株式会社分析屋の【AIレコメンド開発チーム／データアナリスト】《人材紹介マッチングアルゴリズム》国内最大級の転職サービスを支えるAIレコメンドのエンハンス開発の求人

募集背景

当社は「2034年に売上100億円」という目標に向け、データ分析支援事業が大きな成長フェーズにあります。特に現在は、多くの企業で「分析がビジネス成果につながっていない」という課題があり、高度な分析基盤を構築した上で、その結果を戦略に落とし込み、実装までやり遂げる** 「データ工学でビジネスを動かす」 **専門家が不可欠です。

今回は事業拡大と組織強化を見据えた増員です。「事務作業や調整業務に追われる日々」から脱却し、 「分析・実装して終わり」ではない、技術を成果に直結させるデータ活用 に挑戦することで、エンジニアとしての市場価値を最速で高めていきたい方を歓迎します。

案件事例

分析屋では様々な業種のクライアントを有しており、皆様の技術・経験が活きる場が数多く用意されています。下記に一例を掲載いたします。

～《人材紹介マッチングアルゴリズム》国内最大級の転職サービスを支えるAIレコメンドのエンハンス開発～

【業務概要】

• ターゲットとミッション： 大手人材紹介サービスにおいて、求職者の属性情報や行動履歴を機械学習（LightGBMやW2Vなど）で解析し、最適な紹介先を提示するシステムの予測精度向上と開発をミッションとします。

• 介在価値： 単なるシステム改修や事務的な管理業務に留まりません。求職者の「内定獲得」という人生の転機を創出すべく、**膨大なデータをどう解析・実装すれば成果が出るのかをエンジニアの視点で追求します。**技術的な研鑽がビジネスの核心を動かす、データエンジニアリング本来の醍醐味をチームと共にリードしていただきます。

• 育成方針： ビジネス理解・統計学・プログラミングの3要素を兼ね備えた、** 市場価値の高い「データ領域のスペシャリスト」 を目指せます。単にコードを書くだけ、あるいは調整に終始するのではなく、アジャイル開発の現場で 「技術をどうビジネス成果に昇華させるか」 **という、AI時代に最も必要とされる実力をチームで磨くことができます。

【業務内容：一気通貫の5ステップ】

1. 課題抽出： ビジネスサイドからの変更要望に対し、予測精度向上に向けた新特徴量やモデルの組み込み、ABテストの設計案を策定します。
2. データ抽出・集計 ： AWS RedshiftからSQLを用いて、求職者の行動ログなどの大規模データを抽出・加工します。
3. 高度な解析 ： Pythonを用い、機械学習アルゴリズム（LightGBM等）の適用や、処理時間の最適化、メモリ使用率の改善を実装します。
4. レポート作成 ： ABテストの結果や学習パラメータの変更による精度変化を可視化し、ビジネスへの影響を言語化します。
5. 報告・コンサルティング ： クライアントのプロパーエンジニアと連携し、AIモデルの社会実装に向けた技術的なアドバイザリーを行います。

そのほかの案件事例

他にもデータ分析に関する豊富な案件がございます！
データ分析専門企業として、キャリアの一貫性を保ちながら、専門スキルを磨くことに専念できる環境です。

①ソーシャルゲームアプリの売上増加に向けたデータ分析支援
アプリのログデータを解析し、アプリ運営の改善、売り上げUPに繋げる
使用ツール：SQL, Google BigQueryなど

②機械学習を用いたモデルの作成
クライアントが保持しているデータからモデルを作成し分類化や数値予測を行う
使用ツール：Python

③ファクトリーブランド立ち上げに向けたマーケティングリサーチ
地域独自のブランドを立ち上げることで、減少した売り上げの回復と安定化
使用データ：業者からのヒアリングデータ、生活者へのインタビューデータ

＜担当プロジェクトについて＞

本求人は、弊社が参画している「国内最大級の転職サービスを支えるAIレコメンドのエンハンス開発」をモデルケース（配属想定の一例）として記載しています。

実際の配属先は、あなたのスキルや「今後どのようなキャリアを築きたいか」を伺った上で、ご入社時期のプロジェクト状況を総合的に判断して決定いたします。

求めるスキル

【必須要件】 以下いずれかのご経験が1年程度ある方
• プログラミング言語を用いたシステム開発実務経験
• SQLによるデータ操作経験
• 業務でのデータの分析/活用経験
• データ分析に関する言語やツールの使用経験
（SAS、Python、R、Tableau、SPSSなど）

【歓迎要件】
• Pythonを用いたバッチ処理の開発実務経験
• 機械学習モデル（特にレコメンド手法）への理解
• AWS（Fargate, Redshift）環境での開発経験
• アジャイル（スクラム）開発の実践経験

入社時研修について

【独学や一人現場では得られない、プロの視点をインストールする1〜2ヶ月】
「現場でいきなり一人で放置される」ことはありません。入社後1～2ヶ月間は、スキルや経験に応じた研修を通じ、データエンジニアとしての基礎を徹底的に固めます。

★Step 1: データ分析環境の理解
システムエンジニアとして培ったDBの知識を、データ分析特有の「大規模データ基盤（DWH）」へと拡張します。単なるCRUD操作ではなく、分析クエリの最適化や、データレイクからDWHへのパイプライン構造を把握し、データエンジニアとしての技術的土台を再構築します。
使用環境・ツール ： SQL Server / MySQL / PostgreSQL / Oracle Database 等
習得スキル ： 分析用DBのアーキテクチャ理解、パフォーマンスを意識したSQL

★Step 2: コーディングによるデータ加工（エンジニアリングの実装）
SQLやPythonを駆使し、生データを分析可能な形に昇華させるETL/ELTプロセスを習得します。**自己流のスクリプトから、チーム開発を前提とした「保守性の高いコード」や「自動化」**へとスキルを引き上げ、エンジニアとしての実装力をデータ領域へ適応させます。
使用環境・ツール ： SQL / Python / SAS / R
習得スキル ： データクレンジング、バッチ処理の最適化、統計ライブラリの活用

★Step 3: データの可視化・分析（技術の価値検証）
TableauやPowerBIを用い、自身の構築したデータ基盤がどうビジネスに貢献するかを検証します。「動くシステムを作る」だけでなく「意思決定に資するデータ」をどう提供するかという視点を養い、技術を成果に結びつける感覚を掴みます。
使用環境・ツール ： Tableau / PowerBI / Google Analytics
習得スキル ： ダッシュボード設計、データドリブンな課題抽出

★Step 4: レポーティング・報告提案（専門性の確立）
分析結果を基に、クライアントのプロパーエンジニアや意思決定者と対等に議論できるレベルまで引き上げます。「人材業界の知見×データ工学」という独自の専門性を言語化し、市場価値の高いエンジニアとしてのキャリアを確立します。
習得スキル ： 技術コンサルティング、ロジカルシンキング、専門家としての提言力