株式会社タイミー 求人の検索結果一覧

全 10 件中 10 件 を表示しています

• 

  シニアプロダクトデータサイエンティスト（Matching）

  募集背景 タイミーの急激な事業成長に伴い、求人案件とユーザー数が拡大し続ける中で、「自分に合った仕事がすぐに見つかる」「必要な時に必要な働き手が集まる」というマーケットプレイスとしての流動性と質を両立させることは、当社のミッションである「『はたらく』を通じて人生の可能性を広げるインフラ」を維持・発展させるための最重要課題です。 スポットワークのマッチングは、一般的なEC等とは異なり、場所・時間・スキルといった物理的な制約が強く、さらに「現場での体験」そのものがプロダクトの価値に直結します。そのため、単なるマッチング精度の改善に留まらず、マーケットプレイス全体の需給バランスの最適化や、「タイミーを使うほど、働く時間がより豊かになる」ような仕組みのデザインが求められています。 また、LLMなどの基盤モデル技術を活用し、募集内容やレビューといった非構造化データから、ワーカーと事業者の特徴をより深く理解する挑戦も進めています。 「なぜこの指標を改善すべきなのか」「タイミーとしてどのような体験を提供すべきか」というプロダクトおよびマーケティングの視点を持ち、データサイエンスと最新のAI技術を融合させて事業成長を牽引できる、意欲ある仲間を募集しています。 業務内容 現在、データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「ML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションでは、このうち「マッチング体験の向上」を専門的に担当いただき、推薦や検索アルゴリズムの力を用いて、ユーザーへの価値提供を最大化していただきます。 ビジネス課題の特定から、数理最適化や因果推論、基盤モデル等を用いたシステム設計、ビジネスインパクトと連動した評価パイプラインの構築までをフルサイクルで担っていただきます。 1. 理想のマッチングと評価指標の設計 推薦・マッチングアルゴリズムが事業KPI（マッチング率、継続率等）に与える影響を分析し、優先的に改善すべき領域を策定 「タイミーにおける理想のマッチング」を定義し、それを多角的に評価・計測するための指標や、信頼性の高い評価基盤の設計・構築 ワーカーの皆様の継続的な活躍を支え、タイミーを通じた「はたらく」体験がより価値あるものとなるような、データに基づいた価値還元やパーソナライズ体験の構築 2. マッチングのデータサイエンスと最新技術のリサーチ・実装 推薦システム、検索、グラフニューラルネットワーク、数理最適化、マーケットデザイン等の分野における論文の調査および、タイミーのマッチング課題への適応・実装 多種多様なニーズを持つワーカーと事業者の需給バランスを考慮した高度なマッチングアルゴリズムを開発し、因果推論等を用いた施策の効果検証 3. 基盤モデルを活用したユーザー理解の深化 LLM等の基盤モデルを用いて、非構造化データからセマンティックな特徴を抽出し、マッチング精度の向上に繋げる プロンプトエンジニアリングや効率的な追加学習（PEFT等）を駆使し、特定ドメインにおけるモデルの最適化を推進 4. フルサイクルなモデル開発と推論の最適化 ユーザーからの反応やフィードバック（暗黙的・明示的シグナル）を収集・分析し、プロダクトを継続的に進化させる学習ループ（フィードバックループ）の構築 ロードマップ策定からモデリング、A/Bテスト等の検証、本番運用の実施までを一気通貫で担当 推論時のレイテンシー改善やコスト管理を行い、快適なユーザー体験とビジネス効率の両立を追求 技術スタック(主要な部分の抜粋) クラウド Google Cloud 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。 本ポジションの魅力 「スポットワーク」という新しい市場の先駆者として、あらゆる人の人生の可能性を広げるためのインフラづくりに深く関わることができます。 機械学習モデルを作成して終わりではなく、運用/継続学習/精度の監視を大事にしています。 施策の設計から携わることが可能です。 データ基盤の整備は別のチームが担当しているため、データサイエンティストとしての価値創出に集中できます。 考慮する変数が多くモデリングする対象が複雑かつ、アイテムのライフスパンが短いため難易度が高いですが、 高いレベルで「データサイエンス力」「ビジネス力」や「データエンジニア力」を体現しているデータサイエンティストと一緒に働くことができ、アジリティ高く施策や検証を行うことができます。 グループのMission実現のための最適なアルゴリズム、モデル、コード、ツールなどについて、チームメンバーでの議論・提案を歓迎する文化があります。  インタビュー記事 採用要件 MUST ハードスキル マッチング・推薦領域における卓越した知見と実装経験（5年以上） ：推薦システム、検索システム、またはマッチング理論や数理最適化（需給バランスの最適化等）の知見を用いた、実ビジネスにおける高度な設計・開発・運用経験 開発・分析基盤の習熟 ：SQLおよびPythonを用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境でのモデル開発・運用、およびGitを用いたチーム開発の実務経験 データに基づく高度な意思決定支援 ：因果推論やA/Bテストを用いた精緻な効果検証を行い、マーケットプレイス内の複雑な相互作用を考慮した上で、プロダクトの改善を主導した実務経験 継続的な学習サイクルの構築経験 ：本番環境のデータやユーザーからの反応（暗黙的・明示的シグナル）を収集・分析し、モデルを改善し続ける仕組みを設計・運用した経験 評価駆動開発の高度な実践能力 ：ビジネスインパクトから逆算し、2サイドプラットフォーム特有の多角的な評価指標（オフライン評価、セマンティック類似度、マーケットプレイスの健全性指標等）を定義するとともに、信頼性の高い評価基盤を設計・構築できる能力 ソフトスキル 2サイドマッチングプラットフォームにおける深いドメイン知見 ：2サイドマッチングプラットフォームの特性（流動性の確保、マッチングの摩擦、ネットワーク効果など）を深く理解し、抽象的な事業課題をデータサイエンスの課題として構造化・ロードマップ策定できる能力 ビジネス指標と技術指標の高度な接続能力 ：マッチング率、充填率（Fill rate）、リテンションといったマーケットプレイスの重要KPIと、機械学習の技術指標を定量的に紐付け、投資対効果（ROI）に基づいた優先順位付けと戦略的な意思決定を主導できる能力 ステークホルダーを巻き込む推進力 ：他部門のステークホルダーと密に連携し、マッチングアルゴリズムがプロダクトやユーザー体験に与える影響を共通言語（ビジネス価値）で議論し、プロジェクトを完遂させる高い推進力 WANT 多段階ランキングシステムの設計・開発経験 ：大規模な候補集合に対して、効率的かつ高精度に絞り込みを行うリランキングアルゴリズムの実装経験 高度な検索システムの設計・開発経験 ：キーワード検索とベクトル検索を組み合わせた「ハイブリッド検索」や、文脈を考慮した「コンテキスト検索」の設計経験 生成的検索の設計・開発および評価経験 ：従来のキーワード検索の枠組みを超え、RAG（検索拡張生成）、セマンティック検索、クエリ書き換えなどの技術を駆使し、個々のユーザーの文脈に即したコンテンツを提示する検索体験の構築・評価知見 多目的最適化の知見 ：ユーザーの満足度、事業収益、需給バランスといった、複数の相反する目的変数のバランスを考慮した最適化の経験 論文（RecSys, KDD, NeurIPS等）のリサーチと実装 ：既存手法に留まらず、学術的な知見をタイミー独自の制約条件（アイテムの短いライフサイクル、時間・場所の制約等）に適応・再実装できる高い探究心 エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験 求める人物像 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットする方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  MLOpsエンジニア

  募集背景 タイミーは「働く」を通じて人生の可能性を広げるインフラをつくるべく、スキマバイトのマッチングプラットフォームを日本全国に展開し、急速に成長してきました。今後は既存プロダクトの継続的な改善に加え、隣接領域・新規領域への展開も進めており、扱うユーザー体験、業務フロー、データ特性、リスクはより多様になっていきます。 その中で、AI/MLの活用は、マッチング品質の向上、検索・推薦・ランキング、需要予測、審査・不正検知、業務効率化、生成AI/LLMを用いたプロダクト体験・社内業務の改善など、事業成長を支える重要なケイパビリティになりつつあります。一方で、AI/MLをプロダクトや業務に継続的に組み込んでいくためには、モデル精度だけでなく、信頼性、セキュリティ、コスト、レイテンシー、データガバナンス、監視、継続改善といった本番運用上の論点を同時に扱う必要があります。 これまでもMLOps Teamでは、多方面からのML活用ニーズにスピーディーに応えるため、MLパイプラインやCI/CDパイプラインの自動化、Feature Storeの構築、ML開発環境の整備、モノレポ化、開発効率化のための社内ライブラリ開発などを進めてきました。 今後はこれらの取り組みをさらに発展させ、実験管理、データ監視、モデル監視、LLMOpsなどの基盤整備や既存のML基盤の改善・標準化に取り組むとともに、AI/MLワークロードのさらなる自動化や、LLM/Agentic AIを活用した新しいプロダクト体験・業務体験を支える基盤づくりにも挑戦していきます。まだ正解が定まっていない領域にも技術的な探索・先行投資として向き合いながら、複数チームがAI/MLをより速く、安全に、継続的に検証・本番活用できる状態をつくっていきたいと考えています。 こうした挑戦を、プロダクト組織全体のAI/ML活用を加速するプラットフォームづくりとして捉え、既存の仕組みや運用知見を活かしながら、標準化・セルフサービス化・ガバナンス・Developer Experienceを引き上げていけるMLOpsエンジニアを募集します。 ▼これまでの取り組みについてはぜひこちらもご覧ください ・「タイミーMLOpsエンジニアが描く、LLM基盤の夢妄想」 https://tech.timee.co.jp/entry/timee-llm-platform-design-2025 ・「LLMアプリケーション向けProduction Readiness Checklistの作成」 https://tech.timee.co.jp/entry/2025/11/04/113000 ・「Dev Container Feature で実現する ML 開発環境のガードレール」 https://tech.timee.co.jp/entry/2026/05/26/120628 ・「Docker Hardened Images から学ぶ、ビルド定義の抽象度」 https://tech.timee.co.jp/entry/2026/05/26/120826 ・「Renovateの設定」 https://tech.timee.co.jp/entry/2026/05/22/112812 ・「MLOpsエンジニアがAI Security Conferenceに参加してきたレポート」 https://tech.timee.co.jp/entry/2026/01/28/134844 業務内容 マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用  機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備  モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 上記を実現するための非機能要件・運用品質の継続的な改善  IaCによるインフラ構築・管理 CI/CDによるテスト・デプロイ自動化 サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) クラウド Google Cloud 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。 タイミーのMLOpsエンジニアとして働く魅力 タイミーのMLOpsエンジニアとして働く魅力は、「働く」インフラを支えるAI/MLを、速く・安全に・継続的にプロダクトへ届けるための基盤づくりに携われることです。マッチング品質、Trust & Safety、業務効率化、生成AI活用など、複数の領域でAI/ML活用が進む中で、個別案件の実装に閉じず、共通する課題を見つけて仕組み化し、プロダクト組織全体の開発速度と品質に影響を与えられます。 データサイエンティストやプロダクトAI/MLエンジニアと近い距離で、実際のユースケースや運用課題を踏まえながら、ML/LLM基盤・推論基盤・開発運用環境を改善できます。 Feature Store、MLパイプライン、モデル監視、LLMOps、CI/CD、インフラ、セキュリティなどを横断し、AI/MLを本番活用するための標準化・自動化・Developer Experience改善に取り組めます。 大規模なユーザー・求人・稼働データを扱いながら、モデルを作って終わりではなく、精度・品質・信頼性・コストまで含めて継続的に価値提供する文化があります。 多様なバックグラウンドを持つメンバーと学び合いながら、タイミーにおけるAI/ML基盤のあり方を議論し、プロダクト組織全体のAI/ML活用を支えるプラットフォームを育てていくことができます。  インタビュー記事 採用要件 MUST ハードスキル Pythonを用いた機械学習パイプライン、基盤ツール、バッチ処理等の開発経験（3年以上） Gitを用いたチーム開発の経験 GitHub Actions / GitLab CI等を用いたCI/CDの設計・実装・運用経験 Terraform等のIaCツールを用いたクラウドインフラの構築・運用経験 Google CloudまたはAWS等のクラウド環境における開発・運用経験（直近含め3年以上） Docker / Kubernetes をはじめとしたクラウドネイティブな基盤に関わる開発・運用経験 商用環境または業務システムにおいて、機械学習パイプライン、推論基盤、Feature Store・モデル管理・実験管理・モデル監視などのMLOps基盤を設計・開発・運用した経験 監視、アラート、ログ、メトリクス、Runbook、障害対応など、本番運用を前提としたシステム運用の基礎的な経験 VPC構成、クラウド権限管理、Secret管理、監査ログ、脆弱性対応など、インフラ・アプリケーション双方のセキュリティに関する実務経験 Platform as a Product、Internal Developer Platform、Golden Path、セルフサービス基盤などの考え方を踏まえた基盤・開発環境の改善経験 社内ライブラリ、テンプレート、開発者向けドキュメント、オンボーディング資料などを整備し、開発者体験を改善した経験 ADR、Design Doc、Runbook、レビュー観点、チェックリスト等を用いて、技術的意思決定や運用知見をチームに共有・蓄積した経験 保守性、可用性、セキュリティ、コスト、運用負荷を考慮しながら、技術選定・アーキテクチャ設計・改善提案ができること ソフトスキル 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットしている方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアなど、複数職種と連携しながら業務を進められる方 利用者視点で、基盤・開発環境・ドキュメント・運用フローをより使いやすく改善していける方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方 WANT dbt、Snowflake、Databricks、BigQuery等を用いたデータ基盤・分析基盤の開発・運用経験 LLMOps、プロンプト管理、評価基盤、LLM as a Judge、LLM Observability、コスト管理、ガードレール設計等に関する経験 AIガバナンス、AI利用ポリシー、モデル・プロンプトのレビュー、リスク分類、Human-in-the-loop設計等に関する経験 リアルタイム推論、オンラインFeature Store、検索・推薦・ランキング・マッチング基盤などの開発・運用経験 基盤の利用率、開発リードタイム、問い合わせ件数、障害件数、コストなどの指標を用いて、基盤や開発者体験を改善した経験 技術ブログ、登壇、社内外の勉強会などを通じて、MLOps / Platform Engineering領域の知見を発信した経験

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  シニアMLOpsエンジニア

  募集背景 タイミーは「働く」を通じて人生の可能性を広げるインフラをつくるべく、スキマバイトのマッチングプラットフォームを日本全国に展開し、急速に成長してきました。今後は既存プロダクトの継続的な改善に加え、隣接領域・新規領域への展開も進めており、扱うユーザー体験、業務フロー、データ特性、リスクはより多様になっていきます。 その中で、AI/MLの活用は、マッチング品質の向上、検索・推薦・ランキング、需要予測、審査・不正検知、業務効率化、生成AI/LLMを用いたプロダクト体験・社内業務の改善など、事業成長を支える重要なケイパビリティになりつつあります。一方で、AI/MLをプロダクトや業務に継続的に組み込んでいくためには、モデル精度だけでなく、信頼性、セキュリティ、コスト、レイテンシー、データガバナンス、監視、継続改善といった本番運用上の論点を同時に扱う必要があります。 これまでもMLOps Teamでは、多方面からのML活用ニーズにスピーディーに応えるため、MLパイプラインやCI/CDパイプラインの自動化、Feature Storeの構築、ML開発環境の整備、モノレポ化、開発効率化のための社内ライブラリ開発などを進めてきました。 今後はこれらの取り組みをさらに発展させ、実験管理、データ監視、モデル監視、LLMOpsなどの基盤整備や既存のML基盤の改善・標準化に取り組むとともに、AI/MLワークロードのさらなる自動化や、LLM/Agentic AIを活用した新しいプロダクト体験・業務体験を支える基盤づくりにも挑戦していきます。まだ正解が定まっていない領域にも技術的な探索・先行投資として向き合いながら、複数チームがAI/MLをより速く、安全に、継続的に検証・本番活用できる状態をつくっていきたいと考えています。 こうした挑戦を、プロダクト組織全体のAI/ML活用を加速するプラットフォームづくりとして捉え、既存の仕組みや運用知見を活かしながら、標準化・セルフサービス化・ガバナンス・Developer Experienceを引き上げていけるMLOpsエンジニアを募集します。 ▼これまでの取り組みについてはぜひこちらもご覧ください ・「タイミーMLOpsエンジニアが描く、LLM基盤の夢妄想」 https://tech.timee.co.jp/entry/timee-llm-platform-design-2025 ・「LLMアプリケーション向けProduction Readiness Checklistの作成」 https://tech.timee.co.jp/entry/2025/11/04/113000 ・「Dev Container Feature で実現する ML 開発環境のガードレール」 https://tech.timee.co.jp/entry/2026/05/26/120628 ・「Docker Hardened Images から学ぶ、ビルド定義の抽象度」 https://tech.timee.co.jp/entry/2026/05/26/120826 ・「Renovateの設定」 https://tech.timee.co.jp/entry/2026/05/22/112812 ・「MLOpsエンジニアがAI Security Conferenceに参加してきたレポート」 https://tech.timee.co.jp/entry/2026/01/28/134844 業務内容 マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 上記を実現するための非機能要件・運用品質の継続的な改善 IaCによるインフラ構築・管理 CI/CDによるテスト・デプロイ自動化 サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) クラウド Google Cloud 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。 タイミーのMLOpsエンジニアとして働く魅力 タイミーのMLOpsエンジニアとして働く魅力は、「働く」インフラを支えるAI/MLを、速く・安全に・継続的にプロダクトへ届けるための基盤づくりに携われることです。マッチング品質、Trust & Safety、業務効率化、生成AI活用など、複数の領域でAI/ML活用が進む中で、個別案件の実装に閉じず、共通する課題を見つけて仕組み化し、プロダクト組織全体の開発速度と品質に影響を与えられます。 データサイエンティストやプロダクトAI/MLエンジニアと近い距離で、実際のユースケースや運用課題を踏まえながら、ML/LLM基盤・推論基盤・開発運用環境を改善できます。 Feature Store、MLパイプライン、モデル監視、LLMOps、CI/CD、インフラ、セキュリティなどを横断し、AI/MLを本番活用するための標準化・自動化・Developer Experience改善に取り組めます。 大規模なユーザー・求人・稼働データを扱いながら、モデルを作って終わりではなく、精度・品質・信頼性・コストまで含めて継続的に価値提供する文化があります。 多様なバックグラウンドを持つメンバーと学び合いながら、タイミーにおけるAI/ML基盤のあり方を議論し、プロダクト組織全体のAI/ML活用を支えるプラットフォームを育てていくことができます。  インタビュー記事 採用要件 MUST ハードスキル Pythonを用いた機械学習パイプライン、基盤ツール、バッチ処理等の開発経験（5年以上） Gitを用いたチーム開発の経験 GitHub Actions / GitLab CI等を用いたCI/CDの設計・実装・運用経験 Terraform等のIaCを用いたクラウドインフラの設計・構築・運用経験 Google CloudまたはAWS等のクラウド環境における開発・運用経験（直近含め5年以上） Docker/Kubernetes をはじめとしたクラウドネイティブな基盤に関わる開発・運用経験 商用環境または業務システムにおいて、機械学習パイプライン、推論基盤、Feature Store・モデル管理・実験管理・モデル監視などのMLOps基盤を設計・開発・運用した経験 監視、アラート、ログ、メトリクス、Runbook、障害対応、インシデント対応など、本番運用を前提としたシステム運用設計の経験 VPC構成、クラウド権限管理、Secret管理、監査ログ、脆弱性対応など、インフラ・アプリケーション双方のセキュリティに関する実務経験 Platform as a Product、Internal Developer Platform、Golden Path、セルフサービス基盤などの設計・運用経験 保守性、可用性、セキュリティ、コスト、運用負荷を考慮しながら、技術選定・アーキテクチャ設計・改善方針をリードできること 既存基盤の制約や組織ケイパビリティを踏まえ、短期の事業要請と中長期の基盤整備のトレードオフを判断できること ソフトスキル 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットしている方 業界・顧客理解のためにインプットを怠らない方 曖昧な課題を構造化し、技術・運用・組織の論点を整理しながら前に進められる方 データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア、SRE、セキュリティ担当など、複数職種・複数チームと連携しながら横断的に業務を推進できる方 利用者視点で、基盤・開発環境・ドキュメント・運用フローをより使いやすく改善し、標準化・セルフサービス化をリードできる方 社内ライブラリ、テンプレート、開発者向けドキュメント、オンボーディング資料などを整備し、開発者体験を改善できる方 技術方針、優先順位、責務分界について、関係者と合意形成しながら意思決定できる方 小規模チームまたは横断プロジェクトにおいて、技術リード、設計レビュー、タスク分解、リリース推進を担える方 ADR、Design Doc、Runbook、レビュー観点、チェックリスト等を整備し、技術的意思決定や運用知見を組織に残せる方 自身で手を動かすだけでなく、レビュー、メンタリング、ナレッジ共有を通じてチーム全体の技術力・運用品質を引き上げられる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方 WANT dbt、Snowflake、Databricks、BigQuery等を用いたデータ基盤・分析基盤の設計・開発・運用経験 LLMOps、プロンプト管理、評価基盤、AI as a Judge、LLM Observability、コスト管理、ガードレール設計等に関する経験 AIガバナンス、AI利用ポリシー、モデル・プロンプトのレビュー、リスク分類、Human-in-the-loop設計等に関する経験 リアルタイム推論、高頻度データ連携、オンラインFeature Store、検索・推薦・ランキング・マッチング基盤などの設計・運用経験 ML/LLM基盤、推論基盤、データ基盤などの大規模な移行・刷新・技術負債解消をリードした経験 基盤の利用率、開発リードタイム、問い合わせ件数、障害件数、コストなどの指標を用いてPlatform Productを継続改善した経験 OSS活動、技術ブログ、登壇、社内外の勉強会などを通じて、MLOps / Platform Engineering領域の知見を発信した経験

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  データプログラムマネージャー

  募集背景 急速な事業成長に伴い、現在、組織としては今後の事業基盤を作るための組織化を推進するタイミングを迎えており、積極的な技術投資を通して事業成長スピードに応える開発体制を組成することに取り組んでいます。 タイミーでは、創業初期よりデータに基づいた意思決定を重視し事業運営を行っており、「データを使うのは当たり前」という文化が強く根付いています。 その中で、タイミーのミッション達成に向け、データ活用によるUX向上や営業生産性の向上への期待が一層高まっており、適切に仮説検証を行いビジネスに展開していくためには、データ活用におけるプロジェクトをリードいただける方の存在が不可欠です。 システムの活用に留まらず、「お客様が抱える『人』に関する経営課題の解決」や「個人の人生の可能性を広げるためのインフラをづくり」に情熱を持ち、タイミーだからこそ持ち得るデータを基盤としながら課題の特定〜仮説立て、必要な検証の把握を行い、プロジェクトの立ち上げからビジネスへの展開を推進いただける方を探しております。 業務内容 タイミーにおけるデータ利活用の価値最大化のための戦略策定・企画運用 戦略・企画の実行支援として社内の様々な組織に対するデータ活用PJの組成・進行管理 ビジネスサイドとエンジニアリングとデータの結節点となり、タイミーの事業を前に進める ▼扱っているデータ アプリユーザーのアクセスログ、募集内容に関する情報 マッチングに関する情報 レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ 問い合わせに関するデータ 営業活動情報のデータ 本ポジションの魅力 「スポットワーク」という新しい市場の先駆者として蓄積してきたデータを活用し、労働市場における社会的課題解決を通じて日本の活性化に貢献するやりがいを得られます。 データ活用が当然というカルチャーが既に存在しているので、活用促進のような煩わしさは存在せず、データPjMとしての価値創出に集中できます。 サービス・組織が急成長しているフェーズであるため、多岐にわたり、数多くのテーマが存在しています。 インタビュー記事 技術スタック(主要な部分の抜粋) 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud AI / LLM Vertex AI / Gemini  BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Cursor / Claude Code / Devin / GAS etc ▼データパイプラインの全体図 採用要件 MUST SQL/Pythonを用いたデータ抽出・分析のご経験 経営意思決定に繋がる分析を遂行した経験 下記のうちいずれかの専門知識がある 基本的なデータ分析・データサイエンスの知識 (自身が経験した領域のビジネスモデル及びデータの特徴や、分析事例・実績を説明できる) 基本的なデータエンジニアリングの知識（data lake, data warehouse, data mart, ETLとはどのようなもので、どのような技術で実現できるか説明できる） WANT 自らシステム・ソフトウェアを開発したご経験 コンサルティングのご経験 エンジニアとビジネス職をまとめたプロジェクト推進のご経験 HR領域を始めとする、タイミー関連領域のドメイン知識 AI/LLM に関する知見 (エージェント構築など) 基礎能力・スタンス 心理的安全性を重視する方 ビジネスセンスがありながら、エンジニアのカルチャーにフィット出来る方 データの価値最大化に向けて、ビジネス要件とデータ・AI技術を接合出来る方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  クラウドアーキテクト（Google Cloud / Governance & Security）

  募集背景 当社ではGoogle Cloud 上に構築されたデータ基盤を活用し、データドリブンな意思決定やサービス改善を推進しています。 事業の成長に伴いデータ活用領域が拡大し、さらにLLMの本格導入も加速する中、既存のサービス運用に加えて、攻め（データ活用推進）と守り（セキュリティ・ガバナンス）を両立させるアーキテクチャへの進化が急務となりました。 本ポジションは、こうした変革期の中核を担うエキスパートです。事業部門と共にリスク管理を行う「第一線（1st Line of Defense）」として大きな裁量権を持ち、全社のデータ活用を足元から支え、加速させる重要な役割を担っていただきます。 業務内容 Google Cloud 組織レベルのセキュリティ/ガバナンス設計・実装 Google Cloud の Organization レベルでの認証認可（IAM）、組織レベルのネットワーク統制・設計、暗号化ポリシー、組織ポリシー等の統制設計・構成管理 業界標準のセキュリティフレームワーク（CIS Controls、NIST CSF、ISMAP等）やコンプライアンス要件に基づいた、ログ・モニタリング・構成管理・監査証跡の組織レベルでの管理ポリシーの策定と、継続的なモニタリングの推進 Google Cloud 上のワークロードにおけるセキュリティインシデント対応に関わる運用・体制の設計・整備 ISO27001をはじめとした各種法規制に関する監査対応   組織横断でのルール・ガイドライン策定・推進 プロダクトエンジニアリング部門・第二線（リスク管理部門）・コーポレート IT・監査部門を跨いだセキュリティポリシー／運用ルールの策定と合意形成、ならびに監査対応 各プロジェクトの利用者向けセキュリティ教育、およびプロジェクト管理者向けトレーニングの企画・運営 Google Cloudのプロジェクトにおける標準設計ガイドライン・開発者向けドキュメントの整備、FAQ 運用の推進   データ基盤および機械学習基盤に関わる設計への関与 セキュリティ/ガバナンス観点から、データ基盤や機械学習基盤の設計・運用・CI/CD に対してセキュリティ観点からのレビュー・改善提案 Google Cloud上のデータ基盤や機械学習基盤における、データガバナンスおよびAIガバナンスの推進 参考記事 事業に貢献できるから楽しい。データドリブンな意思決定に欠かせないデータ基盤をつくる仕事 Google Cloud × タイミー インタビュー記事 技術スタック(主要な部分の抜粋) クラウド Google Cloud 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc このポジションの魅力 日本の労働市場における大きな社会課題を解決するためには、事業の急成長を支える「攻めのデータ活用」と「守りのガバナンス」の両立が不可欠です。本ポジションは、その変革期の中核を担い、全社のデータ活用基盤を足元から強固にする非常に重要な役割を担います。 「攻め」と「守り」を両立する大きな裁量とやりがい 第一線（1st Line of Defense）として、事業部門や開発チームと直接連携しながら、単なる制限ではない「データを安全に活用するためのセキュリティ・ガバナンス」を自らの裁量で設計・推進できます。 最先端技術領域（LLM/生成AI・モダンデータスタック）に対するセキュリティ・ガバナンス 急速に拡大・進化するデータ基盤や機械学習基盤における新しい技術やアーキテクチャの実装に関わることができます。技術的な刺激に満ちた環境で、新しいベストプラクティスを自ら形にすることが可能です。 需要が急増する希少な専門性とキャリア形成 「クラウドセキュリティ（Google Cloud）」「データエンジニアリング」「AIガバナンス」という市場価値の高いドメインを掛け合わせ、組織横断でのルール策定や推進をリードする経験は、アーキテクトとしてのキャリアを飛躍的に高めます。 インタビュー記事 必須要件 以下すべてを満たす方を想定しています。 Google Cloud（もしくはAWS、Azure）の環境における設計・実装の実務経験 3年以上IAM、VPC、暗号化、監査ログ、組織ポリシー等の統制設計・運用経験 経営層・開発チーム・監査部門・外部ベンダーなど、多様なステークホルダーを巻き込み合意形成しながらプロジェクトを推進した経験 設計思想・アーキテクチャ・運用手順などを論理的かつ分かりやすくドキュメント化する能力 歓迎要件 下記のいずれかのご経験をお持ちの方は特に歓迎いたします。 CCoEの立ち上げ、運用、または全社でのクラウド標準化の経験 クラウドガバナンス、情報セキュリティ、IT統制、システムリスク管理のいずれかの経験 Terraformなどを用いたIaCの設計・標準化の経験 データガバナンス、AIガバナンスに関わる経験 Google Cloud Professional Cloud Security Engineer 資格の保有 求める人物像 当社のデータ基盤の社会的意義を重んじつつ、改革を支えるガバナンスを推進できる方 日本の労働市場の構造を改革する新しいプラットフォームを支えるデータ基盤として、その社会的意義・責任を実感しながら、その急成長を支えるガバナンス推進を意欲的に取り組める方 攻め（データ活用推進）と守り（セキュリティ/ガバナンス）を対立するものではなく、できる限り両立することを目指し、建設的に粘り強くステークホルダーと対話できる方 「設計して終わり」ではなく「運用に乗せて浸透させる」ところまでコミットできる方 ポリシー策定だけでなく、実装・ドキュメント化・説明・改善のサイクルを自走できる方 前例のない領域にも、リスクを評価しながらスピード感を持って取り組める方 LLM/生成AI活用のような新しい技術領域に対しても、統制と推進のバランスを取って判断できる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  プロダクトAI/MLエンジニア

  ※シニア求人も並行して募集中です 募集背景 当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」というミッションのもと、スポットワーク市場のリーディングカンパニーとして急速な事業成長を遂げています。この成長を支え、さらに加速させるためには、AI/MLの力でプロダクトの価値を直接高める「プロダクトAI/MLエンジニア」の存在が不可欠です。 現在、データサイエンスグループでは、ワーカーと事業者の最適なマッチング体験の実現から、プラットフォームの信頼性・安全性の向上まで、多岐にわたる領域でAI/MLを活用した課題解決に取り組んでいます。これらの取り組みでは、LLM等の基盤モデルを活用した高度な解釈・制御を行う「AIエンジニアリング」と、従来の機械学習を用いた高精度なパターン認識・最適化による「MLエンジニアリング」の両輪が求められます。 私たちはこれらの技術を適切に組み合わせ、プロダクトの課題を技術で解決し、事業インパクトを生み出せる「プロダクトAI/MLエンジニア」を募集しています。 業務内容 データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 マッチングロジックの実装・運用 ：ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う マッチングに必要なデータ・特徴量の設計と実装 ：マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ML基盤上での機能実装・運用 ：Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う LLMを活用した自律的な改善ループの構築 ：LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 AI機能の安全性実装 ：LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する 運用を踏まえたリスク制御の設計 ：AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する リスク予測・異常検知モデルの開発 ：構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング データセット設計・品質改善 ：多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 LLMOps/評価基盤の活用と改善提案：実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 品質・コスト・レイテンシーの継続的な可視化：モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 入社後の期待イメージ 入社後3ヶ月 ：担当ユースケースの1つで、モデル・AI機能・業務ロジックの改善を本番に反映し、評価・監視・運用まで含めた改善サイクルを回し始めている状態 入社後6ヶ月 ：マッチングまたはTrust & Safety領域において、課題設定、評価設計、改善方針の検討、実装、運用までを主体的にリードし、継続的な改善ループの高度化に貢献している状態 入社後12ヶ月 ：マッチングまたはTrust & Safety領域で複数の関係者を巻き込みながら改善テーマを継続的に推進し、改善ループの高度化や技術的な意思決定の質向上に明確に貢献している状態 技術スタック(主要な部分の抜粋) クラウド Google Cloud 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ 以下のようなデータを扱っています アプリユーザーのアクセスログ、募集内容に関する情報 マッチングに関する情報 レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ 問い合わせに関するデータ 営業活動情報のデータ 本ポジションの魅力 スポットワークという、高頻度・高変動・短寿命な需給データを扱う二面市場で、AI/MLを直接プロダクト価値につなげることができます。 単純なモデル精度改善だけでなく、マッチングロジック・安全性・ユーザー体験・現場運用の成立を同時に考える、難易度の高い課題に取り組めます。 マッチングとTrust & Safetyの両領域を横断し、従来の機械学習とLLMの双方を実プロダクトで活用する経験を積むことができます。 モデルやAI機能を作って終わりではなく、評価・監視・継続改善まで含めた運用に責任を持てます。 データサイエンティストやMLOpsエンジニアと連携しながら、プロダクトへの価値実装に集中できます。 既存の仕組みを運用するだけでなく、課題設定、評価設計、改善方針の検討まで含めて主体的に関わることができます。 グループのミッション実現に向けて、最適なアルゴリズム、モデル、コード、ツールについてチームで議論・提案しながら前に進める文化があります。  インタビュー記事 採用要件 MUST 必須経験・スキル データ活用による課題解決経験 ：データ分析・機械学習を用いて、具体的なビジネス課題を解決した実務経験 開発・分析基盤の習熟 ：SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験 機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する理解 モデルやAI機能の実装・運用経験 ：MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験 ドメイン経験（いずれか1つ以上） マッチング・検索・ランキング機能の実装経験 ：マッチング機能や検索・ランキング機能の実装、評価、改善に携わった実務経験 Trust & Safety / リスク制御領域の実装・改善をリードした経験 ：安全性や信頼性に関わるAI/ML機能、業務ルール、人による確認フローを含む仕組みの設計・運用をリードした経験 リスク予測・異常検知モデルの開発経験 ：構造化データを活用した分類・回帰・異常検知モデルの設計、実装、運用経験 基盤モデルを用いたAIアプリケーションの開発経験 ：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 求めるスタンス 技術と事業の両方を見ながら前進できる方 ：AI/MLの能力と限界を踏まえ、技術的な論点を非エンジニアにもわかりやすく伝え、合意形成しながら前進できる方 不確実性の高い課題を構造化して進められる方 ：コスト、レイテンシー、品質などのトレードオフを整理し、優先順位を判断しながら前進できる方 複数の関係者と協業しながらやり切れる方 ：複数チーム・領域にまたがるプロジェクトにおいて、周囲の専門性を巻き込みながら、実装から運用まで推進できる方 WANT マッチングシステム・マーケットデザインの知見 ：Two-Sided Marketにおけるマッチング最適化、推薦・ランキング設計、運用経験 データセットエンジニアリングの実務経験 ：大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験 AIを活用したデータ生成・評価経験 ：AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験 MLパイプライン・Feature Store上でのプロダクト実装経験 ：Vertex AI Pipelines等のMLパイプラインやFeature Storeを活用し、プロダクトへのモデル実装・安定運用を行った経験 エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験 求める人物像 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットする方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  データアナリスト

  募集背景 主力のスキマバイトサービス「タイミー」は、リリースからわずか約6年で、ワーカー数1,190万人（※2025年7月時点）を突破し、導入事業者数200,000社（※2025年7月時点）企業超という驚異的な成長を遂げました。しかしながら、私たちの目標はさらに高く、社会インフラとしての地位を確立することにあります。現在、労働人口のごく一部にしか利用されていないタイミーですが、その可能性は計り知れません。社会インフラとしての役割を果たすための挑戦は、これからが本番です。 この大きなビジョンを実現するためには、データが中心となる事業基盤の構築が不可欠です。私たちは、社内のデータ駆動型意思決定を推進し、ビジネス各方面に対し、データ分析を通した事業成長に貢献することを目標に掲げ、日々の取り組みを進めています。 現在、タイミーでは、これらの目標を達成し、スポットワークを新しい社会インフラにしていくための核となる、データアナリストを募集しています。 業務内容 当社のデータアナリティクス部門にて、データアナリストとしてご活躍いただきます。ご本人の志向性やこれまでのご経験を考慮し、以下「中核事業」または「新規事業」のいずれかの領域へ配属となります。 中核事業 タイミーの中核である「スポットワーク領域」において、ToB・ToCの膨大なデータを武器に事業を牽引。抽出したインサイトをもとに、プロダクトからビジネス展開まで全方位の意思決定を支援し、顧客への提供価値を最大化し続けます ▼分析を通した事業貢献 ・各種データから事業課題を特定し、データに基づいた サービス改善による顧客体験の向上に貢献 ・分析から事業成長の鍵となるビジネスレバーを導き出し、より 確度の高い事業戦略の実行を後押し ・定性情報からユーザーへの深い理解を促し、ユーザーに刺さる プロダクト開発・マーケティング施策の創出に貢献 ▼データを用いた仕組みづくり ・既存機能や施策に対する効果検証の設計、および検証業務の推進 ・大規模データを活用した、継続的な事業モニタリングや意思決定の標準化 新規事業 タイミーの次なる柱となる「新規事業領域全般」を担当。既存事業の膨大なデータ資産と分析知見を武器に、ゼロからの事業立ち上げに挑戦。不確実性の高い環境下でも精緻な仮説検証と高速なPDCAを回し、事業のスケールを力強く牽引します。 ▼分析を通した事業貢献 ・新規事業の立ち上げ・初期フェーズにおける事業課題をデータから特定し、 ゼロからの事業創出と早期のトラクション獲得を牽引 ・不確実性の高い環境下での分析から勝ち筋（ビジネスレバー）を発見し、 新規事業の早期マネタイズやスケールをリード ・限られた初期データからインサイトを抽出し、 不確実な事業の方向性を決定づける、精度の高い戦略策定に貢献 ▼データを用いた仕組みづくり ・事業の立ち上げフェーズに適した、データ収集・検証・意思決定の仕組みのゼロからの構築 ・新規施策に対するスピード感を持ったA/Bテスト等の効果検証の設計と検証 組織構成 配属については、面談・面接の中でご意向・適性を元にすり合わせさせていただく予定です SpotWork1G / SpotWork2G（既存事業） 中核事業をデータドリブンに進化させ、顧客価値を最大化する   タイミーの祖業であり、現在の中核事業である「スポットワーク領域」を牽引するグループです。ToB（事業者）・ToC（ワーカー）双方の膨大な行動データからインサイトを抽出し、新たなユーザー価値の創出に向けた機会の探索から提案、実行までを推進します。プロダクト開発、マーケティング戦略、ビジネス展開の全方位においてデータに基づいた意思決定を支援し、顧客への提供価値を最大化し続けます。 New-BusinessG（新規事業） データ資産を武器に、タイミーの「次なる成長の柱」を創り出す スポットワーク領域に留まらない、新規事業領域全般を担うグループです。既存事業で培ってきたデータ資産と分析の知見を最大限に活用し、ゼロからの事業立ち上げや未知の市場開拓に挑みます。不確実性の高い環境下においても、データに基づいた精緻な仮説検証と高速なPDCAを回すことで、新たなビジネス価値の創造と事業のスケールを力強くドライブし続けます。 扱っているデータ アプリユーザーのアクセスログ 募集内容やマッチングに関する各種データ 地理空間データ レビュー情報や評価データ 広告データ カスタマーサポートへの問い合わせデータ SFA/CRMツールによる営業活動に関するデータ アンケートやサーベイデータ 人事データ データアナリティクス部の特徴 向上心のあるメンバーが多く、互いに刺激し合いながら学ぶ文化が根付いています。部を越えた勉強会も実施されており、自由に参加することができるため、自分の興味がある分野について学べる機会が多く存在しています。（参考記事：「データアナリストの勉強会をご紹介します！」） 一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。※TDE10の取り組みについてはこちらを参照ください フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。  ※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 心理的安全性が高い組織を目指しており、意見の言いやすい環境が整っています。(※参考記事「心理的安全性の勉強会を開催しました」) データ基盤上に、データウェアハウスが整備されており、データの品質についてはデータエンジニアチームが管理をしているため、データアナリストが分析に集中できる環境が整っております。 経営陣を含め、データの重要性を理解している社員が多く、データアナリストの業務に対して非常に協力的です。 課題背景を十分に理解し、課題解決のために必要な分析を明確にしつつ、分析結果を元にどのようなアクションに繋がるのかを大事にしています。 タイミーのデータアナリストとして働く魅力 会社のコアな課題にアクセスすることが出来るため、経営課題に対しての直接的な分析提案が可能です。また、経営陣とディスカッションする事もあり、経営に近い立ち位置で分析提案が可能です。 サービス・組織が成長し続けており、多岐にわたり、数多くの分析のテーマが存在しています。 ステークホルダーを巻き込み、データアナリスト主体で課題特定から分析、アクションの提案までを行うことが可能です。 社会貢献性の高いサービスだからこそ、単なるデータ分析にとどまらず、『どうすれば社会をより良くできるか』という大きな視点を持って働くことができます。 分析ツール、データ基盤が整備されているため、分析業務に集中することができます。 インタビュー記事 採用要件 MUST 目的から逆算して課題を設定し、仮説の構築・検証・意思決定までを自らドライブできる能力 SQLを使用して分析業務を行い、事業課題を解決したご経験 Looker、LookerStudio、Tableau、PowerBIなどのBIツールの利用経験 何かしらのプロジェクトをリードしたご経験 対象となる事業領域や業界のドメイン知識を深くキャッチアップし、分析に活かしたご経験 WANT 推定や検定など、統計についての知識（統計検定2級相当以上） A/Bテスト、DID、傾向スコアマッチング、RDDなどの効果検証手法の理解 データ基盤、DB、DWHに対する基本的な知識 複数人での分析プロジェクトを推進したご経験 3名以上のメンバーをマネジメントしたご経験 求める人物像 タイミーのビジョンやミッションへの共感のある方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 当社のミッション、社会貢献性の高い事業に共感していただける方 周囲と円滑なコミュニケーションを取り、巻き込みながら仕事を進められる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  シニアプロダクトAI/MLエンジニア

  募集背景 当社は「『はたらく』を通じて人生の可能性を広げるインフラをつくる」というミッションのもと、スポットワーク市場のリーディングカンパニーとして急速な事業成長を遂げています。この成長を支え、さらに加速させるためには、AI/MLの力でプロダクトの価値を直接高める「プロダクトAI/MLエンジニア」の存在が不可欠です。 現在、データサイエンスグループでは、ワーカーと事業者の最適なマッチング体験の実現から、プラットフォームの信頼性・安全性の向上まで、多岐にわたる領域でAI/MLを活用した課題解決に取り組んでいます。これらの取り組みでは、LLM等の基盤モデルを活用した高度な解釈・制御を行う「AIエンジニアリング」と、従来の機械学習を用いた高精度なパターン認識・最適化による「MLエンジニアリング」の両輪が求められます。 その中でもシニアポジションでは、既存のML/LLM基盤を前提に、マッチング機能やTrust & Safety機能の価値実装を前進させるだけでなく、技術方針の設計、優先順位付け、評価設計、運用設計、関係者の巻き込みまで含めてリードできる方を求めています。事業課題と技術課題の双方を構造化しながら、プロダクトAI/MLの実装を一段上の水準へ引き上げられる「シニアプロダクトAI/MLエンジニア」を募集しています。 業務内容 データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety（信頼性・安全性）領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 マッチング機能の技術リード ：ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 ：マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ML基盤近接領域の機能実装・改善 ：Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする LLMを活用した自律的な改善ループの設計・推進 ：LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2. プラットフォームの信頼性・安全性向上 AI機能の安全性設計・実装のリード ：LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする 運用を踏まえたリスク制御の設計 ：AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する リスク予測・異常検知モデルの開発リード ：構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする データセット設計・品質改善の主導 ：多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3. 共通基盤を活用した実装・改善 LLMOps/評価基盤の活用と改善提案のリード ：実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する 品質・コスト・レイテンシーの継続的な可視化と最適化 ：モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 重要テーマの推進 ：マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 ：担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 ：マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 ：マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 技術スタック(主要な部分の抜粋) クラウド Google Cloud 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ 以下のようなデータを扱っています アプリユーザーのアクセスログ、募集内容に関する情報 マッチングに関する情報 レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ 問い合わせに関するデータ 営業活動情報のデータ 本ポジションの魅力 スポットワークという、高頻度・高変動・短寿命な需給データを扱う二面市場で、AI/MLを直接プロダクト価値につなげることができます。 単純なモデル精度改善だけでなく、マッチングロジック・安全性・ユーザー体験・現場運用の成立を同時に考える、難易度の高い課題に取り組めます。 マッチングとTrust & Safetyの両領域を横断し、従来の機械学習とLLMの双方を実プロダクトで活用する経験を積むことができます。 モデルやAI機能を作って終わりではなく、評価・監視・継続改善まで含めた運用に責任を持てます。 データサイエンティストやMLOpsエンジニアと連携しながら、プロダクトへの価値実装に集中できます。 既存の仕組みを運用するだけでなく、課題設定、評価設計、改善方針の検討まで含めて主体的に関わることができます。 シニアポジションとして、重要テーマの優先順位付けや技術方針の設計、複数職種をまたいだ推進まで担うことができます。 グループのミッション実現に向けて、最適なアルゴリズム、モデル、コード、ツールについてチームで議論・提案しながら前に進める文化があります。  インタビュー記事 採用要件 MUST 必須経験・スキル 複雑な課題に対する技術リード経験 ：データ分析・機械学習を用いた複雑なビジネス課題に対し、技術選定から実装・本番運用までをリードした実務経験（5年以上） 開発・分析基盤の習熟 ：SQLおよびPython等を用いた大規模データ処理、クラウド（Google Cloud/AWS等）環境での開発・運用、およびGitを用いたチーム開発の実務経験 機械学習・統計学の知識 ：確率論、学習手法、評価指標、および非構造化データの処理に関する理解 モデルやAI機能の実装・運用経験 ：MLパイプラインやCI/CD等の基盤を活用し、モデルやAI機能をプロダクトに実装・運用した経験 ML/LLM基盤近接領域での設計・改善経験 ：Feature Store、評価基盤、推論基盤近接領域、モデル運用基盤、API周辺などにおいて、技術方針の設計や改善を主導した経験 エンドツーエンドの運用設計能力 ：ビジネスや現場のオペレーション要件から逆算し、モデルの推論だけでなく、異常時の対応フローや監視体制、現場運用への定着・適用プロセスを含めた実用的な運用設計を行った経験 四半期単位の技術テーマ推進経験 ：複数のステークホルダーを巻き込みながら、重要テーマを定義・推進した経験 ドメイン経験（いずれか1つ以上） マッチング・検索・ランキング機能の実装・改善をリードした経験 ：マッチング機能や検索・ランキング機能の実装、評価、改善において、技術方針や優先順位付けまで含めてリードした実務経験 Trust & Safety / リスク制御領域の実装・改善をリードした経験 ：安全性や信頼性に関わるAI/ML機能、業務ルール、人による確認フローを含む仕組みの設計・運用をリードした経験 リスク予測・異常検知モデルの開発経験 ：構造化データを活用した分類・回帰・異常検知モデルの設計、実装、運用経験 基盤モデルを用いたAIアプリケーション開発経験 ：コンテキストエンジニアリングや評価パイプライン構築、RAGなどの基盤モデルを用いたアプリケーション開発の実務経験 求めるスタンス 技術と事業の両方を見ながら前進できる方 ：AI/MLの能力と限界を踏まえ、技術的な論点を非エンジニアにもわかりやすく伝え、合意形成しながら前進できる方 不確実性の高い課題を構造化して進められる方 ：コスト、レイテンシー、品質などのトレードオフを整理し、優先順位を判断しながら前進できる方 複数の関係者と協業しながらやり切れる方 ：複数チーム・領域にまたがるプロジェクトにおいて、周囲の専門性を巻き込みながら、実装から運用まで推進できる方 重要テーマを自律的にリードできる方 ：与えられた課題をこなすだけでなく、論点設定、技術方針の設計、実行計画の具体化まで自律的に推進できる方 WANT マッチングシステム・マーケットデザインの知見 ：Two-Sided Marketにおけるマッチング最適化、推薦・ランキング設計、運用経験 データセットエンジニアリングの実務経験 ：大規模なデータの収集、クリーニング、重複排除、およびアノテーションプロセスの設計・管理経験 AIを活用したデータ生成・評価経験 ：AIを用いた合成データ生成や、AI as a Judgeによる自動データ検証システムの構築経験 MLパイプライン・Feature Store・推論基盤近接領域でのプロダクト実装経験 ：Vertex AI Pipelines等のMLパイプラインやFeature Store、推論基盤近接領域を活用し、プロダクトへのモデル実装・安定運用を行った経験 求める人物像 当社のミッション、社会貢献性の高い事業に共感していただける方 当社のバリューにフィットする方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 周囲と円滑なコミュニケーションを取り、大胆に巻き込みながら仕事を進められる方 ロジカル一辺倒ではなく、相手に配慮したコミュニケーションができる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  シニアデータアナリスト

  募集背景 主力のスキマバイトサービス「タイミー」は、リリースからわずか約6年で、ワーカー数1,190万人（※2025年7月時点）を突破し、導入事業者数200,000社（※2025年7月時点）企業超という驚異的な成長を遂げました。しかしながら、私たちの目標はさらに高く、社会インフラとしての地位を確立することにあります。現在、労働人口のごく一部にしか利用されていないタイミーですが、その可能性は計り知れません。社会インフラとしての役割を果たすための挑戦は、これからが本番です。 この大きなビジョンを実現するためには、データが中心となる事業基盤の構築が不可欠です。私たちは、社内のデータ駆動型意思決定を推進し、ビジネス各方面に対し、データ分析を通した事業成長に貢献することを目標に掲げ、日々の取り組みを進めています。 現在、タイミーでは、これらの目標を達成し、スポットワークを新しい社会インフラにしていくための核となる、データアナリストを募集しています。 業務内容 当社のデータアナリティクス部門にて、データアナリストとしてご活躍いただきます。ご本人の志向性やこれまでのご経験を考慮し、以下「中核事業」または「新規事業」のいずれかの領域へ配属となります。 中核事業 タイミーの中核である「スポットワーク領域」において、ToB・ToCの膨大なデータを武器に事業を牽引。抽出したインサイトをもとに、プロダクトからビジネス展開まで全方位の意思決定を支援し、顧客への提供価値を最大化し続けます ▼ 分析を通した事業貢献 ・各種データから事業課題を特定し、データに基づいた サービス改善による顧客体験の向上に貢献 ・分析から事業成長の鍵となるビジネスレバーを導き出し、より 確度の高い事業戦略の実行を後押し ・定性情報からユーザーへの深い理解を促し、ユーザーに刺さる プロダクト開発・マーケティング施策の創出に貢献 ▼ データを用いた仕組みづくり ・既存機能や施策に対する効果検証の設計、および検証業務の推進 ・大規模データを活用した、継続的な事業モニタリングや意思決定の標準化 新規事業 タイミーの次なる柱となる「新規事業領域全般」を担当。既存事業の膨大なデータ資産と分析知見を武器に、ゼロからの事業立ち上げに挑戦。不確実性の高い環境下でも精緻な仮説検証と高速なPDCAを回し、事業のスケールを力強く牽引します。 ▼分析を通した事業貢献 ・新規事業の立ち上げ・初期フェーズにおける事業課題をデータから特定し、 ゼロからの事業創出と早期のトラクション獲得を牽引 ・不確実性の高い環境下での分析から勝ち筋（ビジネスレバー）を発見し、 新規事業の早期マネタイズやスケールをリード ・限られた初期データからインサイトを抽出し、 不確実な事業の方向性を決定づける、精度の高い戦略策定に貢献 ▼ データを用いた仕組みづくり ・事業の立ち上げフェーズに適した、データ収集・検証・意思決定の仕組みのゼロからの構築 ・新規施策に対するスピード感を持ったA/Bテスト等の効果検証の設計と検証 組織構成 ※配属については、ご意向や適性を元に面談・面接の中ですり合わせさせていただく予定です SpotWork1G / SpotWork2G（既存事業） 中核事業をデータドリブンに進化させ、顧客価値を最大化する   タイミーの祖業であり、現在の中核事業である「スポットワーク領域」を牽引するグループです。ToB（事業者）・ToC（ワーカー）双方の膨大な行動データからインサイトを抽出し、新たなユーザー価値の創出に向けた機会の探索から提案、実行までを推進します。プロダクト開発、マーケティング戦略、ビジネス展開の全方位においてデータに基づいた意思決定を支援し、顧客への提供価値を最大化し続けます。 New-BusinessG（新規事業） データ資産を武器に、タイミーの「次なる成長の柱」を創り出す スポットワーク領域に留まらない、新規事業領域全般を担うグループです。既存事業で培ってきたデータ資産と分析の知見を最大限に活用し、ゼロからの事業立ち上げや未知の市場開拓に挑みます。不確実性の高い環境下においても、データに基づいた精緻な仮説検証と高速なPDCAを回すことで、新たなビジネス価値の創造と事業のスケールを力強くドライブし続けます。 扱っているデータ アプリユーザーのアクセスログ 募集内容やマッチングに関する各種データ 地理空間データ レビュー情報や評価データ 広告データ SFA/CRMツールによる営業活動に関するデータ アンケートやサーベイデータ データアナリティクス部の特徴 向上心のあるメンバーが多く、互いに刺激し合いながら学ぶ文化が根付いています。部を越えた勉強会も実施されており、自由に参加することができるため、自分の興味がある分野について学べる機会が多く存在しています。（参考記事：「データアナリストの勉強会をご紹介します！」） 一人ひとりが自律的に技術力向上に取り組めるように成長をサポートする制度があります。※TDE10の取り組みについてはこちらを参照ください フレックス×リモートでの勤務が可能なため、自分自身が集中して働ける環境を選べます。  ※各自の在宅環境をリモートワークに最適化することを支援する制度があります。 心理的安全性が高い組織を目指しており、意見の言いやすい環境が整っています。(※参考記事「心理的安全性の勉強会を開催しました」) データ基盤上に、データウェアハウスが整備されており、データの品質についてはデータエンジニアチームが管理をしているため、データアナリストが分析に集中できる環境が整っております。 経営陣を含め、データの重要性を理解している社員が多く、データアナリストの業務に対して非常に協力的です。 課題背景を十分に理解し、課題解決のために必要な分析を明確にしつつ、分析結果を元にどのようなアクションに繋がるのかを大事にしています。 タイミーのデータアナリストとして働く魅力 会社のコアな課題にアクセスすることが出来るため、経営課題に対しての直接的な分析提案が可能です。また、経営陣とディスカッションする事もあり、経営に近い立ち位置で分析提案が可能です。 サービス・組織が成長し続けており、多岐にわたり、数多くの分析のテーマが存在しています。 ステークホルダーを巻き込み、データアナリスト主体で課題特定から分析、アクションの提案までを行うことが可能です。 社会貢献性の高いサービスだからこそ、単なるデータ分析にとどまらず、『どうすれば社会をより良くできるか』という大きな視点を持って働くことができます。 分析ツール、データ基盤が整備されているため、分析業務に集中することができます。 インタビュー記事 採用要件 MUST 目的から逆算して課題を設定し、仮説の構築・検証・意思決定までを自らドライブできる能力 SQLを使用して分析業務を行い、事業課題を解決したご経験 Looker、LookerStudio、Tableau、PowerBIなどのBIツールの利用経験 何かしらのプロジェクトをリードしたご経験 対象となる事業領域や業界のドメイン知識を深くキャッチアップし、分析に活かしたご経験 WANT 推定や検定など、統計についての知識（統計検定2級相当以上） 未整備な環境を楽しめること マーケティングまたは営業、事業推進としての稼働経験 データ基盤、DB、DWHに対する基本的な知識 複数人での分析プロジェクトを推進したご経験 3名以上のメンバーをマネジメントしたご経験 求める人物像 タイミーのビジョンやミッションへの共感のある方 業界・顧客理解のためにインプットを怠らない方 課題解決に向け、自ら考え、手を動かすこともできる方 当社のミッション、社会貢献性の高い事業に共感していただける方 周囲と円滑なコミュニケーションを取り、巻き込みながら仕事を進められる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

• 

  データエンジニア マネージャー候補（DRE/AE）

  募集背景 タイミーでは創業初期から「データに基づいた意思決定」を重視しており、「データを使うのは当たり前」というカルチャーが社内に深く根付いています。事業の急成長に伴い、扱うデータの規模・多様性・利用シーンは飛躍的に拡大しており、それらを安定的かつ拡張的に支える データ基盤と、ビジネスサイドが安心して活用できるデータモデル/データマートの整備が、これまで以上に重要なテーマになっています。加えて直近では、データ × 生成AI を組み合わせ、社内のデータ活用を加速するだけでなく、ワーカー / クライアントへの提供価値そのものを進化させていくフェーズに踏み込み始めています。 なかでもデータマネジメント部は、これまでの「信頼性の高いデータ基盤を運用する」役割に加えて、データ × 生成AI を使ってワーカー / クライアントへの価値提供そのものを設計・実装するプロダクト組織へとシフトするフェーズに突入しています。社内のデータ活用を加速する AI アシスタントやセマンティックレイヤーの整備にとどまらず、タイミーの事業価値に直結する AI・データプロダクトを、自分たちで企画・開発・運用していくことが、部としての中核テーマです。そのうえでDRE は、信頼性の高いデータ基盤を支える役割に加えて、データ × 生成AI を組み合わせたデータプロダクトの企画・開発・運用 を中核テーマとして担います。AEは、データエンジニアリングとビジネスサイドの架け橋として、dbt を中心にビジネス価値に直結する データモデル / Data Martを設計・開発し、データを「価値」に変換する役割を担います。 あわせて、データマネジメント部はメンバー・スコープともに拡大フェーズにあり、グループのマネジメントと戦略を担うマネージャー候補を募集します。IC（Individual Contributor）としての専門性を発揮してチーム・メンバーからの信頼を獲得した上で、メンバーマネジメント・組織開発・ロードマップ策定を通じて、データ組織のスケールを牽引いただける方を歓迎します。 DRE/AEとは DRE, AEの2つのロールは、データマネジメント部内で連携しながら、信頼できるデータ基盤 の構築・運用からビジネスで使えるデータモデル / Data Mart の整備、さらにデータ × 生成AIを組み合わせたデータプロダクトの企画・開発までを一連で支えるロールです。 DRE(Data Reliability Engineer / データエンジニア) SRE の考え方をデータ領域に適用し、「信頼できるデータ」を提供するための基盤を設計・構築・運用するロールです。 社内外の様々なデータソース(アプリ/サービス DB、SaaS、ログ など)から BigQuery へデータを収集・蓄積するパイプラインを構築し、SLO/SLI やモニタリング、IaC によってスケーラブルかつ鮮度・品質の高いデータを維持します。 近年は基盤の運用にとどまらず、社内データ活用を加速するためのデータ × 生成AI を組み合わせたデータプロダクトの企画・開発・運用も中核テーマとして担っています。 AE(Analytics Engineer / アナリティクスエンジニア) データエンジニアとデータアナリストの間をつなぐロールで、収集された生データを dbt を中心にビジネスで使いやすいデータモデル / Data Martへと設計・開発します。 ディメンショナルモデリングやセマンティックレイヤーの整備、Looker など BI ツール上でのモデリングを通じて、「誰でも同じ定義でデータを読める状態」を作ります。 ビジネスサイドと会話しながら データを「価値」に変換する層 を担うポジションです。 両ロールはスコープが重なる部分も多く、本ポジションでは DRE / AE 両ロールのメンバーが在籍するグループをマネジメントいただく前提です。 業務内容 タイミーのデータマネジメント部にて、グループのマネジメント・組織開発・戦略立案を担っていただきます。 現場メンバーの信頼を獲得し、技術的な意思決定やアーキテクチャ判断を牽引いただくために、DRE / AE 領域における一定の技術的知見と実務経験 を前提としますが、業務の中心は手を動かす開発業務ではなく、マネジメント・組織開発・戦略立案 にあります。 担当グループ(DRE のいずれか)におけるピープルマネジメント(1on1 / 目標設定 / 評価 / キャリア支援 / オンボーディング) グループのロードマップ策定・優先順位付け、PO や他グループとの戦略すり合わせ DRE / AE 業務に対する技術的な意思決定・アーキテクチャレビュー・現場議論の牽引(ご自身の知見をもとに判断・方向付けを担っていただく役割) データ× 生成AIを組み合わせたデータプロダクトの企画・推進 採用活動への関与(JD 設計、母集団形成、面接、リファラル推進) 組織課題の発見と解決、カルチャー・開発プロセスの整備 部長 / 他部マネージャー / 経営層と連携した中長期の組織・技術戦略の立案 組織構成 データマネジメント部は、全社のデータ利活用を支えるプロダクト組織内の部門です。現在は部内に2つのDRE(Data Reliability Engineering)グループ が存在し、それぞれにPOとエンジニアが所属するチームとして、ロードマップに沿って開発を進めています。本ポジションで募集する DRE / AE のロールも、これらのグループのいずれかに所属し、データサイエンス / アナリスト組織とも密に連携しながら、データの収集 → 加工 → 提供 → 活用までの一連のバリューチェーンを横断的にカバーしています。 メンバーインタビュー / Tech Blog Google Cloud × タイミー インタビュー記事 dbt exposureによるデータ基盤アウトプットの登録を自動化しました タイミーデータ基盤のモデリング設計について   技術スタック クラウド Google Cloud 開発言語 Python データ基盤 BigQuery / Fivetran / dbt Cloud ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability BIツール Looker / Looker Studio IaC Terraform 開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc このポジションの魅力 タイミーは「『はたらく』を通じて人生の可能性を広げるインフラをつくる」ことをミッションに掲げ、潜在労働力を喚起し、社会課題の解決を目指しています。事業のスケールに伴い、データ基盤・データ組織にも「次の飛躍に向けた進化」が求められており、その当事者として関わっていただけることが本ポジションの魅力です。 国内最大級のスポットワーカープラットフォームを支える、大規模かつ多様なデータに関われます 「データ活用が当たり前」のカルチャーが既に確立されているため、 活用促進よりも 使いやすさ・信性の向上 にフォーカスして仕事ができます dbt / BigQuery / Looker / Terraform / Fivetran / Cloud Composer / Cloud Run などを活用し、モダンなデータスタックでの開発に携われます データを「使う」だけでなく 「データ × 生成AI のプロダクトを自分たちで作る」 立場で関われます。社内ユーザー向けの AI アシスタントやデータカタログなど、生成AI を前提とした次世代のデータ基盤・データプロダクトを当事者として設計・開発できます 開発プロセスそのものにも生成AI を積極活用しており、Cursor / GitHub Copilot / Claude Code などを日常的に使いながら、生産性と品質の両立を追求できます 各グループに プロダクトオーナー(PO) が在籍しており 、ロードマップに基づく戦略的な開発と、新規技術調査・PoC をバランスよく進められます データマネジメント部および全社で、たくさんの勉強会・LT が行われており、学習・発信の機会が豊富です(Tech Blog) 急成長フェーズのデータ組織を 自ら設計・拡大する立場で関われます (採用 / 組織設計 / ロードマップを自分の意思決定で進められます) データ × 生成AI 領域でマネジメントキャリアを積める数少ない機会です。技術的な専門性とマネジメントの両輪を伸ばせます フルフレックス × フルリモートを選択でき、在宅環境整備の支援制度も整っています 扱っているデータ アプリユーザーのアクセスログ、募集内容に関する情報 マッチング・勤怠に関する情報 レビュー / 評価情報、アプリインストールなど広告効果に関わるデータ 問い合わせに関するデータ 営業活動情報・各種マスタデータ など 採用要件 MUST 開発 / 技術面 SQL を用いたデータ加工・分析の実務経験 プログラミング言語(Python / Ruby / Go など)による開発の実務経験 DB / DWH の構築・運用、もしくはデータモデリングに関する実務経験 パブリッククラウド(特に GCP もしくは AWS)上での開発・運用経験 IaC(Terraform 等)による構築・運用、もしくは CI/CD を用いた自動化の経験 ソフトスキル / その他 タイミーのMissionへの共感 Slack, Google Meetなどを活用したリモートワークの経験 ビジネス文脈を素早くキャッチアップし、建設的かつロジカルな議論を通じて意思決定ができる チーム内外、他部署・他職種(アナリスト / PdM / ビジネスサイドなど)と円滑にコミュニケーションができる データエンジニアリング / アナリティクスエンジニアリング、もしくは近接領域(BI / 分析 / ML 基盤 など)における3名以上規模のチームリードもしくはマネジメント経験 ロードマップ策定や優先順位付け、ステークホルダー調整をリードした経験 WANT スクラムの理解 生成AI を活用した開発の実務経験(Cursor / GitHub Copilot / Claude Code 等を用いた日常的な開発、または LLM を組み込んだプロダクトの設計・開発経験) LLM / RAG / エージェント等を活用した業務効率化・プロダクト開発の経験 dbt / dbt Cloud を用いた本番運用経験 Looker / Redash / Tableau 等の BI ツールの運用経験 ディメンショナルモデリング / セマンティックレイヤーの実装経験 Cloud Composer / Cloud Run / Cloud Functions / Dataflow 等を用いたデータパイプライン運用経験 Fivetran / trocco / Storage Transfer Service など EL ツールの運用経験 データマネジメントの知識・経験(特に個人情報保護・データセキュリティ) 機械学習の知識、または機械学習を組み込んだシステムの構築・運用経験 課題発見 〜 ヒアリング 〜 要件定義 〜 仕様策定 までを担った経験(PdM 的な動き) スクラムや DevOps を含むチーム開発プラクティスへの理解 OSS の公開・コントリビュート経験 データ基盤・データ組織の立ち上げや改善をリードした経験 10名以上規模の組織のマネジメント経験、もしくは複数チームを束ねるマネジメント経験 データ組織のゼロイチ立ち上げ / 大規模な組織再編をリードした経験 経営層 / 他部門マネージャーと連携した中長期戦略の策定経験 求める人物像 データを「届ける」ことそのものをプロダクトとして捉え、利用者体験の改善を楽しめる方 信頼性とアジリティのバランスを取りながら、長く使われる基盤を設計・運用したい方 自分の専門領域に閉じず、DRE / AE / DS / アナリスト / ビジネスサイドと越境して動くことを厭わない方 ドキュメントや勉強会を通じてチーム・組織にナレッジを還元できる方 リモート前提のコミュニケーションを丁寧に積み重ねながら、自走して成果を出せる方 生成AI などの新しい技術を積極的に試し、自分の開発生産性とプロダクト価値の双方に活かしていける方 自身も手を動かす楽しさを大切にしつつ、チームを通じて成果を最大化することにやりがいを感じる方 メンバーの成長と組織のスケールに本気で向き合い、長期視点で組織を設計できる方

  • データ
  • 正社員
  • 東京都港区東新橋1-5-2 汐留シティセンター35階

全 10 件中 10 件 を表示しています