Analytics Engineer

プロダクトとAIが同じ“事実”を見て意思決定できるよう、データの意味・単位・前提を設計し、それを分析・学習に使える形へ落とす役割です。 具体的な業務内容として ==== ・指標・ディメンションの定義（意味/単位/集計粒度/タイムゾーン/除外条件）を策定し、プロダクト・AI・分析で一貫して使える“真実の源泉”を設計 ・生データ（ログ/イベント/業務DB）から、分析・機械学習で使いやすい形（スタースキーマ、ファクト/ディメンション、履歴管理）に変換するデータモデリングと実装 ・欠損/重複/整合性/鮮度/分布変化を検知するテスト・監視を設計し、データ品質の継続改善 ・データ辞書/カタログ、メトリクス定義、SQLテンプレ、ドキュメント整備により、PdM/アナリスト/ML/各部署がセルフサービスで使える状態を作る ・学習・推論に必要な特徴量候補の整備、ラベル設計支援、オフライン/オンラインで意味がズレないデータ提供（Training/Servingの整合性）を支援 ・PdM/ML/Platform/セキュリティ等と連携し、指標変更・スキーマ変更の影響を管理しながら、定義の更新と展開を運用として回す ====

・指標/定義（セマンティック）の設計と標準化を主導した経験 ・データモデリングと変換の実務能力（分析向けデータ提供） ・データ品質を担保する仕組みを設計・運用できる

・セマンティックレイヤ/メトリクス基盤の構築経験 ・dbt等のモダンデータスタックでの実装経験 ・AI/MLチームとの協業経験

・定義に強く、曖昧さを潰せる ・利用者視点でデータを“プロダクト化”できる ・品質・変更に強い ・横断的に合意形成できる