データサイエンティスト【Data Solution事業】

必須

• 以下をすべて満たす方。

  • 機械学習・統計モデリングの実務経験（Python: pandas / scikit-learn / PyTorch or TensorFlow 等）
  • 課題定義〜モデル実装・本番導入まで一気通貫で完遂した経験（年数不問、実績重視）
  • クライアントワーク経験（非エンジニアへの説明・合意形成含む）

歓迎

• LLMを活用したアプリケーション開発・本番運用経験（RAG・エージェント・Fine-tuning等）
• テーブルデータ・自然言語・時系列など複数のデータ形式を扱った実務経験
• DWH（BigQuery / Snowflake等）やデータパイプラインの構築・運用経験
• MLflow等の実験管理ツールや、モデルのデプロイ・監視・運用経験
• 分析・MLの知見を、再現可能な仕組みやプロダクト機能として実装した経験
• 新規事業・プロダクト開発など、0→1フェーズへの関与経験
• Kaggle等コンペでの入賞、または国際会議・論文への投稿経験

求める人物像

• 「分析して終わり」ではなく、最後まで価値提供に責任を持つ姿勢（ラストマンシップ）
• ビジネス課題とデータの間を往復し、「解くべき問い」を自分で定義できる人
• 全体最適・部分最適、短期・中長期それぞれの最適化を考えることができる方
• 1つのプロジェクトの知見を「他の100社でも使える仕組み」に昇華しようとする視点を持つ人
• 課題に対して論理的に物事を組み立て説明し、合意形成に導く努力を惜しまない方
• クライアント、市場、社内問わず、さまざまな人を巻き込んで円滑なコミュニケーションが取れる方
• primeNumberのミッション・バリュー (8 Elements) に共感いただける方

使用ツール

なぜ今、primeNumberのデータサイエンティストなのか

• 精緻な分析レポートを納品したのに、結局ビジネスでは使われずに終わった――そんな経験はありませんか。
• 私たちは「可視化・集計」で終わりません。その先にある現場への実装、予測・最適化・異常検知、さらにはLLMを活用した意思決定支援まで、データをビジネス成果へとつなげることにこだわっています。
• 製造・小売・流通・金融をはじめ、高度な分析やAI活用はほとんど手つかずの企業が多く、価値の源泉となるテーマが数多く眠っています。
• わたしたちは自社プロダクト「TROCCO」「COMETA」がデータ整備の負荷を軽減するからこそ、与えられたテーマをこなすのではなく、自ら課題を定義し、最も価値ある問いから解き始めることができます。
• 求めているのは、データの力で顧客の意思決定を変え、その知見をAIソリューションやプロダクトへと還元できる人材です。そんなエコシステムを、ともにつくっていける仲間を歓迎します。

お任せしたいミッション

• 顧客のデータ資産からビジネス成果を最大限に引き出し、その知見をAIソリューションやプロダクトへと昇華させることがミッションです。
• コンサルタントやエンジニア、プロジェクトマネージャーと連携しながら、課題定義から実装、成果創出まで一気通貫で責任を持っていただきます。

1. 顧客現場でのデータ活用とビジネス成果の創出

• 顧客の業務や意思決定プロセスを深く理解し、データとAIを活用してビジネス成果につながる課題解決をリードします。
• 本質的な課題の特定から、ML・LLMを活用したソリューション設計・本番導入まで一気通貫
• 「この課題は他の300社でも起きている」というマクロ視点での知見の構造化

2. 現場知見を元にした、新AIソリューション・新プロダクトに繋げる

• 顧客現場で得た発見をもとに、再現可能なAIソリューションやプロダクトの企画・開発に携わります。
• 複数顧客の課題を横断的に捉え、共通パターンをソリューションへ昇華
• RAG・エージェント設計など次世代AIの研究開発から、PoC・事業化まで

3. データサイエンス組織・文化の立ち上げ

• データサイエンス領域を牽引する初の専任メンバーとして、技術標準・組織文化・将来像を自らの手で設計します。

① あなたの仕事が、2,500社に届く

• 顧客現場で得た知見や成功パターンは、自社プロダクトやAIソリューションへと昇華され、2,500社を超える企業へ価値として届けられる可能性があります。一社の課題解決で終わらず、業界全体へのインパクトを生み出せる環境です。

② 「データがない」「品質が悪い」に悩まされない

• TROCCO・COMETAで培った知見とアセットがあるからこそ、データ収集・品質改善に時間を奪われることなく、価値ある問いとビジネス成果の創出に集中できます。

③ AIコモディティ化の時代に、本質的な競争優位の場所で戦える

• 生成AIの進化により、モデルやアルゴリズム自体の差別化は急速に難しくなっています。
• 競争優位の源泉となるのは、「何を解くか」という課題設定と「データの質」ーーその両方がprimeNumberにはあります。技術の希少性が下がる今、本当に価値ある領域を見極める力を、実践のなかで身につけられる環境です。

④ 事業の「次の柱」を創る、データサイエンス組織の立ち上げを担える

• FDEやテクノロジーアーキテクトと並ぶ精鋭ポジションとして、評価基準・技術標準・チームの文化など、データサイエンス組織の土台づくりに深く関わることができます。拡大フェーズだからこそ、自らの意思や専門性が組織と事業の未来を形づくる。今このタイミングでしか得られない経験です。