Lead ML Data Engineer (M5) in DSA, Vending Transformation Planning HQ

すべての人にハッピーなひとときをお届けし、価値を創造します - Deliver happy moments to everyone while creating value 私たちコカ･コーラ ボトラーズジャパンは、東は宮城県から西は鹿児島県まで1都2府35県を営業地域として、コカ･コーラ社製品を製造・販売するボトラーです。 日本のコカ･コーラシステムの約9割の販売量を担う、国内最大のコカ･コーラボトラーであるとともに、世界に250以上あるコカ･コーラボトラーの中でも、売上高でアジア最大、世界でも有数の規模を誇ります。 私たちはこれからも事業を持続的に成長させることで、利益還元の拡充と企業価値の向上を実現し、みなさまの期待に応えてまいります。 そして、お客さま･お得意さまの特性にあわせた営業活動や、製造分野における生産効率性向上など、国内外の知見を結集し、安全で高品質な製品をお届けすることで、コカ･コーラビジネスのさらなる成長を目指すとともに、日本の清涼飲料業界の発展に寄与してまいります。 当社は、人々の一生と日々の生活に寄り添い、人生のあらゆる場面においてハッピーな瞬間とさわやかさをお届けするトータル・ビバレッジ・カンパニーとして、お客さま、お得意さま、株主さま、地域社会、社員に対して、持続的に高水準の付加価値を提供してまいります。 当社をより詳しく知りたい方は画像をクリック！ (https://speakerdeck.com/2024ccbji/ccbjipitutibutuku) Role Purpose: The Lead ML Data Engineer is a senior technical leader responsible for enabling scalable, production-grade Data Science & Analytics (DSA) solutions within Coca-Cola Bottlers Japan Inc.'s (CCBJI) Vending Machines (VM) business unit. This role leads the development, optimization, and management of end-to-end ML and Analytics data workflows, ensuring reliable and efficient infrastructure for AI solutions like Assortment, Column Reallocation, and Placement. The role works in close partnership with Data Scientists, Analytics Specialists, and IT to deliver high-impact, ML-ready datasets via best of breed tools. The role plays a key function in bridging business objectives with technical delivery by converting commercial data requirements into robust pipelines, reusable assets, and operational tooling. The position also drives quality standards and data engineering practices within the team, ensuring model reproducibility, pipeline traceability, and integration with enterprise MLOps and governance frameworks. Key Stakeholders: Data Science & Analytics (DSA) Director Data Science & AI Manager and team Analytics & Insights Manager and team Business SMEs from Sales, Marketing, and Operations for data understanding and use case context IT (Data, Architecture, and Operations teams) External Vendors and Consultants Key Responsibilities: Advanced ML Data Pipeline Development Design, develop, and maintain robust data pipelines to support ML model training, inference, and feature transformation workflows. Deliver performant and modular pipelines using Databricks (PySpark/Python) and Snowflake, aligned to architectural best practices. Ensure end-to-end ownership of data engineering from working with IT on raw data ingestion to developing model-ready feature layers. Implement CI/CD-ready transformation logic for reproducibility and handover to downstream components. Feature Stores & Reusability Framework Architect and maintain a centralized, scalable feature stores that enables reuse across multiple DS use cases. Define feature documentation standards, naming conventions, and lifecycle management practices. Optimize joins, aggregations, and lookups to balance compute cost with accuracy and inference performance. MLOps Integration & Model Lifecycle Engineering Work closely with the Data Scientists and Analytics Specialists to operationalize models through CI/CD pipelines (MLflow, GitHub Actions, Databricks Workflows). Design robust systems for retraining triggers, monitoring, and automated evaluation of production ML models. Implement failure recovery, alerting, and model rollback procedures in collaboration with IT and DevOps. Engineering Excellence & Domain Leadership Serve as the go-to engineering authority for ML enablement within the DSA team. Lead technical design reviews, set code standards, and promote reusability and modularization across pipelines. Contribute internal tools, libraries, and utilities that improve engineering velocity and onboarding. Conduct informal mentoring and coaching for junior engineers and scientists working with data pipelines. Agile Program Delivery Actively participate in agile sprint cycles, contributing to planning, estimation, retrospectives, and delivery metrics. Align with the Analytics Portfolio Manager, DS Manager, and Analytics Manager to prioritize deliverables and resolve cross-functional dependencies. Maintain and manage engineering backlog, surfacing technical debt or architectural decisions that require executive alignment. Cross-Functional Collaboration Translate ambiguous business requirements into structured, scalable data solutions that accelerate DS and Analytics outcomes. Collaborate with the Analytics team to build curated views and pre-aggregated layers for Power BI or experimentation workflows. Partner with IT to ensure infrastructure provisioning, access control, and platform governance align with CCBJI’s enterprise standards. Data Observability & Production Assurance Build and maintain monitoring systems to track pipeline performance, schema changes, and data freshness. Implement quality checks and exception handling to reduce operational risk and manual rework. Ensure SLAs are defined and met for model refreshes, data availability, and system uptime. Key Outputs: Stable, scalable ML data pipelines that serve predictive models across VM business scenarios. Well-documented and reusable feature store logic shared across DS initiatives. Fully operationalized MLOps workflows supporting model retraining and deployment. Toolkits, templates, standards and frameworks adopted by team members for faster pipeline delivery. Reduction in time-to-ML model deployment time and increased delivery velocity. Measurable improvements in pipeline stability, data quality, and platform observability with operational dashboards Qualifications: Education: Bachelor’s or Master’s degree in Computer Science, Data Engineering, Information Systems, or a related quantitative discipline. Experience: 6+ years in data engineering roles, with 2+ years focused on ML data workflows. Proven experience enabling ML model development and deployment through scalable engineering solutions. Hands-on experience with Snowflake and Databricks in production environments. Experience contributing to cross-functional data science or analytics programs. Experience designing feature stores and implementing feature pipelines in ML production environments. Working knowledge of CI/CD, data versioning, and DevOps practices for pipeline and model automation. Technical Skills: Deep proficiency in Python and PySpark for data transformation and ML pipeline development in tools like Databricks. Advanced SQL capabilities for data wrangling, transformation, and pipeline optimization. Hands-on experience with MLflow, Git, Docker, and other DevOps tools. Working knowledge of model retraining, inference orchestration, and version control. Understanding of data governance, observability, and engineering compliance principles. Exposure to BI tools like Power BI for quick validation and prototyping. Collaboration & Leadership: Demonstrated ability to lead through expertise and technical credibility. Skilled in communicating complex architecture to business and non-technical partners. Works cross-functionally with DS, Analytics, and IT to drive aligned delivery. Embraces continuous improvement and knowledge-sharing mindset. Comfortable mentoring junior team members without formal people management. Driven by automation, reusability, and long-term scalability. Curious and proactive about learning new technologies and industry trends. Performance Success Criteria (Examples): Launch production-grade ML pipelines for at least three strategic models within first 9–12 months. Reduce end-to-end model deployment cycle time by 25% through reusability and automation. Deliver a reusable feature store structure adopted by at least 3 DS initiatives. Implement and operationalize monitoring workflows covering pipeline reliability and data quality. Create internal engineering utilities or templates reused by at least two other team members. Maintain 98%+ reliability of ML workflows and data pipelines with documented support procedures. ポジション概要 Lead ML Data Engineerは、コカ・コーラ ボトラーズジャパン（CCBJI）の自動販売機（VM）ビジネスにおいて、Analytics・AI活用を支えるデータ／MLパイプラインの設計・実装をリードする技術ポジションです。 Data ScienceおよびAnalyticsの取り組みを本番環境で安定的に稼働させるために、データ基盤・MLワークフローの構築・最適化を担います。 ビジネス要件を高品質なデータパイプラインや再利用可能なデータ資産に落とし込み、AI活用の実装を加速させる役割です。 主な業務内容 MLモデル（学習・推論）を支えるデータパイプラインの設計・開発・運用 Databricks／Snowflakeを活用した分析・AI向けデータワークフローの構築 機械学習向けFeatureデータおよび再利用可能なデータレイヤーの設計 Data Science / Analyticsと連携した、MLモデルの本番運用（再学習・評価・推論処理）の実装 データ品質・再現性・トレーサビリティの確保、およびMLOps統合の推進 コード標準化・再利用化・技術ナレッジ共有による開発効率向上 応募要件（必須） データエンジニアリングの実務経験（6年以上） ML向けデータワークフロー（特徴量生成・学習・推論）の構築経験 Python／PySpark／SQLを用いたデータ処理経験 Databricks、Snowflake等のデータ基盤での実務経験 Data Science／Analyticsとの協業経験 ビジネスレベル以上の日本語能力（会話だけでなく読み書き含む） 歓迎要件 Feature Store設計・運用経験 MLflow、CI/CD、DevOps環境でのML運用経験 データガバナンス・品質管理・可観測性に関する知識・実務経験 大規模データパイプラインの最適化・自動化経験 ビジネスレベルの英語力 このポジションの魅力 AnalyticsやAIの価値創出を「実装・運用」で支える中核ポジション 日本最大級の自販機ビジネスにおける大規模データを扱う環境 Data Science・Analyticsと密接に連携し、施策実装まで関与できる 技術を通じて、ビジネス価値創出に直接貢献できる実感 【職種 / 募集ポジション】 Lead ML Data Engineer (M5) in DSA, Vending Transformation Planning HQ 【雇用形態】 正社員 【給与】 非公開 〜 ※前職の経験・年収を十分考慮の上、決定 ・昇給年一回（4月）前年度の評価に応じて昇給率が変動 ・賞与年三回（6月、12月、翌3月） 【勤務地】 150-0002 東京都渋谷区渋谷4-6-3 3F 渋谷オフィス　※在宅勤務可能 Shibuya Office *WFH available 会社情報 【会社名】 コカ･コーラ ボトラーズジャパン株式会社 【事業内容】 清涼飲料水・アルコール飲料の製造、加工および販売 【代表者】 代表取締役社長 最高経営責任者　カリン・ドラガン 【資本金】 1億円 【設立】 2001年(平成13年)６月29日 ※2018年1月1日　コカ･コーラ ボトラーズジャパン株式会社に商号変更 【本社】 〒107-6211 東京都港区赤坂九丁目7番1号 ミッドタウン・タワー 【勤務時間・休日】 勤務時間 　　9:00～17:45 休日 年間休日数121日。　週休2日（土日休）会社カレンダーに準ずる ※職務により別カレンダーあり スーパーフレックス：始業・終業時間をより柔軟に選択できる、コアタイムのない「スーパーフレックス」を導入しています。それぞれのライフスタイルに合わせて勤務時間を設定することが可能です。 在宅勤務：パソコンやスマートフォンを全社員に配布し、自宅でも仕事ができる環境整備に取り組んでいます。 直行直帰（営業職）：「営業活動時間の拡大」と「ワークライフバランスの充実」を目的に、自宅からお得意さまなどへ直接訪問し、会社に立ち寄らずに自宅に戻る「直行直帰」を導入しています。 サテライトオフィス：個人の生活環境に合わせて、主たる勤務地でなくても業務が行える「サテライトオフィス勤務」を導入。自社拠点約100拠点をサテライトオフィスとしています。 【福利厚生】 • 財産形成：退職金制度（企業型確定拠出年金　※100%会社負担）、従業員持株会、グループ保険 • 社会保険完備（健康保険、厚生年金保険、雇用保険、労災保険）、休日手当など • 結婚休暇、葬祭休暇、公傷病休暇、私傷病積立休暇、公用休暇、罹災休暇、赴任休暇、 配偶者出産休暇、リフレッシュ休暇（永年勤続表彰）子の看護休暇/介護休暇（年間5労働日）、ならし保育休暇 • ととのえ休暇（生理休暇）、出産休暇、育児休業、介護休業 • 育児短時間勤務（子供が小学校3年生終了まで） • チャレンジ休業制度；社員のキャリアアップ（学位や専門能力取得）を目的に6か月以上3年以下の休業を認める制度 • ウェルカムバック制度（再雇用制度） • その他：共済会、健康支援、各地契約保養施設、各種割引券など 【職場環境】 Sawayaka Dress: TPOに応じた節度のある着用を前提にビジネスカジュアルを推奨しています チノパン・ジーンズ・スニーカーなどOKです 風通しのよい職場：役職ではなく、「○○さん」と名前で呼び合うことで、風通しのよい職場づくりを推進しています。 【健康な職場づくり】 私たちは、働く従業員の「健康保持・増進」を重要な経営課題の一つと考え、「Road to 100」＝100才でも元気な体でいられることを目指し、「健康第一」の企業風土を醸成しています。 2020年1月より就業時間中は全面禁煙としています。 積極的に禁煙を推進することで、社員の健康と働きやすい職場づくりを推進しています。 【キャリア開発・研修】 社員一人ひとりの「学ぶ向上心」の実現のために、新たな知識・能力・マインド・リーダーシップを得るための育成施策に真剣に取り組んでいます。 Eラーニング、通信学習などをはじめ、選択研修、選抜研修、様々なプログラムを用意し、社員が自分らしいキャリアを実現できるような仕組みづくりを行っています。