Lakehouse データ&AI案件プロジェクトマネージャー

必須

• SIerやITコンサル企業で3年以上のPM・TL経験をお持ちの方
• Microsoft AzureやAWSに関連した実務経験をお持ちの方
• データエンジニアリング、クラウドサービスに関連した技術的なスキルを習得する気概をお持ちの方

歓迎

• 次のいずれか

  • PythonやSQLを使用したコーディングのご経験をお持ちの方
  • ビッグデータ技術（Hadoop、Spark、Pysparkなど）に関する知識をお持ちの方
  • アジャイル手法を使用したプロジェクトに参画したご経験をお持ちの方
  • 生成AIをビジネスに活用したご経験をお持ちの方

求める人物像

• お客様目線に立った思考、提案ができる方
• PMとしてワンランク上を目指したい 成長志向をお持ちの方
• 受け身の姿勢ではなく、自律して主体的に業務や技術キャッチアップに取り組める方

使用ツール

募集背景

• 売上が3年連続で200%超を達成し続けるなど、プロジェクトの引き合いがとても多い状況が続くなか、組織の拡大と強化が追いついていない状況を改善していくために募集を行っています。
• 当社は日本市場のデータ&AI文化を根本から変えたく、ビッグデータを使用したAIによる分析やデータ利活用等、データマネジメントを推進するために事業を一緒に推進いただける方を探しています。

業務内容

• Lakehouseでは、クラウド上でデータの格納・処理・分析・機械学習まで一気通貫で扱える Lakehouse プラットフォームであるDatabricksを活用し、お客様にデータ&AIを活用いただけるよう、データやインフラ基盤の構築や内製化支援をしています。
• 本求人で採用する方には、当部のプロジェクトマネージャーとしてのご活躍をお願いします。
• 採用後は、入社研修の後、下記の業務をお任せいたします。

プロジェクトマネジメント業務

• データ分析/データサイエンス/機械学習に関する、インフラ基盤構築や分析システム導入プロジェクトの企画・提案、技術選定・要件定義
• スケジュール管理、リソース管理、成果物の品質担保、納期管理

データエンジニアリング業務

• データ基盤環境(データレイク・DWH)の設計、構築
• 各種データの収集、クレンジング、統合、最適化
• ETL/ELTパイプラインの設計・実装・(Python,Airflow, dbtなど）
• ビッグデータ処理基盤の設計・運用(Spark、Hadoop、Pysparkなど)
• BIツール(Tableau、Power BIなど)向けのデータマート構築
• ユーザートレーニング、内製化支援

大規模案件の提案経験

• Databricks やMicrosoft など大手パートナー企業や大手顧客との商談に関与し、数千万規模の案件提案を経験できます。

データプラットフォーム領域での専門性

• Databricks をはじめとしたクラウドデータ基盤の知見を身につけ、今後市場価値の高い人材として成長できます。

キャリアの幅の拡張

• 様々なデータ関連のプロジェクトを通じてキャリアの幅を広げていただく事が可能です。

働き方の特徴

• 上流のデータ活用構想から、分析基盤の構築、内製化・定着支援まで一気通貫で担当します。
• 特定工程だけを請け負うのではなく、お客様のデータ活用が自走する状態までを見据えて伴走する点が特徴です。
• また、Claude Code をはじめとしたAI開発ツールを積極的に活用し、生産性高く開発できる環境を整えています。
• ※以下の技術は、いずれかのご経験があれば歓迎します（すべての経験は必須ではありません）。

某製造系企業様

• Databricks・AWSを活用したリアルタイムデータ分析基盤の構築。
• ストリーミングデータ処理基盤を設計・実装し、生産データの即時可視化と迅速な意思決定を支援。

某通信系企業様

• RAG・OpenAIを活用した社内ナレッジ検索AIを開発。
• 技術文書の検索・要約機能を実装し、情報活用の高度化と調査工数の削減を実現。

某金融系企業様

• 既存のOracle基盤をLakehouseアーキテクチャへ刷新。
• データ統合基盤の再設計とパイプライン最適化により、部門ごとに分散していたデータを一元化し、全社横断でのデータ活用と分析スピードの向上を実現。

某化学メーカー様

• AutoMLを活用した原材料価格の時系列予測モデルを構築。
• 予測結果をダッシュボード化し、データドリブンな調達計画・意思決定を支援。

某家電メーカー様

• Terraform・Databricksを活用した分析基盤の再設計およびIaC化を推進。
• クラウドコストの最適化と運用効率向上に貢献。

業務の進め方の例

• 案件開始〜2週間：構想策定とアセスメント データ活用構想の策定および現状データのアセスメント
• データソース、データ品質、業務課題のヒアリング
• Databricksを活用した分析基盤アーキテクチャの提案
• クラウド環境（Azure/AWS）を含めたデータプラットフォーム全体設計
• 1〜2か月目：分析基盤の構築とデータ整備
• Databricksを活用したデータ分析基盤の構築
• データパイプラインの設計・実装およびデータモデリング
• 分析・可視化に向けたデータ整備、変換処理の実装
• 新規データ追加やスキーマ変更に柔軟に対応できる運用プロセスの整備
• お客様による継続的なデータ活用を実現するための内製化支援
• 2〜3か月目：ユースケース実装と定着支援
• 業務課題に基づくダッシュボード・分析ユースケースの実装
• データ利活用シナリオの定義と活用支援
• 運用手順の整備、ナレッジ移管、トレーニングの実施
• 分析基盤の本番移行および定着支援
• ※案件により、本番稼働後も継続的にご支援するケースがあります。

開発環境

• 【クラウド】 AWS / Microsoft Azure
• 【次世代データプラットフォーム】 Databricks / Microsoft Fabric
• 【データエンジニアリング / モデリング】 Apache Spark（Structured Streaming含む） / Delta Lake / ETL・ELT / データモデリング / dbt
• 【次世代BI・意思決定支援】 Databricks AI/BI Dashboards
• 【DataOps・開発基盤】 GitHub / GitHub Actions（CI/CD） / Terraform (IaC)
• 【タスク管理・仕様策定の半自動化】 Claude CodeとAtlassianツール（Jira / Confluence）の連携
• 【AI開発・開発生産性向上】 Genie Codeを活用したAIペアプログラミングの実践
• 【AI・高度分析】 RAG / OpenAI API / LLMアプリケーション開発 / 機械学習（時系列予測 等）

メンバー構成

• 2022年に新設され、様々なバックグラウンドをもつ幅広い世代が集まった多様性の高いチームです
• ※男女比 1:1 とバランスの取れたチーム構成
• 部長：1名
• プロジェクトマネージャー：2名
• エンジニアリングマネージャー：1名
• データエンジニア/サイエンティスト、インフラエンジニア：7名
• プリセールス、セールス&マーケティング：数名（他部門と兼務で対応中）