ加工や特徴量作成のプロセスが複雑化しており、一部のエンジニアによる手動対応や属人化した運用がボトルネックになっています。
データサイエンティストがモデル開発に専念できるよう、データ準備にかかる時間を極小化し、システムによる自動化・最適化を強力に推進することが急務です。

⑤使用ツール
・クラウド・インフラ : Google Cloud Platform (GCP) を主軸にAWSとハイブリッド構成
・AI/MLプラットフォーム : Vertex AI (Pipelines, Feature Store, Model Registry)
・データウェアハウス・加工 : BigQuery, Dataform, Redshift
・コンテナ・サーバレス : GKE (Google Kubernetes Engine), Cloud Run, Cloud Functions
・IaC・CI/CD : Terraform, GitHub Actions
・言語 : Python, SQL
・コミュニケーション・管理 : MS Teams, GitHub Projects , GitHub Issues

⑥その他
リモートワークと出社のハイブリッド勤務、フリーアドレス制など、柔軟で働きやすい環境です。

■必須条件
いずれもの条件を満たす方

・大規模データの収集・蓄積・加工（ETL/ELT）基盤の設計・構築経験
・Python/SQLを用いたデータ処理の実務経験（目安：3年以上）
・AWS/GCP等のパブリッククラウドを活用したデータパイプラインの構築経験
・開発チームのリーダーまたはマネジメント経験（3名以上、進捗管理・技術指導含む）

■求める人物像
「データはAIの燃料である」と理解し、その燃料をいかに効率よく、高品質に供給し続けるかに情熱を持てる方。
現状の泥臭いデータ加工作業を「仕方ない」と諦めず、「どうすれば自動化できるか？」「どうすればプロセスを最適化できるか？」を常に考え、チームを巻き込んで改善を実行できるリーダーシップを持った方を求めています。

■歓迎要件
＜経験＞
・GCP (BigQuery, Vertex AI等) を活用したデータパイプラインおよびMLOps基盤の構築経験
・Dataform または dbt を用いたデータモデリング・ELT処理の開発経験
・OpenMetadata や DataHub 等のツールを用いたデータカタログ・データガバナンス基盤の導入・運用経験
・機械学習モデルのライフサイクル管理（実験管理、モデルデプロイ、監視）の自動化経験

＜知識・スキル＞
・モダンデータスタック（Modern Data Stack）に関する最新の知見
・データ品質（Data Quality）やデータリネージの可視化に関する知識
・Infrastructure as Code (Terraform) によるGCPインフラ管理スキル
・ビジネスレベルの英語力（ドキュメント読解等）