データサイエンス業界シニア
データサイエンス業界 × シニア
データサイエンス領域で10年以上の経験を持ち、金融・Eコマース業界にて機械学習モデルの設計からMLOps構築までをリード。年間数億円規模の売上向上に貢献したレコメンデーションエンジン開発や、DAU100万人超えプロダクトのデータ基盤整備が得意。ビジネス課題の特定からPoC、本番環境へのデプロイ、チームマネジメントまで一気通貫で推進する力に強みがあります。
📌 職歴要約
- ▸大手SIerにてデータウェアハウス構築・BI導入のコンサルティングに従事。要件定義からデータモデリングまでを担う（3年）。
- ▸外資系テック企業に転職し、シニアデータサイエンティストとしてEコマースのレコメンデーションアルゴリズム開発とMLOpsパイプラインの標準化をリード（5年）。
- ▸現在は国内大手金融機関のDX推進室にて、与信モデルのAI化およびデータサイエンスチーム（8名）のマネージャーを務める（2年）。
📌 実績・強み
- ▸Eコマースサイトにおけるパーソナライズレコメンデーションモデルを刷新し、CVRを14%向上、年間売上25億円の増収に貢献。
- ▸与信審査AIモデルを導入し、審査リードタイムを平均3日から15分に短縮、かつデフォルト率を0.8%低減。
- ▸MLOps基盤（Kubeflow, MLflow）を内製化し、モデルの本番デプロイまでのリードタイムを4週間から3日に短縮。
📌 技術・スキル
- ▸言語・フレームワーク: Python, SQL, PyTorch, TensorFlow, Scikit-learn, Spark
- ▸MLOps・インフラ: Docker, Kubernetes, Kubeflow, MLflow, AWS (SageMaker, Redshift, Glue), GCP (BigQuery, Vertex AI)
- ▸データエンジニアリング: dbt, Airflow, Kafka
- ▸ビジネス・マネジメント: プロジェクトマネジメント, チームビルディング, ステークホルダー折衝, 英語（ビジネスレベル / TOEIC 920）
📌 自己PR
- ▸「技術のための技術」ではなく「ビジネスインパクト」にこだわるデータサイエンティストです。前職のEコマース企業では、当時最先端だった深層学習モデルを提案しましたが、推論コストとレイテンシの課題からビジネス側から難色を示されました。そこで私は、軽量なXGBoostとニューラルネットワークをアンサンブルしたハイブリッドモデルを自ら考案・実装。推論コストを60%削減しつつ精度を維持し、結果として年間25億円の売上増を実現しました。この経験から、技術的探究心とビジネス制約のバランスを取り、ステークホルダーを巻き込んで最適解を導く力が私の最大の武器だと確信しています。
💡 作成のヒント
- 💡外資系と日系で求められる「マネジメント」の定義が異なるため、日系向けには「調整力・合意形成」、外資向けには「テクニカルリード・指標ドリブンなチームビルディング」を強調するように履歴書を微調整しましょう。
- 💡シニアレベルでは「手を動かした技術」だけでなく「いかにビジネス課題を特定し、ROIを最大化したか」という視点が必須です。面接ではPoCで終わったプロジェクトの失敗談とそこからの学びも準備しておくと評価が上がります。
- 💡MLOpsやデータガバナンスの経験は現在市場価値が非常に高いため、モデル開発だけでなく「運用・保守コストをどう下げたか」の数字を積極的にアピールしてください。
🔗 🔗 他のレベル
最終確認: 2026-09-06 · aijobs編集部