求人情報詳細
NEW 株式会社ディー・エヌ・エー データエンジニア/事業横断/東京・神奈川【フルリモート勤務OK・平均残業20時間/月程度】
正社員
| 仕事内容 | 仕事概要 募集背景 DeNAのデータ・AI活用を一手に引き受けるAI・データ戦略統括部では、ゲーム・スポーツ・ヘルスケア・ライブストリーミングなど多岐にわたる事業領域で、データを起点とした意思決定とサービス改善が並行で進行しています。 これらの事業活動を下支えするのが、データ基盤部です。事業横断の組織として、各事業に最適化されたデータパイプライン・データウェアハウス・データプロダクトを設計・提供し、ビジネスサイド・データサイエンティスト・MLエンジニアが価値創出に集中できる環境を構築しています。 事業の拡大と多様化に伴い、データ基盤への要求も急速に高度化・複雑化しています。本ポジションでは、特定の事業ドメインに固定されない、柔軟に案件をリードできるデータエンジニアを募集します。 ミッション 本ポジションのミッションは、あらゆる事業でスケールするデータ基盤における案件の牽引者として技術選定からリリース・運用まで一気通貫でリードすることです。 「データを使う」ことではなく「データを使えるようにし続ける」ことを担う立場として、複数の事業ドメインの異なる要件・制約・スピード感を読み解きながら、再利用可能で属人性の低いデータ基盤を設計・実装・運用していただきます。特定の事業ドメインや技術スタックに閉じず、組織・案件の状況に応じて柔軟に担当領域を横断していく動き方を前提とします。 業務内容 データサイエンティスト、MLエンジニア、各事業部のソフトウェアエンジニア、アナリストと密に連携し、データ基盤のライフサイクル全体をリードしていただきます。 データ基盤のアーキテクチャ設計と立ち上げ 事業要件・スケール・コスト・データ品質・セキュリティ要件のバランスを踏まえた最適な構成の設計 前例のない新規データ基盤の立ち上げにおける技術的ケイパビリティの切り分けと技術選定 データパイプライン・データ基盤の実装と運用 BigQueryを中心としたデータウェアハウス/データレイクの設計・実装 バッチ/ストリーミングのパイプライン構築、ワークフローオーケストレーション dbt / Dataformを用いたELT・データモデリングの設計と継続的改善 SLO/SLAに基づくモニタリング、インシデント対応、ポストモーテムの推進 データマネジメント・非機能要件の推進 データ品質、メタデータ管理、データガバナンス、セキュリティ、コスト最適化を包括的に設計・実装 標準化・CI/CDの整備、コード品質と運用品質の底上げ 案件リードとステークホルダー折衝 担当案件のリーダーとして、要件定義・優先順位付け・コスト調整・合意形成 事業部・データサイエンティスト・MLエンジニアとの議論を通じた最適解の導出 チーム・組織への貢献 コードレビュー、技術選定議論、ジュニアメンバーの設計・実装サポート チーム~部門レベルでの技術スタック標準化やコード品質向上のリーディング 利用サービス/技術スタック Cloud : Google Cloud(BigQuery, Cloud Composer, Pub/Sub, Cloud Storage, Cloud Run, Cloud Batchなど) Data : dbt, Dataform, Apache Airflow, Spark BI : Looker, LookML Language : Python, SQL CI/CD&Tools : GitHub Actions, Terraform, Docker AI Tool : GitHub Copilot, Gemini, Cursor, Claude Code, Devin(事業・プロジェクトごとのガバナンスに準拠) ポジションの魅力 事業横断で得られる経験の幅:ゲーム・スポーツ・ヘルスケアなど、ビジネスモデルもデータ特性も大きく異なる複数のドメインに関わることができ、特定ドメインに閉じない普遍的なデータエンジニアリング力を磨けます。 0→1から運用・改善までを一気通貫で:既存基盤の改善だけでなく、新規データ基盤の立ち上げや前例のない要件への挑戦など多岐にわたるなど、案件の中心人物としての機会・裁量と影響範囲が大きいポジションです。 モダンな開発環境とAI活用:マネージドサービスを積極活用し、AI Agentツールを用いた開発の自動化など、常に最新の生産性向上策を実践できる環境です。 専門家と協働するナレッジ密度:社内のデータサイエンティスト・MLエンジニア・アナリストと議論し、データの利活用文脈を理解した上で基盤を設計する経験が積めます。 |
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 経験・資格 |
※求人情報の応募要件全てに該当しなくても、企業様に対して内々に打診したり相談することが可能な場合もございます。一つでも当てはまる方は前向きにご検討下さい。
必須スキル▼以下のいずれかの実務経験をお持ちの方 データエンジニアリング(DWH・データレイク・ETL/ELT・データパイプラインの設計・構築・運用)の実務経験 パブリッククラウド(GCP / AWS / Azure)上でのシステム・クラウドアーキテクチャの設計および実装経験 バックエンド/プラットフォーム領域でのシニアソフトウェアエンジニアとしての実務経験(大規模・高負荷システムの設計・運用経験を含む) ▼以下の技術的素養をお持ちの方(必須) PythonおよびSQLを用いた実務開発経験 データ利活用案件に、利用者(アナリスト・データサイエンティスト)ではなく、データエンジニアリング(パイプライン・データ連携・基盤)のレイヤーで関与した経験 ▼以下の案件リード経験をお持ちの方(必須) 担当案件において、技術選定・アーキテクチャ設計・実装方針の決定・ステークホルダー折衝までを自身でリードした経験 ▼以下の素養をお持ちの方(必須) 事業横断視点での柔軟性(最重要):本部門は事業横断組織であり、部門内には事業ドメイン別のグループ構成はありますが、配属ドメインを跨いだ協働や、案件・組織状況に応じたグループ間異動が発生します。特定の事業ドメインのみに従事することを希望される方はアンマッチとなります。 自律的なキャッチアップ力・自走力:未経験領域や新しい技術スタックに対して、必要性を自ら見出し、自主的に学習し業務に適用していける方。本ポジションは育成前提ではなく、自走して案件を進められることをベースラインとします。 ビジネスと技術の両輪で考える力:コスト・スケール・品質・スピードのトレードオフを、事業文脈を踏まえて整理し意思決定できる方 高いコミュニケーション能力:専門性の異なるステークホルダー(事業部・データサイエンティスト・MLエンジニア・アナリスト)の間で合意形成を行える方 不確実性への対応力:あいまいな状況を整理し、要件や仕様として落とし込んでいく推進力 歓迎スキル GCPでのデータ基盤構築・運用経験(当部門の主たる技術スタックです。未経験でもキャッチアップ姿勢があれば可) BigQuery, Dataflow, Cloud Composer, Cloud Batch, Pub/SubなどGCPデータサービスを組み合わせた本番運用経験 データモデリング(ディメンショナルモデリング、Data Vault等)の設計・実装経験 dbt / Dataformを用いたELT・データ変換の設計・運用経験 Terraform / GitHub Actionsを用いたインフラ・CI/CDの構築・運用経験 Looker (LookML)などBIツールを用いたセルフサービス分析環境の構築・運用経験 データマネジメント領域(データ品質、メタデータ管理、データカタログ、データガバナンス、データセキュリティ)の推進経験 中規模以上のプロジェクトにおいて、技術選定・アーキテクチャ設計・実装方針の決定・ステークホルダー折衝までを責任者としてリードした経験 既存システムの改善だけでなく、新規システムや前例のない要件に対して、技術的ケイパビリティの切り分けと妥当な技術選定を行い、立ち上げた経験 新規データ基盤を0から立ち上げ、本番運用に乗せた経験 部門・組織レベルでの技術スタック・コード品質・標準化のリーディング経験 データエンジニア領域でのOSSコントリビュート、登壇、技術ブログ発信などの対外発信経験 ジュニアメンバーのメンタリング、オンボーディング設計の経験 求める人物像 「こと」に向かうことができる方:依頼された通りに作るだけでなく、「なぜこの基盤が必要か」「事業のアウトカムにつながっているか」という本質を考えられる方 技術を手段として捉える方、みちのりを楽しめる方:特定の技術への固執ではなく、事業課題の解決のために最適な技術選定・泥臭い調査を厭わない方 事業横断で動けるジェネラリスト志向:特定のドメインや技術スタックに閉じず、複数事業・複数領域を跨いで価値を出すことに面白さを感じられる方 未経験領域を自律的にキャッチアップできる方:知らない技術・知らないドメインに直面したとき、自ら情報を取りに行き、手を動かして成果に変えていける方 チームでの成果を最大化できる方:個人のアウトプットだけでなく、周囲へのナレッジ共有や育成を通じてチーム全体の成長を支えられる方 ※更なる詳細事項は、カウンセリング(面談)時にお伝えします。 |
||||||||||||
| 想定年収 | ※ご経験、スキルにより応相談 | ||||||||||||
| 勤務地 | 東京都渋谷区渋谷二丁目24番12号 渋谷スクランブルスクエア 神奈川県横浜市中区尾上町1-8(関内新井ビルディング) 神奈川県横浜市中区港町1丁目1番1 ベースゲート横浜関内タワー |
||||||||||||
| 勤務時間 | フレックスタイム制 ・始業および終業の時間は労働者の決定により委ねる(同社規定による) ・標準となる1日の労働時間:7時間45分(同社規定による) ・コアタイム:なし ※一斉休憩の適用除外あり ◆時間外・深夜・休日勤務 あり(同社規定および個別労働契約による) |
||||||||||||
| 休日・休暇 | 土日祝日、年末年始、会社の指定した休日 ※当社規定による 有給休暇:入社初年度は12日、入社次年度以降4月1日現在の勤続年数に応じて15日~20日 ※前1年間の出勤日数が全就業日の8割以上の場合に付与されます。 |
||||||||||||
| 試用期間 | 原則3ヶ月 ※当社規定による |
||||||||||||
| 昇給・給与 | [賞与:年2回(6月/12月)] 経験・業績・貢献に応じて当社規定により決定します。 ※賞与は、上期(4月-9月)分はその年度の12月、下期(10月-3月)分は翌年度の6月に支払われます。4月入社者は初年度の6月賞与、10月入社者は初年度の12月賞与は、評価対象外のため支給されません。 [給与改定:年2回(5月/11月)] |
||||||||||||
| 受動喫煙対策の有無 | 有 屋内喫煙可能場所あり |
||||||||||||
| 企業データ |
|
||||||||||||
| 取材班による独自解説 | マーケットが未成熟であったころからeコマースの進化に取り組み、ひとつの事業領域に固執せずに次々と時代を切り拓く新しい事業を生み出し続けている。現在ではエンターテイメント領域(ゲーム・ライブストリーミング等)と、社会課題領域(スポーツ・まち・ヘルスケア等)の両軸で事業を展開している。 働き方の多様性に合わせて制度を更新しており、リモートワークと出社のハイブリット勤務を推奨。出社頻度に全社一律のルールはなく、業務に必要な頻度で各自出社している。1日の通勤交通費の上限を撤廃し、月15万円まで実費支給することにより、国内どこでも居住可能になった。 | ||||||||||||
| Recruiting No. | 01000066001556 |
関連する業種から探す
エリートネットワークのおすすめの『転職体験記』
-
- ネットサービス会社に勤務しながら、博士号(情報科学)を取得した30歳プロダクトマネージャー。バーチャルから飛び出し、リアルに挑戦したく自動車メーカーの商品企画部へ
- 前職
- 【東証プライム上場 SNS、ゲーム、メタバース等インターネットサービス老舗企業】
グループ会社出向 プラットフォーム事業本部 プロダクトチーム 3Dアバター配信アプリのプロダクトマネージャー(イベント施策の企画・機能開発等)
→プラットフォーム事業本部 売上改善チーム シニアマネージャー(KPI策定・達成管理、開発進行管理、北米アートチームとの制作プロジェクトリード等)
→プラットフォーム事業本部 プロダクトマネジメントチーム マネージャー(新規事業の立ち上げ、後継マネージャーの育成)
※社内の最優秀賞、CEO賞受賞
- 現職
- 【東証プライム上場 完成車メーカー】
プロダクト企画部 デジタルプロダクト開発における商品企画・プロダクトマネジメント
転職体験記を読む -
- 統計解析を研究した博士29歳。任期1年の特定助教から、財閥系総合重機メーカーのデータサイエンティストに転職成功
- 前職
- 【旧帝国大学 大学院】
経済学研究科の特定助教(研究テーマ:統計解析、機械学習、計量経済学)
- 現職
- 【東証プライム上場 財閥系 総合重機メーカー】
AI・データサイエンティスト(機械学習、深層学習、大規模言語モデル)
転職体験記を読む -
- 工学博士29歳。バイオインフォマティクス解析技術を活かし、アカデミア(国立大学)から、AI活用データ解析に強みのテクノロジー企業に転職成功。
- 前職
- 【地方国立大学】
博士研究員(バイオインフォマティクス解析によるがん研究)
- 現職
- 【AIを活用したデータ解析や情報管理のソリューション企業】
AI事業本部 ライフサイエンス分野でのAI研究
転職体験記を読む