株式会社ティアフォーのSenior Data Engineer / Data Platform Architectの求人

【背景】
ティアフォーでは、「自動運転の民主化」の実現に向けて、自動運転システムの開発効率化と品質向上を支える大規模なデータ基盤を構築しています。 現在、車両からのデータ収集や検索システムのベース構築は進んでいますが、今後増大するデータ量への対応、リアルタイム性の高いストリーム処理、そして社内全体のデータ活用文化の醸成が急務となっています。

これまでは個別のバックエンド開発を中心に進めてきましたが、中長期的な視点で全社的なデータ戦略をリードし、Data Lakeやストリーミング処理の設計・運用、さらにはデータドリブンな意思決定を行う組織文化の構築を牽引できる、ハイレベルなエンジニア/アーキテクトを新たに募集します。

【仕事内容】
自動運転開発におけるデータ基盤の技術責任者として、アーキテクチャ設計から組織への浸透までをリードしていただきます。単なる機能開発に留まらず、汎用的な分析の仕組みを用いて、社内の非効率な業務プロセスを改革し、ビジネスインパクトを生み出すことが求められます。

具体的な業務

• 全社データ戦略の策定とアーキテクチャ・ガバナンス
  　-- 全社的な技術委員会やアーキテクチャレビューボードへの参画を通じ、データプラットフォームの技術選定や戦略的意思決定をリードする。
  　-- データガバナンスおよびセキュリティ要件に基づいたアーキテクチャポリシーを策定し、組織全体への適用を推進する。
  　-- 上記戦略に基づき、Data Lakeおよびストリーミング処理基盤（AWS: Redshift, Glue, Kinesis, EMR等）の実装を主導し、スケーラビリティとコスト効率を両立させる。

• 経営・事業部門との連携およびデータ活用による事業課題の解決
  　-- 各事業部門（BU）の責任者と定期的なパートナーシップを組み、ビジネスの重要課題に対し、データドリブンで解決策を提案・実行する。
  　-- 単なる基盤提供に留まらず、現場の業務プロセス変革や、全社的なデータ活用文化（Data-Driven Decision Making）の定着を、経営層を含むステークホルダーと共に推進する。
  　-- エンジニアリングの枠を超え、データがビジネスインパクトを生み出すまでのサイクル全体に責任を持つ。

• 技術的意思決定とエンジニアリング水準の引き上げ
  　-- 高度な専門性に基づき技術選定の意思決定に強い影響力を行使し、既存のアーキテクチャやプラクティスの評価・改善を行う。
  　-- 組織横断的な技術課題に対してSenior ICとして解決策を提示し、全社的なデータ標準（Data Standards）の進化とベストプラクティス（DataOps/MLOps）の標準化を牽引する。
  　-- コードレビューやアーキテクチャ設計レビュー、メンタリングを通じて開発チーム全体の技術力を底上げし、自律的な組織成長を促す。

【チャレンジ- やりがい】

• 前例のない大規模データへの挑戦: 自動運転車両から生み出されるペタバイト級のデータ（画像、点群、ログ）は、一般的なWebサービスとは比較にならない量と複雑さを持ちます。この膨大な非構造化データを効率的に処理・検索・可視化するためのアーキテクチャをゼロベースで設計できる稀有な機会です。

• 組織を変える経験: 単に技術を提供するだけでなく、社内のデータ活用文化そのものを醸成する役割を担います。ビジネスサイドや運用チームを巻き込み、データドリブンな組織への変革をリードすることで、エンジニアリングの枠を超えた大きなビジネスインパクトを生み出せます。

• 自動運転社会への直接的な貢献: 構築したデータ基盤は、自動運転の安全性検証やAIモデルの改善に直結します。自らの技術が「自動運転の民主化」という社会的意義の大きいミッションを加速させる手応えを感じながら働くことができます。

• 技術的裁量とICキャリアの追求: マネージャーとしての管理業務に忙殺されることなく、Senior ICとして技術的難易度の高い課題に集中できます。技術選定やアーキテクチャ設計において大きな裁量を持ち、自身の技術ビジョンをプロダクトに反映させることができます。

【参考】

• TIER IV Meetup Web.Auto編 自動運転クラウドサービス開発者のキャリアパス
  https://www.docswell.com/s/TIER_IV/K1J6W3-TIERIVMeetupWeb.Auto
• 自動運転を支えるクラウドシステムとエンジニアリングチーム
  https://tier4.jp/media/detail/?sys_id=5KlJMexmAHQYhyBc1zD4wM&category=BLOG
• TIER IV TALKS #3 走れば走るほど賢くなるを実現する自動運転のMLOps基盤 - 大規模車両データの収集基盤
  https://www.docswell.com/s/TIER_IV/ZG16L4-2025-02-21-122222
• 第14回 Data-Centric AI勉強会 自動運転の運用を支えるデータ基盤とMLOps
  https://docs.google.com/presentation/d/1q_DGfsHhTA_DjKY0mk6flaUhCpZhpw6Zkyjhg1Jjo0k/edit

【ソフトウェア開発関連ポジションの方へ】
コンピュータサイエンス専攻の学位は必須ではありません。同等の実務経験があれば歓迎します。

• データ構造、アルゴリズム、計算量などのコンピュータサイエンスの基礎知識
• 保守性・テスト容易性・性能を考慮したソフトウェア設計・実装の実績
• 並行・並列処理およびネットワーク・通信プロトコルの基本的な理解
• チーム開発におけるデバッグ・コードレビューの経験
• プロダクション環境で稼働するソフトウェア開発における3年以上の実務経験
• 企画・設計からリリース、その後の運用まで、ソフトウェア開発のライフサイクル全体を一貫して経験していること（1回以上）

【従事すべき業務の内容】

• 雇入れ直後： 本求人に記載のある業務
• 変更の範囲： 上記に加え、会社が指定した業務

• 大規模データ環境での失敗や苦労を経験した方（例：データガバナンスの失敗、コスト増大、マルチチーム環境での調整課題など、具体的な問題を知る方）
• 現状の課題解決だけでなく、中長期的な事業戦略に基づいて技術的な意思決定ができる方。
• 既存のやり方に満足せず、データを用いて組織や業務プロセスの変革を主導できる熱意のある方。
• 高い技術力を背景に、チーム内だけでなく社内全体に対して信頼関係を築き、影響力を発揮できる方。
• 「分析環境を作って終わり」ではなく、その環境がいかに使われ、価値を生むかまで責任を持ち、データ分析の文化を根付かせることができる方。

• コンピュータサイエンス、情報工学、ソフトウェアエンジニアリング等の修士号、
  　またはそれと同等のコンピュータサイエンス／エンジニアリングの知識・実務経験

• 大規模環境での実務経験
  　-- 大規模なデータ量（数百TB〜PB級、または単一システムで数百億レコード規模）、もしくは全社規模で継続的に増大するデータ量を扱う環境において、データ基盤の課題に直面し、解決した経験
  　 ※小規模環境での立ち上げ経験だけではなく、規模拡大に伴う「痛み（技術的負債、運用コストの増大、ガバナンス欠如など）」を実体験として知っていることを重視します。

• 高度なデータエンジニアリング経験 (5年以上目安)
  　-- 要件定義・設計・実装・テスト・リリース・運用までのライフサイクルを、複数回一連のサイクルとして経験していること（リードまたは中心メンバーとして）
  　-- AWS等のクラウド環境における大規模データ基盤（Data Lake, DWH, Lakehouse）の設計・構築・運用経験
  　-- ストリーム処理（Kafka, Kinesis, Flink等）およびバッチ処理のパイプライン設計・実装経験

• アーキテクチャ設計能力
  　-- 複雑なデータ要件に対し、スケーラビリティと保守性を担保したデータモデリングおよびシステム設計ができる能力

• リーダーシップと変革の経験
  　-- データ活用に関する組織文化の構築、またはデータ基盤導入による業務プロセス改革をリードした経験
  　-- 複数のステークホルダー（技術職・非技術職含む）を巻き込み、中長期的なプロジェクトを推進した経験

• 社内メンバーと円滑に業務協働・議論ができる日本語コミュニケーション能力

• DataOps / MLOps の構築・運用経験
• AI/ML技術（特に大規模言語モデルや画像認識）をプロダクトに統合した経験
• 自動運転ドメイン または IoT/ロボティクス分野での大規模ログデータ処理経験
• OSSコミュニティへの貢献や、テックカンファレンスでの登壇経験
• 画像・点群など非テキストデータを扱うデータ基盤の開発・運用経験
• 検索・推薦システムや時系列データの集計システムの開発・運用経験
• モダンLakehouse/DWHプラットフォーム(特にDatabricks, Snowflake等)およびオープンテーブルフォーマット(Apache Iceberg, Delta Lake, Apache Hudi等)を活用したデータパイプラインの構築・運用経験
• BIツール(Redash, Amazon Quicksight, Tableau等)などを活用したデータ分析基盤の構築・運用経験