R&Dエンジニア

新機能開発や機能投入後の改善など、ユーザーに利用される価値ある開発を行うことで、今後ユーザー数500万人、1000万人とサービスを拡大を目指しています。

こうした「多様」であるが故に、カテゴリー数は450にも及び、サービス提供手法もテキスト・電話・ビデオ、と多様であれば、購入方法も通常購入・定期購入・見積購入とサービスにあわせて多様化しています。

結果、競合他社も含めたスキルのマーケットプレイスにおいて、同じ出品内容であれば、購入者・出品者の双方にとってココナラが最も良いマッチングができる世界を実現することが求めれられています。

また、ココナラというコアとなるサービス以外にも、「ココナラアシスト」や「ココナラプロフェッショナル」といったサービスが誕生し、個人ユーザー・法人ユーザーの両者を含む様々な立場のユーザーが劇的に増加しており、マッチングの重要性が日増しに高まっています。

そのため検索体験の向上のためにプロダクトバックエンドと検索エンジン（ElasticSearch）とのデータ連携を構築、運用できる人材を新たにお迎えし、チームの強化を測っていきたいと考えております。

R&Dグループで組織マネジメントをご担当いただきます。

グループメンバーをモチベートしながら、機械学習を活用した検索体験の向上やデータドリブンな意思決定など、データを必要とする活動のために信頼性の高いデータを提供するデータ基盤（DWH）、及びETL環境（データ抽出・加工・書き出し）を構築、運用していただきます。

検索システムの基盤設計 / 構築 / 運用

推薦（レコメンド）システムの基盤設計 / 構築 / 運用

不正検知システムの基盤設計 / 構築 / 運用

データ収集基盤のSLO, SLIの定義・保守

データ分析ツールの管理・運用

組織マネジメント

R&D事業計画の立案・推進

言語：Python、Ruby

データ転送：Embulk、Digdag、Fluentd

DWH：BigQuery、Airflow

データベース：MySQL

データ分析ツール：DOMO

ソースコード管理：GitHub

プロジェクト管理：GitHub projects、Google スプレッドシート

コミュニケーションツール：Slack

情報共有ツール： esa、Confluence

インフラ環境：GCP、AWS

各エンジニアに加え、PdM，デザイナーなどと連携し、開発・改善を行います。

データアナリティクス部門と協業し、プロダクトのマッチングに関するKPI分析、BI環境へのデータ連携、レコメンド機能の共同開発、など

プロダクト統括部門と協業し、検索 / レコメンドのUX改善に関する共同開発、など

CS / 健全化部門と協業し、不正検知アルゴリズム、及び検出基盤の構築、など

インフラ部門と協業し、機械学習基盤の構築、検索基盤のマイクロサービス化、など

ユーザー数423万人、一人当たりのトランザクション数/月などの大規模なデータがあり、かつ、人のスキルを可視化するデータという特殊なデータを扱っていける点に面白みがある

マーケットプレイスのマッチングアルゴリズムを1から作り上げるフェーズに参画できる

企業サイズが大きかったり、開発が先行している競合他社は既に検索エンジンのベースが出来上がっており、チューニングなど限定的な関与になってしまう

アーリーフェーズの他社だと、1から作るフェーズに参画できるものの、データ量が充分になく有効な検証を実施できないケースが多い

他社だとアルゴリズム / 検索UI / 検索データ基盤が別部署になっており、総合的に取り組めないケースがある

スキルマーケットというユニーク性

アルゴリズムエンジニアと協業する経験を積むことができる

アルゴリズム / 検索UI / 検索データ基盤 の3つの観点で総合的に取り組むことができる

スキルマーケットという新規性の高い課題に挑戦することができる

組織の立ち上げフェーズであるため、最新の技術等を導入しながら主体的な立場でサービス基盤を作っていける