■自社SaaS「FULL KAITEN」のバックエンド開発を担当頂きます。 【業務範囲】在庫最適化システムを支える、データ基盤の構築を行っていただきます。顧客からの数億レコードにもなる大量データから、 分散システムを活用して集計処理を行い、在庫の質を可視化するためのデータ基盤の構築に携わっていただきます。 【業務詳細】データパイプラインの設計、自動化／DB設計、データフロー設計 分散処理基盤の構築、パフォーマンスチューニング／機械学習モデルとの連携 【使用技術】・開発言語： Python、SQL ・DB: Aurora(PostgreSQL互換)、Redshift、Athena ・ライブラリ・フレームワーク：PySpark、Pandas ・インフラ： Amazon Web Services ・AWS製品： Fargate、Glue、Step Functions、Lambda、SageMaker ・環境、ツール： Docker、GitHub、Jira、Slack、CircleCI、Sentry 【開発商材】アパレル業界を中心に、少ない在庫で売り上げを伸ばせるようにする在庫管理システム(SaaS)です。 「この商品はこれだけ発注、この商品はセールしたらいい」などを、AIと在庫適正化に関するノウハウで解決します。 https://note.com/fullkaiten_re/n/ne472ff891b94?magazine_key=ma5beed7bd63d

◆同社のPoCプロジェクトにおいて、課題の原因分析や実行した内容の効果検証を担当していただきます。 主にビジネス課題をデータ分析を通じて明確化し、PoC開始時の仮説設定や実施後の効果測定を行います。 データを用いた意思決定のサポートを行い、事業の方向性に大きく貢献するポジションです。 ▽データアナリストで重要視している活動 ・課題の原因分析 顧客の課題に対してデータを用いた原因分析を行い、PoCの成功に繋がる仮説を構築します。 ・効果検証とフィードバック PoCで実施された施策の効果を検証し、KPIに基づいて結果を測定・評価します。その後の改善提案も行います。 ・顧客視点のデータ活用 データ分析に基づいた意思決定をサポートし、顧客に価値を提供するための指標設定や効果測定を行います。 【担当範囲】課題の原因分析／実施施策の効果検証／仮説設定と検証結果の報告 【業務詳細】PoCにおけるデータ分析を通じた課題の原因特定／実行された施策の効果検証、KPI設定と測定／仮説の構築と結果レポート作成

◆AI×SaaSプロダクト『FULL KAITEN』の開発部門で、データサイエンス領域の開発を担当頂きます。 各種データを使って各種指標や統計値さらに機械学習を応用した予測モデルを構築し管理していきます。 【業務詳細】各種指標の開発と管理／機械学習による予測モデルの構築／統計的指標、予測モデルの構築 同社のデータサイエンティストは主に2つの業務があります。 完売予測日の予測モデルの構築し、ソリューション(FULL KAITENの機能開発のロジックづくり)がメイン業務です。 統計学や機械学習への深い専門性を背景として、高精度な分析モデルを構築することに軸足が置かれます。 【顧客目線を意識した指標や予測モデルの作成】 顧客が抱える課題を統計学や機械学習の考え方を応用して解決まで導くことは、プロダクトの成否を左右する重要なものと考えています。 我々は顧客に価値を届けるために必要な指標やモデル作成をしたいと考えます。そのために、常に顧客視点をもつことを大切にしています。