データサイエンティスト／PM・PL経験者

必須

• データ関連プロジェクトにおけるPMO／PM／PLのいずれかのご経験（年数は問いません）
• SQL・Pythonを用いたデータ分析、データコンサルティング、データマネジメント、データ基盤構築のいずれかのご経験（3年以上）
• 評価基準・要件・方針のいずれかを、自ら定義した経験 　※「分析を実施した」ではなく、何を測るべきかの議論に関与したご経験を指します

歓迎

• 効果測定・精度検証・ベースライン比較の設計経験、KGI／KPI設計
• ステークホルダーを巻き込んで合意形成を図った経験（部門横断・経営層を含む）
• 抽象的なビジネス課題を、明確なビジネスルールとして言語化した経験
• Snowflake／BigQuery／Redshift等を用いたデータ抽出・基盤構築
• 生成AI／NLP／LLM分野の知見、統計・機械学習の知見
• マーケティングリサーチ、市場調査、シンクタンクでのリサーチ経験
• 特定業界のビジネス知識（ビジネスモデルの理解）、ラインマネジメント経験

求める人物像

• 「何をすればよいか」ではなく「何を達成すべきか」を考えて動ける方
• 精度がズレたとき、なぜズレたのかを諦めず掘り下げられる方
• 未確定の要件しかない状態でも進められる方。仕様変更をストレスに感じない方
• 依頼をそのまま受けず、前提を先に確認して手戻りを防げる方
• 成果を数値で説明できる方
• 後輩の育成に辛抱強く関与し、その成長に喜びを見出せる方

使用ツール

事業部の使命（ミッション）

• 言われた指標を、言われた通りに集計している。その指標が妥当なのかを問うと、「決まりだから」と返ってくる。分析はできる。けれど、何を測るべきかの議論には呼ばれない。

単価が上がらない理由は、技術力ではありません！

• データ分析そのものの価値は、この数年で急速に下がりました。抽出して可視化するだけの仕事は、どれだけ精度を上げても単価が上がりません。一方で価値が上がっているのは、何を測るべきかを定義する側です。
• とくに生成AIの領域で、この非対称が極端に出ており、LLMの品質をどう評価するか？その基準は、まだ世界のどこにも確立していません。誰も答えを持っていない。だからこそ、評価を設計できる人の市場価値が最も高くなっています。
• 本ポジションは、大手クライアントの直受け案件において、評価基準・要件・方針を定義する中核者を募集するものです。

事業側と技術側を、行き来する仕事です

• いまこの役割を担っているメンバーの一人は、シンクタンクの研究員補佐（国土交通省の報告書に2回採用）から人事データ分析へ転じ、現在は事業企画上の要請とAI設計上の要件を行き来しながらPMOを担当しています。働きながら大学院（人工知能科学研究科）に通い、修士課程を修めた方です。
• もう一人は、新聞記者を7年、その後人材サービスで営業とマネジメントを3年半経験し、現在は要件定義からモデル構築、ビジネス実装まで一気通貫で担当しています。前職の経験が、そのまま顧客との合意形成に効いているとのことです。

あなたが決めること

• ご経験・キャリア志向に合わせて、以下を単独または組み合わせでお任せします。あわせてPMO／PM／PLとしてのプロジェクトマネジメントも担っていただきます。
• 評価の設計｜LLM・AIシステムのコスト・品質を定量評価する指標の設計、効果測定、精度検証、ベースライン比較、LLM-as-a-Judgeの設計
• 要件の定義｜顧客のビジネス課題を、システム要件の前提となる論理的で明確なルールとして定義する。KGI／KPIの設計
• 価値の定義｜そもそもこれをAIで作ることでビジネスにどうインパクトを与えるかを見極め、投資判断に踏み込む
• データ基盤・分析基盤の要件定義とリード｜データパイプライン・DWH・データマート・CDPの設計、生成AI活用に向けたデータ整備
• 育成・マネジメント｜若手データサイエンティスト／データエンジニアの育成・マネジメント

アサインはこう決まります

• 入社後にどの案件から入るのかは、多くの方が気にされる点です。仕組みをそのまま書きます。
• キャリア希望を、上長が定期的に吸い上げます。「次はこの領域に行きたい」という意思を出す場があります。
• それに対して上長が「そのために何が必要か」を提示します。（必要な資格、身につけるべき技術、経験しておくべき工程）
• 準備が整った段階で、営業が戦略的に次の案件を取りに行きます。本人の希望に合う案件を、こちらから顧客に提案する動き方をしています。
• 年功序列はありません。次の案件は勤続年数ではなく、本人の伸び方で決まります。単価は同一案件の中ではほぼ上がらず、案件が変わるタイミングで上がる構造です。だからローテーションを意図的に設計しています。

一人にはしません

• エンタープライズ企業の現場に入りますが、1人で放り出されることはありません。当社メンバーが複数名参画するチーム体制が基本です。事業部全体で約190名の組織で、修士・博士を含む専門家100名以上が在籍しています。案件で詰まったときに社内で聞ける相手がいること -常駐型で働くうえで、ここは決定的に重要だと考えています。

評価と昇給

• 年功序列はありません。20代・30代前半で部長になったメンバーが複数います。管理職へのステップアップも、専門性を深めるキャリアも選択できます。

勤務スタイルについて

• 在宅勤務を組み合わせたプロジェクトが中心ですが、参画先によっては現場への常駐が基本となるプロジェクトも存在します。形式的な在宅比率に拘泥するのではなく、プロジェクトの価値創出のために最適な場所でパフォーマンスを発揮する姿勢を重視しています。

育成環境

• 資格取得支援：270種以上が対象、前期221名が利用（年600件・3年で5,000万円の支給実績）／AMBL PANEL（約460コンテンツの自己学習システム）／社外研修費 会社負担／修士・博士を含む専門家100名以上。機会は最大限・平等に用意します。掴むかはご本人次第です。

豊富なプロジェクト実績

• 多種多様な大手クライアント先からの直請け案件が多くを占めております。最先端のAI・LLM基盤の評価設計からデータマネジメントまで幅広く挑戦できます。

具体的なプロジェクト例

• LLM基盤のコスト・品質の定量評価と改善設計
• 伴走型のデータ分析支援
• 需要予測・予兆モデルの設計
• 通信事業者向けデータ基盤とダッシュボード構築
• 航空業の会員向けデータ基盤構築
• 大手食品会社向けDMP構築
• メガバンク向けダッシュボードの構築と運用