【enito】データ基盤エンジニア紹介資料

Transcript

1. データ戦略グループ (データ基盤エンジニア向け) 1 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
2. データ戦略グループについて ミッション 〜2024/9 DataとAIを活用し、より多くの意思決定とより良いユーザー体験を支える 事業部付けで分析チームが存在 2024/10〜 2社の分析チームを統合し、データ戦略グループが誕生 2024.10 2社の分析チームを統合し 分析組織として誕生 データ戦略G NOW マッチングアルゴリズムの高度化と 全社的なAI活用を推進すべく エンジニアリング領域を強化中 分析チーム NEXT エニトグループにおける 分析チーム Data・AIの総合組織を目指す 2サービスを横断して扱う 2 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
3. 組織構成 データ戦略グループは2つのプロダクト（with / Omiai）を横断し、データ活用を推進する専門組織 事業の意思決定をデータで支えるだけでなく、サービス体験の根幹を成すマッチングアルゴリズム開発も担う データ戦略グループ Analytics Data・AI Platform DATA ANALYST DATA ANALYST Product Analytics Decision Analytics ENGINEER Data Engineer ENGINEER ML Engineer 3 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
4. メンバー構成と開発環境 メンバー 開発環境 9 開発・分析基盤 BIツール 名 ※グループ長除く 所属メンバー合計 データアナリスト 5名 データ基盤エンジニア 1名 MLエンジニア 3名 AWS SageMaker Bedrock GCP Vertex AI BigQuery 開発言語 Python Java Ruby on Rails S3 AIコーディング Claude Code Tableau コミュニケーション・ ナレッジシェア Slack Confluence Codex 4 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
5. データ戦略グループの業務範囲 データを「集めて整える」から「価値に変える」までを、3つの職種で担う データ基盤エンジニアが整えたデータを起点に、分析とML・AIの両面から事業に貢献 データの発生源 データ基盤（集める・整える・届ける） データ活用（分析する・活かす） 提供価値 DATA ANALYST DATA ENGINEER データ基盤エンジニア 信頼できるデータを、必要なタイミングで 分析にもML・AIにも使える形で届ける データアナリスト 「次どうするか」をプロダクトメンバーと共に議論 より多くの • KPI可視化（BIツール含む） • 事業課題に対する示唆 • 各種施策の効果検証 意思決定 主な業務 プロダクト • データ収集・連携（ETL／ELT）の設計・運用 with / Omiai • DWH・データマートの設計・構築・運用 サービスのDB・ログなど • データ品質の監視・テスト・リカバリー ML ENGINEER MLエンジニア • 権限・保護範囲などのデータ統制 • 分析・ML向けのデータ提供 サービス内の機能だけでなく、全社のAI推進を担う • マッチングアルゴリズム • サービス内AI活用（審査など） • 全社AI活用 より良い ユーザー体験 今回の募集ポジション 5 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
6. エニトグループのデータ組織としての魅力 2つの巨大サービスを同時に扱うアドバンテージ 6 01 02 Omiai × with 広さ 性質の異なる2つのマッチングアプリの データを比較・分析できる稀有な環境 マーケティングやプロダクトチームに 「所属」していないため、中立的な立場で 全方位（集客〜成約）に関われる CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
7. エニトグループのデータ組織としての魅力② 01 02 Scientific Approach Unique Data 恋愛という「揺らぎのある行動」 を科学する楽しさと難しさ 心理テストや価値観チェックな ど、独自機能による多様なデータ 7 03 04 Impact Culture 発信したインサイトが 施策に活かされやすい環境 データを大切にする文化があり、 他部署と連携してサービスに深く 関われる CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
8. データ基盤で今やろうとしている事 BI・AIフレンドリーな統合分析データ基盤への移行 データソース データ戦略G管理の分析データ環境 データレイク 活用先 既存のデータ基盤 プロダクトDB 行動ログ 外部データ 取り込み DWH データマート 定期・差分連携 整形・統合 用途別に提供 既存基盤を活用 分析・BI ML（マッチング） AIエージェント 生データを集約 品質管理（テスト・監視） データ統制（権限・保護） ワークフロー管理（再実行） コード管理・レビュー ※ あくまで構想段階であるため、変更の可能性もあります グループ横断活用 8 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
9. データ基盤エンジニアを募集する背景 AI活用を見据えた基盤のアップデート期にある ・分析やAIエージェント、マッチングなど、データの用途が拡大中 ・用途に応じて柔軟に対応できるデータ設計が求められている 分析基盤を分離・移行するフェーズにある ・分析環境をプロダクト環境から切り離し、グループ管理の環境へ移行 ・手作業前提のデータ管理・リカバリー運用を自動化する必要がある withのデータ基盤を専任で担うメンバーがいない ・設計から移行の完遂までリードできるデータ基盤エンジニアを募集します 9 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
10. データ基盤エンジニアの主な担当業務 データ基盤の設計・移行 ◦分析環境とプロダクト環境の分離・再設計 ◦新旧の切り替えから旧環境の停止までを推進 運用・開発プロセスの整備 ◦テスト・再実行・データ検証による運用の自動化 ◦コード管理（dbt・Git等）とレビュー体制の整備 技術的な意思決定の主導 ◦技術選定、データ統制（権限・保護範囲）の設計 DWH・データマートの再設計 (BigQueryを中心に) ML・AI活用へのデータ提供 (MLエンジニアと連携) Omiai側との連携 (共通のデータ構造・スキーマの検討) 10 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
11. データ基盤エンジニアとして働く魅力 データ基盤のあり方から設計できる ・現行ツールを前提とせず、課題調査から技術選定・移行までを担う ・分析基盤の移行・統合を、設計から完遂までリードできる 大規模で多様なデータに向き合える ・with・Omiai合わせて累計2,500万人規模のユーザー基盤 ・恋愛という揺らぎのある行動を扱う、膨大で複雑なデータ群が対象 事業とAI活用を根本から支えられる ・分析やAIエージェント、マッチングを支えるデータを高い品質で届けられる 11 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy
12. ご応募お待ちしています 12 CONFIDENTIAL INFORMATION: Not for Public Distribution - Do Not Copy