データサイエンティスト(ビジネスアナリティクスチーム) の求人一覧 - アポロ株式会社
【アポロ】インターン/データサイエンティスト
分析屋から脱却し、ビジネス価値の追究とプロダクト開発の両輪を行う高付加価値なデータサイエンティストを目指す。
【募集背景】
アポロは、データサイエンスとAIを駆使して、企業の課題解決に取り組むスタートアップ企業です。2020年に設立され、現在は50名の優秀なメンバーが在籍しています。大手コンサルティングファーム出身者を中心に、データサイエンスや機械学習を専攻した者以外にもC/C++コンパイラやUNIX OSの開発、物理学を専攻など多様なバックグラウンドを持つメンバーが集まっています。
アポロは、データサイエンスとAIを駆使して、企業の課題解決に取り組むスタートアップ企業です。2020年に設立され、現在は50名の優秀なメンバーが在籍しています。大手コンサルティングファーム出身者を中心に、データサイエンスや機械学習を専攻した者以外にもC/C++コンパイラやUNIX OSの開発、物理学を専攻など多様なバックグラウンドを持つメンバーが集まっています。
【データサイエンティスト職の特徴】
アポロでは、コンサルタントと共同しながら深く課題に入り込み、AI技術を活用して解決を進めています。またコンサルティングをしながら見つかったクライアントの課題のタネを基に、その課題を解決するためのソリューションを開発し、他の会社にも展開しています。多種多様な業界に対して、特定の技術(統計解析、深層学習、強化学習など)に拘らずに、解決しているのが特徴です。
弊社のデータサイエンティスト職は、あるクライアントの課題を解いて終わりではなく、それを他の会社にソリューションとして展開できるような課題設定、モデル構築、エンジニアリング等を行っています。つまり、クライアントでのビジネス価値を生み出すことと、プロダクト開発の双方に携わっていただきます。
アポロのデータサイエンス職は大きく3つの強みがある人材に分かれています。
▷データアナリスト
ビジネス課題を紐解き、課題に対していかにデータを使うかに強みがある人材(コンサルティング会社出身のメンバーなどに多い)
▷データサイエンススペシャリスト
統計、機械学習、数学などのデータサイエンス知識やモデル開発に強みがある人材(アカデミア出身のメンバーなどに多い)
▷機械学習エンジニア
深層学習などのアルゴリズムとデータサイエンスモデルのプロダクトとの連携、定常運用などに強みがある人材(エンジニア出身のメンバーなどに多い)
個人を上記の職種に明確に分けているわけではありませんが、それぞれの強みや希望に合わせて案件のアサインを行っています。
【プロジェクト事例】
《小売業の広告効果分析ツールの構築》
▷業種:小売業
▷目的:ソーシャルネットワークと売上の関係から、広告や営業の効果を把握すること
▷期間:6ヶ月
ソーシャルネットワーク(テキストデータ等)とPOSデータやオンラインショップの購買履歴データを組み合わせて、商品の関係性や売上との相関を把握する分析を行いました。
また、各SNSにおけるインフルエンサーの類似度や、相互の影響の関係を表すモデルを構築し、注力すべきインフルエンサーを把握することもできるようになりました。
現在はソフトウェアエンジニアと連携してAPIの設計や実装を行い、開発したAPIを小売業の企業が広告効果を把握するためのツールとして利用しています。
今後は、開発したツールに加えて広告の効果を把握するための分析レポート(BI)や、推奨広告の提案などを行うことができるように開発を進めています。
ほかにも、航空(レコメンデーション、ダイナミックプライシング)、流通小売(需要予測、在庫最適化)、製薬(営業向けマーケティング支援)、ディベロッパー(顧客分析支援)、人材・人事(動画の採用精度向上、最適人員配置)など様々な案件がございます。
📍上記プロジェクトではインターン生も大活躍してくれています!
🌸アポロで働くインターン生が書いたTech Blogです!🌸
https://note.com/apollo132/n/n16f2587ee0d4
https://note.com/apollo132/n/n202edc9a513e
インターンから新卒社員で入社したメンバーもいます!
今後は、クライアント企業と下記のようなJoint Ventureを組成して推進するケースも今後増加します。
https://apol.co.jp/orbitics
https://www.orbitics.co.jp
【選考ステップ】
(カジュアル面談⇒)書類選考⇒1次面接⇒スキルテスト⇒最終面接⇒内定
📍APOLLO Tech Blog
https://note.com/apollo132/m/m6148f4b67ce9
【アポロ】データサイエンティスト(ビジネスアナリティクスチーム)
【募集背景】
アポロは、主に大手企業をクライアントとして、戦略や業務コンサルティングまで幅広く行うコンサルティングファームです。
特にデータサイエンスやAI、DXを活用したコンサルティングサービスを強みとしており、実益の創出までコミットすることを信念としています。
同時にコンサルティングで得た知見や視点を活かしながら、自社でのプロダクト・サービス開発、新規事業の立ち上げにも積極的に取り組んでいます。
2020年に設立し現在5期目ですが、業績も組織も順調に拡大しています。
現在は50名超のコンサルタント・データサイエンティスト・エンジニアが在籍しています。
アポロのデータサイエンティストは20名以上在籍しており、個々の強みや得意を活かすべく3つのチームに分けています。
・ビジネスアナリティクスに強みを持つチーム
・数理モデリングに強みを持つチーム
・生成AIに強みを持つチーム
この募集は、主にビジネスアナリティクスチームの一員としてご活躍いただける方を対象にしていますが、面接のプロセスだけでなく、入社後に業務を進める中でもご自身の志向性や適性に合わせて、他チームの業務に携わる(または異動する)ことも相談可能ですので、ご安心ください。
【業務内容 ~ ビジネスアナリティクスチームの紹介~ 】
上記の通り、アポロは「コンサルティング×データ活用」を得意とする集団です。
なかでも特にビジネスアナリティクスチームはその傾向が強く、業種や業態に関わらず、様々な企業の様々な課題に対してデータを活かした解決策を提供していくことを仕事の中心に据えています。
入社後には、
①分析のテクニックや技術、精度が重要になるプロジェクト
②分析を行う前のアプローチ設計が重要になるプロジェクト
③なるべくシンプルに解決することが求められるプロジェクト
④データを正しく集めることが重要なプロジェクト
など、多彩な性質のプロジェクトに関わって頂く機会があります。
複数のプロジェクトにアサインされることもあります。業界や業種も多岐にわたるため、マルチタスク的な頭の使い方、体(時間)の使い方を求められることもしばしばです。
⇒ ⇒ ⇒ 頭の切り替えや気分転換などのセルフマネジメントも重要になる
⇒ ⇒ ⇒ その分、経験の蓄積が早く成長の機会もの多い
また、クライアントからデータを預かって分析するだけではなく、クライアントに伴走しながらビジネス活用に係る設計やサービス企画等に関わる機会が多いのもアポロの特徴です。
⇒ ⇒ ⇒ 外側からの専門家的な関与だけでなく、クライアント組織の”中”に入って課題解決する機会が多い
■スタッフレベル
・分析環境の構築や整理
・データ整備、加工、マスタ整備などの大事な前処理
・基礎分析(本格的な分析を行う前に「あたり」を付ける集計業務など)
・エクセルやJpyuter上でのグラス化
・各種の統計解析や機械学習の活用
・クライアント報告資料のパーツ作成
■マネージャーレベル
・クライアントニーズのヒアリングや期待値コントロール
・(クライアントニーズやプロジェクトの目的に合わせた)分析設計
・メンバーに対する分析方針、問題へのアプローチ方針の提示
・AI案件のプロジェクトマネジメント
・新規案件・既存案件拡大の提案
【プロジェクト事例】
・大手ディベロッパーの都市再開発事業における、顧客属性・来訪ニーズに合わせた情報配信施策高度化
・小売業における、SNSデータと購買データを統合した広告効果分析
【社員から見たこの仕事の面白さ】
・業種や業態に関わらず、様々な企業の課題に対してデータを活かした解決策を提供していくことができる
・分析して終わりではなく、ビジネス的なアウトカム(成果・価値)にこだわってプロジェクトを進められる
・ビジネスコンサルタントと共同しながら、クライアント企業の大きな課題解決に主体的に関われる
・プレスリリース等、外部に発信される可能性もあるプロジェクトに関わることができる
・手法にはこだわらず、クライアントValueに最適な解決手段の選定することができる
【配属チーム】
・メンバー数:8人(マネージャー2人/スタッフ6人)
・大手コンサルファームでデータサイエンティストをやっていた者、ソフトウエアエンジニアだった者、データエンジニアに強みを持った企業でデータ分析を行っていた者など様々なバックグラウンドをもつメンバーが集まっています。
<チームの信念・大事にしていること>
我々のチームの仕事は「クライアントあってこそ」。
すべてのプロジェクト活動は、クライアントの課題解決に向いていなければなりません。
データ分析の過程の中で、様々な手法やアプローチを試すのは当然であり、とても重要な取組みですが、最終的には必ず「よりクライアントの役に立つもの」が採用されます。
自分が興味を持つものでも、頑張ったものでもなく、「クライアントの役に立つもの」です。
何でも自分のやりたいようにできるわけではありませんが、逆にこうした健全な制約こそ、素晴らしいアイディアやクリエイティビティの刺激になると考えています。