工藤担当の案件一覧

・要件定義、設計、実装、テストまでを一通り経験している方（業界・分野不問）
意欲があり、新しい技術に好奇心をもって取り組める方を求めています。
・クラウドサービス（アマゾン・ウェブ・サービス/AWS、Microsoft Azure、Google Cloud Platform）の使用経験
・Webサービス・アプリケーションの開発経験

・統計的モデルなどを用いたデータ分析の経験
・pythonによるモデル構築の経験
・scikit-learn等の機械学習フレームワーク経験
・パッケージやライブラリを利用した機械学習や深層学習の利用経験
・マーケ領域での経験、または興味関心
。コミュニケーション能力必須

英語日常～ビジネスクラス
RESTAPIでの開発経験（VSCODEでも可）
Pythonでの開発経験

【作業内容】流通会社向けのデータ分析 　　
集計と資料化、顧客に分かりやすく伝える為のレポート作成 　
＜例＞
（１）基礎分析 　 　
　（ア）売上関連指標の推移／全体及び商圏別 　 　
　（イ）属性の推移／全体及び商圏別 　
（２）買い回り分析 　 　
　（ア）全体の併売傾向

【連携部署】企業内データサイエンスグループで 自社製品と絡めたデジタルマーケティングを主管する部署

・R/Python/Clementine等
　　～DBと連携した処理はない

・各種OSに関する基礎スキル
・Windows/macOS/Linuxのインストール、各種設定変更、トラブルシューティング
・ネットワークに関する基礎スキル
・TCP/UDP/TLS/HTTP/SMTP/DNS/DHCPなどに関する理解
・ping/dig/tracerouteなどを使った調査スキル
・幅広い技術分野に対する興味及び学習姿勢

・アプリ開発経験（Ruby or Java、5年以上）
・UNIXサーバーでのミドルウェア構築経験
（Ruby系、Java系のWebアプリケーション稼働環境構築。パフォーマンスチューニングまでは求めない。）
・アプリケーション共通のユーティリティ、またはライブラリの実装経験
・システム設計（基本設計、詳細設計）の経験（3年以上）

・REST APIの開発・利用経験（業務ロジック）
・Pythonによる実装経験
・SQLの実装

【作業内容】
通販／流通各社向けのデータ分析
集計と資料化、顧客に分かりやすく伝える為のレポート作成 　
（例） 　　
・会員データから優良顧客の抽出やデシル分析、RFM分析 　　
・ID-POSデータを絡めた顧客構造や購買行動の分析 　　
・ECと店舗を絡めた買い回り顧客動線分析、来店統計分析 　　
・上記分析から施策・店舗・モールへ改善プランを提示
【連携部署】
企業内データサイエンスグループで自社製品と絡めたデジタルマーケティングを主管する部署

・IBM SPSS Modeler
　～DBと連携した処理などはあまりない

【案件概要】
企業分野のInsurTech推進にかかる各種データ分析および予測モデル開発　　　　　
…残価保証保険・家電延長保証保険等の保険料やリスク量算出ロジックの開発　
財務データ等を活用した予測モデル開発、等

【作業内容】
ニューリスク（従来保険化されていないリスク）に対する新規損害保険商品の開発や 　　
既存商品の更なる成長促進のための施策の立案、新ビジネスモデルの企画立案等に、データ分析の側面からビジネス成長に寄与していきます
【連携部署】
グループ全体のデジタル変革をAIやビッグデータ、IoTを活用して推進していく部門
保険のリスク評価モデル開発を行うアナリストやビッグデータを分析するデータサイエンティストなど、専門性の高いメンバーが多数在籍。

データ整備および予測モデルや機械学習モデル構築の実務経験(主担当として2年以上)
言語：Python or R or SAS等（必須）

＊次のような経験
・知識をお持ちの方は特に歓迎します
・データ分析案件のプロジェクトリーダー経験
・保険・リスクマネジメントなどファイナンス分野のデータ分析・モデル開発経験
・リスクの定量化、数理統計学、保険数理、金融工学など数理に関する知識
・コミュニケーション能力、問題解決能力、創造力
・新しいフィールドにチャレンジする強い意志、協調性と柔軟性

案件概要： - 海外の異常検知/故障予知ソリューション(パッケージソフトウェア) の立ち上げ支援。 - 現在日本語化対応を行っており、国内顧客を開拓中です。

活動内容： - 対象のパッケージソフトウェアの　技術的要素/業務的要素をキャッチアップし、
日本国内メンバーのスキルアップ速度を早めるように努める。
- 顧客のニーズ/要件/データ等をヒアリングしたうえで、デモを作成しプレゼンを実施する。
　(いわゆるプリセールスフェーズです)
- 受注につながった場合、実装フェーズへと移行していきますが、このフェーズはエンドユーザあるいはパートナー企業が実施する事を想定しています。
このためプロジェクト立ち上げ初期は、エンドユーザあるいはパートナー企業への技術支援を実施する事となります。

必要なスキル：
– 機械学習による異常検知の理解。
データの把握/クレンジングノウハウ
　　/最適なアルゴリズムによる予測の実施/予測結果の評価。
センサーデータ等の時系列データを取り扱う事が多くなります。
– GUI操作を基本としたパッケージソフトウェアですが、
　　一部Python/R等で予測プログラムを記述する事もあります。
– 英語マニュアルを読むスキル
　　(翻訳ソフトなど使用して理解できるレベルであれば問題ありません)
日本国内の市場へ展開するにあたって、
　　チーム内の他のメンバーが順次 ドキュメントの翻訳を行っています。
　　すべてのドキュメント類を日本語化するわけではないため、
　　技術的な詳細情報は英語のドキュメントに頼らざるを得ない状況です。