Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ソフトウェアエンジニアとデータエンジニアの違い・キャリアチェンジ
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
k.muguruma
November 07, 2025
Technology
2.8k
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
ソフトウェアエンジニアとデータエンジニアの違い・キャリアチェンジ
試されDATA SAPPORO #1
https://tamesaredatahokkaido.connpass.com/event/369741/
でLTした資料です。
k.muguruma
November 07, 2025
More Decks by k.muguruma
See All by k.muguruma
全社に広がるMCPサーバーを、 どう安全に管理するか MCPass開発の舞台裏
mtpooh
3
320
MCPゲートウェイ MCPass の設計と実装 エンタープライズで AI を「運用できる」状態にする
mtpooh
1
960
Snowflake Summit 2025全体振り返り / Snowflake Summit 2025 Overall Review
mtpooh
2
1.1k
マルチデータプロダクト開発・運用に耐えるためのデータ組織・アーキテクチャの遷移
mtpooh
1
760
データ基盤におけるIaCの重要性とその運用
mtpooh
6
1.6k
ソフトウェアエンジニアリングの知見を活かして データ基盤をいい感じにする on Snowflake [MIERUNE BBQ #10]
mtpooh
2
840
データドリブンな世界を支える: データプラットフォームエンジニアリングの役割と影響
mtpooh
1
1.4k
Other Decks in Technology
See All in Technology
WAF 運用改善の承認サイクル/SRE_BizReach_MIXI_1
visional_engineering_and_design
2
370
薬剤師(ドメインエキスパート)と一緒に育てる薬局向けAIアシスタント
kakehashi
PRO
2
120
From Vanilla Kubernetes to a Batteries-Included Platform: Developer Experience at 1,300+ Clusters
yosshi_
0
630
スクラムで身についていた動き方を、XPで捉え直してみた
codmoninc
PRO
1
310
Bet AI Day 2026丨バクラク Autopilot、業務システムの再設計
layerx
PRO
2
1.6k
Snowflakeのコスト最適化を支えるアーキテクチャ設計
ktatsuya
0
870
Bet AI Day 2026丨AIを「使う」から、AIが「働く」へ ― LayerXが進める「組織AI」の社会実装
layerx
PRO
3
2.8k
多摩川(.dev)ランニング入門 / Tamagawa.dev#3
fujiwara3
3
410
Screen Lens - 今見てる画面を翻訳する
komagata
0
130
Code4Lib JAPANカンファレンス2026 開会挨拶 / Code4Lib JAPAN Conference 2026: Opening Remarks
ykiyota
0
230
プロダクト思考 × 基盤思考を AIで実現する Compound Engineering
tkc66buzz
1
290
AI時代におけるプロダクト横断勉強会の設計
zozotech
PRO
0
170
Featured
See All Featured
Statistics for Hackers
jakevdp
799
230k
Fashionably flexible responsive web design (full day workshop)
malarkey
408
67k
Documentation Writing (for coders)
carmenintech
77
5.5k
Fight the Zombie Pattern Library - RWD Summit 2016
marcelosomers
234
17k
Impact Scores and Hybrid Strategies: The future of link building
tamaranovitovic
0
430
svc-hook: hooking system calls on ARM64 by binary rewriting
retrage
2
560
B2B Lead Gen: Tactics, Traps & Triumph
marketingsoph
0
230
Collaborative Software Design: How to facilitate domain modelling decisions
baasie
1
310
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
46
3k
sira's awesome portfolio website redesign presentation
elsirapls
0
410
A designer walks into a library…
pauljervisheath
211
25k
Noah Learner - AI + Me: how we built a GSC Bulk Export data pipeline
techseoconnect
PRO
0
430
Transcript
ソフトウェアエンジニアとデータエンジニアの違い ・キャリアチェンジ データ時代の立役者 試されDATA SAPPORO #1 六車 (Muguruma)
自己紹介 • むぐるまです • 株式会社ナウキャスト所属 ◦ データエンジニア/データプラットフォームエンジニア ◦ 社内のデータ基盤のエンハンス・顧客向けデータ基盤構築支援など ◦
webエンジニア出身 • (2025年9月まで)北海道・札幌在住、今は東京に住民票を置いている ◦ 山とスキーが好き • X: @mt_musyu
今日話すこと ソフトウェアエンジニアから データエンジニアに キャリアチェンジして楽しいよという話 ソフトウェアエンジニア(webエンジニア)の方がデータエンジニアに転向してみよ うかな、と思ってくれたら成功!
私のエンジニアパス Webアプリエンジニアとして、フルスタックにフロント画面、API 開発、DB構築をやっていた。とても楽しかったのだけど、レバ レッジの効くこと がしたいという思いがあった キャリアの転換点 業務で特に面白みを感じたのは「データベースのチューニン グ」。アプリケーションのレイテンシ改善からを地道にやることに 喜びを感じ、その文脈からデータエンジニアという職業があるこ とを知った。縁の下の力持ち・総合格闘技
というワードに惹か れる。 なぜソフトウェアエンジニアからデータエンジニアに?
18.15% DEサービス市場の年平均成長率 (CAGR) (2033年まで) *出典: GlobeNewswire (2024) 現代技術のバックボーン AI、リアルタイム分析、パーソナライズされた顧客体験... 全ての「賢い機能」は、DEが構築する信頼性の高いデータ
基盤によって支えられています。 DEの需要は一時的なブームではなく、AI/IoTインフラを支え る恒常的なものと思っています。 なぜ今、データエンジニアなのか?
比較軸 ソフトウェアエンジニア (SE) データエンジニア (DE) 転換の焦点 コア目標 ユーザー向けアプリの機能開発 /安定性の維持 大規模データの収集、処理、品質保証
アプリロジック → データフロー 主要技術 Java, JavaScript, C++, フレーム ワーク、クラウド Python, SQL, Spark, クラウド 分散処理と非構造化データ 技術的規律 コード品質、テスト、レイテンシ データ品質( Data Quality)、スキーマ進化、ガバナンス、データパイプライ ンのステートフルな検証 対象がコードからデータへ ビジネスインパク ト 顧客体験、特定の機能の収益 化 組織全体の意思決定、 AI/MLの土台構築 戦術的 → 戦略的基盤 SE vs DE:技術的・ビジネス役割
現代のデータパイプラインは「スクリプト」ではなく、「堅牢で信頼 性の高いソフトウェア製品」 である — SWEのシステム設計スキルが不可欠な理由 " " データインフラの「ソフトウェア化」
システム設計能力の転用 : マイクロサービスの設計原則は、Data Meshやレイクハウスの設計に直接適用可能。 品質管理の徹底( DataOps): SEのTDD/CI/CD経験は、データがステートフル であることに起因する難易度の高いテストの 自動化に不可欠。 DBの深い知見
: データベースチューニングの経験は、大規模DWHの複雑なクエリ最適化に直結する。 ソフトウェアエンジニアの経験は役に立つ
1. クラウドと分散処理 Apache Spark, Kafka, AWS/GCP/Azure/Snowflake/Databricks の データサービス(最重要ギャップ) 2. データアーキテクチャ
DWH, データレイク, データメッシュの設計原則、ディメンションモデリ ング 3. データ処理言語と SQL Python (Pandas/PySpark) と 高度なSQL (ウィンドウ関数、クエリ チューニング) 埋めるべき 3つの技術ギャップ
SWE:ロジックによる不確実性対応 対象: 外部API、ユーザー入力、競合状態 向き合い方 : アーキテクチャ、型システム、ロジックによる防御 的プログラミング。 ゴール: できるだけステートレス なロジックで問題を解決する。
DE:コミュニケーションによる不確実 性対応 対象: データの発生源(人)、上流システムの「サイレント」な変 更、ビジネス定義の曖昧さ 向き合い方 : 技術に加え、泥臭いコミュニケーション で「人」に 向き合う。 ゴール: ステートフル なデータと組織に向き合い、品質を担保 する。 SWE→DEで変えるメンタルモデル
データインフラの「ソフトウェア化」をリードし、世の 中よくしていきましょう。 Your SWE skills are the key. ご清聴ありがとうございました