Chief Data Officer(執行役員) 候補

必須

• 経営の立ち位置からデータ戦略を理解・舵取りできること

  • 経営・事業課題、業務・データ・システムの現状を理解し、dataと学習モデルで解くべき課題に構造化できること
  • 機械学習、データ分析、生成AIの活用領域・導入プロセス・限界を理解し、課題に応じて適切な技術選定ができること
  • 複数のML/LLM/データサイエンステーマをリストアップし、評価・優先順位付けできること
  • 経営層、事業部門、PdMなど多様な関係者と合意形成し、意思決定・推進をリードできること

• データ戦略を実行できる組織運営をリードできること

  • 戦略・中長期ロードマップを策定し、段階的な実行計画に落とし込めること
  • KPI設計、効果検証、A/Bテスト等を通じて、施策の成果を評価・改善できること
  • 当該領域における組織の設計、採用、育成、評価、組織改善など一連の組織マネジメントができること
  • 機械学習、データ分析、LLMの基本概念・活用領域・導入プロセス・限界を理解し、課題に応じた技術選定・実現性判断ができること
  • データ基盤、MLOps/LLMOps、プロダクト実装、業務フロー組み込み、評価・監視・運用改善まで見据え、専門家と技術方針を議論できること
  • SQL、DB、Pythonの基礎力があり、自身でデータを観察してインサイトを得られること
  • 生成AIやデータ活用に伴う品質、セキュリティ、個人情報、説明責任等のリスクを理解し、適切に管理できること
  • 日本語でスムーズにコミュニケーションが取れること

歓迎

• EC、ソーシャルメディア、ゲーム領域での経験
• Python、SQL等を用いたAI/ML開発・データ分析の実務経験
• 機械学習モデル、生成AIアプリケーションを用いた推薦、分類、回帰、自然言語処理、Computer Vision、統計モデリング、時系列分析等の開発・事業適用経験
• Boosting系モデル、Deep Learning、LLM、RAG、Fine-tuning等に関する実践的な理解
• MLOps/LLMOps、データ基盤、クラウド環境を用いたAI/データサイエンスシステムの開発・運用経験
• AI/データサイエンスプロジェクトにおけるPdM、PjM、Tech Lead、またはそれに準ずるリード経験
• AIガバナンス、セキュリティ、個人情報保護、品質管理、説明責任に関する実務経験
• 生成AIコーディングを用いたプロトタイプやモックアップ作成経験

求める人物像

• 「日常に楽しさを」「新しい生活圏のカタチをつくる」への共感
• 「変化を愛す」「追い風をおこせ」「成果でつなげ」「好きを大事に」への共感
• ECの体験には可能性があると少しでも感じる方
• 0→1, 1→10, 10→100,1000 の目まぐるしく変化する環境で挑戦したい方
• 10兆円を超える、他に類を見ない巨大市場にてチャレンジしたい方
• ソフトウェアを軸に大きなチャレンジを行いたい方
• ML/LLM/データサイエンスを軸に大きなチャレンジを行いたい方
• AI技術の根本を理解し、サービス・事業への応用に主体的にコミットできる方
• 大きな成果を生み出すために、専門家組織に閉じず、何を作り、それがどのように機能し、事業・業務にどう貢献するのかをブラックボックスにせず関係者に分かりやすく伝え、共通理解を形成しながら推進できる方
• 不確実性の高い課題に対して、仮説検証を繰り返しながら前に進められる方
• 大きな構想を持ちながらも、最初から完成形を狙いすぎず、段階的に価値を出せる方

使用ツール

募集背景

• カウシェの経営におけるデータ戦略とそのために必要な設計を構築し、定量責任を担うポジションを募集します。
• カウシェは累計700万ダウンロードを突破しました。2023年の事業転換以降、約3年でGMV35倍、売上総利益411倍、DAU81倍を達成して急成長しています。この成長を支えるコア技術がレコメンデーションです。Vertex AI上でTwo-Towerモデルをはじめとした複数のMLモデルが本番稼働しており、導入以来KPIを大きく改善してきました。
• これまでの主な成果は商品レコメンドですが、今後はUGC（口コミ投稿）とお客様とのマッチング、商品出品者への改善提案、広告配信の最適化、ダイナミックプライシングなど、ML/LLMを活用できる領域は大きく広がっています。
• 滞在時間あたりの利益、LTVの最大化、モデルの改善等をKPIとし、経営に直接インパクトのあるデータ戦略の立案・実行を担えるCDO（Chief Data Officer）ポジションを求めています。

業務内容

• ML/LLM/データサイエンスを経営・事業戦略に接続し、投資対効果のあるテーマに集中させ、組織的に遂行する責任者。技術ありきではなく、経営課題の解決方法としてdata/技術を捉えて戦略的に推進するポジションです。
• 重点課題に対するAI技術選定、フィージビリティ評価、期待効果に基づく優先順位付け
• 学習構造/技術ロードマップの策定および技術投資方針の立案
• ロードマップ実行に必要な組織・体制の設計、採用戦略の策定
• データ基盤、MLOps/LLMOps、プロダクト実装・運用まで見据えた長期アーキテクチャ方針の主導
• ML/LLM/データサイエンスの知見・経験に基づく立案、組織構築、マネジメントを中心としたリーダーシップの発揮
• 上記戦略の実行のためのデータ組織の確立

レコメンドモデルのアーキテクチャ進化

• 現在稼働中のTwo-Towerモデルをベースに、精度・速度・スケーラビリティをどう高めるかを設計・実装します。次世代のアーキテクチャを自ら提案し、プロダクションで検証できる環境があります。

コールドスタート問題

• 新規お客様の初期利用期間は購買データが基本的にありません。ファーム内行動やアプリ内行動など、カウシェ固有のシグナルから嗜好を推定するモデルを設計・実装します。

リアルタイム性の向上

• カウシェにおけるレコメンドユースケースではリアルタイム性の向上が事業インパクトに大きな影響を与えるものが多数あります。そのためのモデル側の最適化に取り組みます。

短期CVR vs 長期LTV

• レコメンドが短期的な購入率に最適化されすぎていないか、長期的なお客様価値との両立をどうモデルに組み込むかという構造的な問いに、実装レベルで向き合います。

新たなML/LLM活用領域への展開

• UGC（口コミ）のパーソナライズ、広告配信の最適化、ダイナミックプライシングなど、「何のデータをインプットに、何をアウトプットするか」の新しいモデルを事業インパクトの大きい順に設計・実装していきます。

開発環境・技術スタック

• データ基盤・分析: BigQuery, Dataform, Python, Looker Studio
• ML基盤: Google Cloud (Vertex AI, Vertex AI Experiments, Cloud Spanner, etc)
• AI/LLMツール: Claude Code, Cursor, Codex, GitHub Copilot（全員分予算あり）
• その他: GitHub, Slack, Notion

月20日以上・1日38分という、ECとしては異例の高密度データが武器になる

• 一般的なECアプリの滞在時間は数分程度です。カウシェはゲーム要素を持つ独自の設計により、お客様が日常的に開くアプリになっています。この高頻度・高密度な行動ログは、精度の高いモデル設計と実験を可能にする、他社にはないデータ資産です。

レコメンドにとどまらないデータ戦略全体の構築

• 現在の主戦場は商品レコメンデーションですが、UGCパーソナライズ・広告配信最適化・ダイナミックプライシング・UI出し分けなど、カウシェにおけるデータ・ML活用の余白は広大です。「次に何をデータで解くか、モデル実装していくか」の優先順位から自分で設計できる裁量があります。

入社後3ヶ月のマイルストーン

• 入社直後から「放置」することはありません。明確なマイルストーンと共に、チーム全体で立ち上がりをサポートします。

1ヶ月目：現状把握と課題定義

• 既存のレコメンドモデルのアーキテクチャ・特徴量・評価指標の構成を理解する
• ユーザー行動データ・購買データを探索し、データの全体像や顧客像を把握する

2ヶ月目：データ戦略仮説構築の自走

• お客様の滞在時間あたりの利益・LTVを最大化するためのデータの取得・活用戦略についてCOO・CXO・CBOと連携しながら仮説構築

3ヶ月目：ロードマップ策定と実行プランの構築

• AI・データ施策の優先順位づけとロードマップを策定する
• 効果検証の仕組みを整え、施策のPDCAを自走で回す