【フルリモート可】AIプロジェクトを推進するプロジェクトマネージャー

仕事内容

主にDatabricksを活用した、データ利活用に関するお客様課題の解決 ①プロジェクトマネジメント業務 ・データ分析/データサイエンス/機械学習に関する、 　インフラ基盤構築や分析システム導入プロジェクトの企画・提案、技術選定・要件定義 ・スケジュール管理、リソース管理、成果物の品質担保、納期管理 ②データエンジニアリング業務(プレイヤー業務) ・データ基盤環境(データレイク・DWH)の設計、構築 ・各種データの収集、クレンジング、統合、最適化 ・ETL/ELTパイプラインの設計・実装・(Python,Airflow, dbtなど） ・ビッグデータ処理基盤の設計・運用(Spark、Hadoop、Pysparkなど) ・BIツール(Tableau、Power BIなど)向けのデータマート構築 ・ユーザートレーニング、内製化支援 【プロジェクト事例】 ・パブリッククラウド上におけるDatarbicksの評価、大規模マイグレーション案件 ・既存分析環境からDatabricks Lakehouse Platformへのマイグレーション案件 ・データパイプラインの設計及び実装案件 ＜業務の進め方　例＞ 【案件開始前】 ■目的：プロジェクト立ち上げ準備 　├ プロジェクト目的・目標の確認 　├ 予算・スケジュール策定 　└ 各フェーズのマイルストーン設定、プロジェクトメンバーのアサイン・役割分担計画【案件開始〜2週間】 ■目的：要件整理・現状把握 　├ 分析対象とビジネス要件・分析目的の明確化 　├ 既存データ環境・構造・フォーマット・管理状況の確認 　├ データプラットフォーム(Databricksなど)活用に向けた方針のご提案と意見交換 　　（進め方・データの特性に基づく最適化） 　├ データプラットフォームおよびクラウド環境(Azure、AWS、GCPなど)の設計・構築 　└ データソース設計・接続準備【1か月目〜2か月目】 ■目的：分析基盤の構築とデータ整備 　├ データ利活用に向けたインフラ分析基盤の構築（Databricks 環境の構築含む） 　├ スキーマ設計、データ整形処理やETL/ELTパイプライン構築、データ処理プロセスの設計・実装 　├ 欠損、型不一致などデータ品質のチェック、後続処理への影響調査・修正対応 　└ 内製化に向けた「お客様によるデータ追加・編集・再構成が可能な柔軟な仕組み」の構築 【2か月目〜3か月目】 ■目的：可視化と運用移行の支援 　├ BIツールなどへの接続、利用シーンを想定したダッシュボードの試作・構築 　├ ユーザー向け操作マニュアルやガイドの提供 　└ 構築物の納品と仕様・活用方法に関するお客様向け説明・トレーニング