22.【Technology】Data Engineer/ ML Engineer（AIプロダクト開発）
仕事概要
### 募集背景
プレイドでは「データによって人の価値を最大化する」をミッションとして掲げており、主要なプロダクトであるKARTEでは、利用いただいているさまざまな企業・サービスの膨大な1st Party Customer Dataを保持しております。
この膨大なデータを活用し、AIによる価値提供を最大化するためのデータ基盤の設計・構築から、データ分析、さらには機械学習モデル開発のためのデータ準備まで、データに関わる幅広い領域でご活躍いただくデータエンジニアを募集しています。
本ポジションでは、Data Mindの中核である「Context Lake」をリードしていただきます。
Context Lakeは、社内に散らばるあらゆるデータを繋ぎ合わせ、事業成長と顧客体験の向上を直結させる「データAI戦略基盤」です。
Context Lakeの詳細については、是非[プレスリリース](https://plaid.co.jp/news/20251110/)をご覧ください。
### 職務内容
#### 業務内容の一例
- データ基盤の設計・構築・運用:
- 数百億UU規模の1st Party Dataを収集・蓄積・処理・活用するためのスケーラブルかつ高信頼なデータ基盤の設計、構築、運用
- データ分析および顧客への価値提供:
- 構築したデータ基盤を活用し、顧客のビジネス課題解決に繋がるデータ分析、レポーティング、示唆抽出。必要に応じて顧客へのヒアリングや分析結果の説明も実施
- 多様な行動ログや属性データを組み合わせた多角的な分析による、新規顧客セグメントの発見やマーケティング施策に繋がるインサイトの提供
- 機械学習を使ったアルゴリズムの設計 / 実装:
- 行動データを活用した、高精度なユーザーモデル（クラスタリング、LTV予測、推薦モデル等）構築
- 機械学習モデルの学習・推論に必要なデータフローを自動化・効率化するためのデータパイプライン（学習データセット作成、特徴量ストア連携等）の設計・構築
- 弊社独自の貴重な1st Party Dataを最大限に活用するためのデータ戦略立案や新規データソースの検討
#### 技術スタック
- Infra: GCP / Azure, etc
- AI/ML: Python, 深層学習フレームワーク (PyTorch など), etc.
- MLOps: Vertex AI, etc.
- データ分析基盤: BigQuery、dbt、etc.
### ポジションの魅力
- 解析UU数が数百億規模にのぼるデータをすでに保持しているため、貴重な経験が積め、また分析の深さや機械学習モデルの精度向上が期待できる
- データ基盤の技術選定やアーキテクチャ設計において、大きな裁量を持って取り組める
- データに関するさまざまな業務を経験できるため、データエンジニアとしてのキャリアの幅を広げられる
- 先進的なAI開発プロジェクトにデータ面から深く関与できる
必須スキル
### 募集背景
プレイドでは「データによって人の価値を最大化する」をミッションとして掲げており、主要なプロダクトであるKARTEでは、利用いただいているさまざまな企業・サービスの膨大な1st Party Customer Dataを保持しております。
この膨大なデータを活用し、AIによる価値提供を最大化するためのデータ基盤の設計・構築から、データ分析、さらには機械学習モデル開発のためのデータ準備まで、データに関わる幅広い領域でご活躍いただくデータエンジニアを募集しています。
本ポジションでは、Data Mindの中核である「Context Lake」をリードしていただきます。
Context Lakeは、社内に散らばるあらゆるデータを繋ぎ合わせ、事業成長と顧客体験の向上を直結させる「データAI戦略基盤」です。
Context Lakeの詳細については、是非[プレスリリース](https://plaid.co.jp/news/20251110/)をご覧ください。
### 職務内容
#### 業務内容の一例
- データ基盤の設計・構築・運用:
- 数百億UU規模の1st Party Dataを収集・蓄積・処理・活用するためのスケーラブルかつ高信頼なデータ基盤の設計、構築、運用
- データ分析および顧客への価値提供:
- 構築したデータ基盤を活用し、顧客のビジネス課題解決に繋がるデータ分析、レポーティング、示唆抽出。必要に応じて顧客へのヒアリングや分析結果の説明も実施
- 多様な行動ログや属性データを組み合わせた多角的な分析による、新規顧客セグメントの発見やマーケティング施策に繋がるインサイトの提供
- 機械学習を使ったアルゴリズムの設計 / 実装:
- 行動データを活用した、高精度なユーザーモデル（クラスタリング、LTV予測、推薦モデル等）構築
- 機械学習モデルの学習・推論に必要なデータフローを自動化・効率化するためのデータパイプライン（学習データセット作成、特徴量ストア連携等）の設計・構築
- 弊社独自の貴重な1st Party Dataを最大限に活用するためのデータ戦略立案や新規データソースの検討
#### 技術スタック
- Infra: GCP / Azure, etc
- AI/ML: Python, 深層学習フレームワーク (PyTorch など), etc.
- MLOps: Vertex AI, etc.
- データ分析基盤: BigQuery、dbt、etc.
### ポジションの魅力
- 解析UU数が数百億規模にのぼるデータをすでに保持しているため、貴重な経験が積め、また分析の深さや機械学習モデルの精度向上が期待できる
- データ基盤の技術選定やアーキテクチャ設計において、大きな裁量を持って取り組める
- データに関するさまざまな業務を経験できるため、データエンジニアとしてのキャリアの幅を広げられる
- 先進的なAI開発プロジェクトにデータ面から深く関与できる
歓迎スキル
- 機械学習（ML）や深層学習（DL）による問題解決の経験
- 大規模データを扱ったシステムや基盤の構築経験
- データモデリング、データガバナンス、データ品質管理に関する知識・経験
- お客様との要件ヒアリング、技術的なコミュニケーションの経験。データ分析結果を元にしたコンサルティング経験
- 最新のAI関連論文や技術トレンドを継続的にキャッチアップし、業務に活かせる方
求める人物像
- まだ世の中にない技術やサービスの開発に興味がある方
- アイデアから即座にプロトタイプを作ってその価値の実証に動ける方
### 選考フロー
※書類選考後、面談回数は3〜4回となります。
1. 書類選考
2. 面談（現場メンバー・マネージャー）
- 通常は面談1〜3回となります
- ご面談の内容から応募職種とは異なるポジションを提案させていただく場合もございます
- オンラインでの実施も可能です
3. リファレンスチェック
- 面談だけでなく、より多面的に候補者の方を理解するために実施しています
- 最終面接へ進む全ての候補者に依頼しています
4. 源泉徴収票のご提出
- 最終面談へ進む全ての候補者に依頼しています
5. 最終面談（対面／執行役員）
- 基本的にはオフィスでの面接になります
### 関連インタビュー記事
- [Engineer Blog](https://tech.plaid.co.jp/)
【変更の範囲】業務に関連する他の部署への変更/グループ会社内外への出向も含めた兼務の可能性あり
「屋内原則禁煙（喫煙専用室あり）」
応募概要
給与
諸手当
- PLAY-AID Allowance（年20万円程度の学習・環境支援金）あり
- 交通費実費支給（月額上限5万円）
勤務地
本社（〒104-0061 東京都中央区銀座6丁目10-1（GINZA SIX10F））
【変更の範囲】会社の定める場所
※ハイブリッドワーク
出社とリモートワークを取り入れたハイブリッド型の勤務形態です。中長期的なビジョンの達成に向けて最適な方法を思考し続けており、会社やチームの状況を踏まえて一定日数の出社をリクエストすることがあります。
現状ビジネスサイドは原則週3出社となっています
雇用形態
正社員
勤務体系
フレックスタイム制（コアタイムなし）
- フレキシブルタイム 7:00〜22:00
- 休憩時間 60分
試用期間
入社後6ヶ月
福利厚生
- 各種社会保険完備（健康保険、厚生年金保険、雇用保険、労災保険）
- 年次有給休暇（入社時付与）
- 特別休暇（PLAY-AID Holiday等）