データエンジニア — 可視性データセット

職種について

Growli の堀は機能ではなく、ほかの誰も集めていないデータセットです。主要な AI アシスタントが実際の購買質問にどう答えるかを、言語と都市をまたいで毎週記録したもの。現在そのデータセットは、素早く試行するために作られたパイプラインの上にあります。あなたの仕事は、それをこの分野を定義する資産にふさわしい土台に載せ替えることです。保存、モデリング、品質、アクセスを担当していただきます。追記のみの観測ストア、ダッシュボードをミリ秒で返す集計レイヤー、顧客より先にドリフトを捉える品質モニター、そして次にどの市場を計測すべきかを教えてくれる社内分析。ベンチマーク、業界インデックス、全国規模の事業者レパートリーなど、今後のすべての製品は、あなたがここで敷いた土台の上に建ちます。

業務内容

• 観測ストアを担当する。不変のプロンプト実行データ、内容で参照される回答、そしてそれらを取り巻くスキーマ進化の方針。
• データが 100 倍に増えてもアシスタント別・都市別・競合別のビューが速いままであるよう、集計レイヤーを構築する。
• データ品質の監視を設計する。カバレッジ、鮮度、検出のドリフト、観測あたりのコストを、目視ではなくアラートで捉える。
• 本番の高負荷経路を危険にさらすことなく、製品実験のためにデータセットを照会可能にする。
• テナント分離と匿名性の下限を守りながら、事業横断のベンチマークをモデル化する。
• 現在のストレージエンジンを卒業する際の移行を担当する。計測され、巻き戻せて、退屈な移行を。
• ラベル付き評価データセットでは AI エンジニアと、新しい根拠の種類ではプロダクトと連携する。

成功の基準

• 観測データが一桁増えても、ダッシュボードのクエリが 100ms 未満に収まっている。
• データ品質の問題を、顧客ではなくモニターが捉えており、種類ごとに対応手順がある。
• データセットだけから作られた業界ベンチマークが、顧客向け機能として出荷されている。
• 観測あたりの保存コストが下がる一方で、耐久性の保証は上がっている。

求める人物像

• 本番データ基盤の構築経験 4 年以上 — パイプライン、データウェアハウス、または大量トランザクション処理。
• SQL と Python に強いこと。図のためではなく、答えるべきクエリのためにデータをモデル化できること。
• ストレージ移行を経験しており、二度とやらないと決めたことを語れること。
• データ品質を、後片付けではなく SLO を持つプロダクトとして扱えること。
• インフラに現実的であること。刺激的な新技術より、退屈な実績ある道具を選べる。
• 歓迎：検索、アナリティクス製品、またはマルチテナント SaaS のデータセットの経験。

掲載日 2026年9月1日