FORTHのフリーランス案件・求人一覧

【20 代から40 代の方が活躍中！】 ※週４日～OK案件です！ ※実務経験1年以上ありの方が対象の案件です！ ■概要 大手小売業における新規商品の管理ルール策定のため、5千万SKUに関する販売データ解析を担当します。販売動向を把握し、在庫管理の改善に向けた仮説を構築します。 ■具体的な業務内容 ・新規商品の販売データをセグメント別に分析 ・在庫管理ルールの仮説立案 ・前継商品のデータとの紐づけによる後継商品の取り扱い検討 ・過去3年分の販売データを基にセグメント動向の比較 ・SQLを用いたデータ解析とテーブル構造化 勤務開始時には、プロジェクトの一員として、コミュニケーションを取りながら上記業務を進めて頂く予定です。

案件の必須スキル

・円滑なコミュニケーションが取れる方 ■サーバーサイドエンジニアとしてBigData解析業務に従事したご経験 ・データ分析基盤構築等のETLや物理構築ではなく、データ解析のご経験) ・今回ハンドルして頂くデータ(=5千万SKU×週次販売データ3年分)を、少なくとも上回る量のデータ解析経験 ・BigDataに対して、構造化され柔軟性の高い解析Codeを記述し、Back & Forthのiterationを実施したご経験 ＜②コーディングスキル等: 必須＞ ■ SQL ・現状確認段階: クライアント基盤システムが数万行のSQLで構築されている為、長文のSQLをクイックに読み解き、クライアントとデータ定義(含む処理手順)のディスカッションを実施できること ※ 今回、SQLでアルゴリズムを構築することは行わない為、SQLによる構築ではなく、現状確認段階として長文SQLを読み解くことができることが重要 ・解析段階: SQLのクエリ羅列では無く、テーブル自体の構造化を行って、構造的な解析クエリをくみ上げるられるスキル ・シミュレーション段階 過去データに対して一定の条件を付与し、保有在庫のシミュレーションを行えること ※ 但し、大量のハイパーパラメーターのfittingすることは想定しておらず、在庫回転期間・欠品率・発注回数をKPIとしたシンプルな販売&保有在庫シミュレーションを想定 ■GCP等のクラウド解析ツール ・BigData解析に関して適切なLibrary選択に知見をお持ちであり、解析スピードの担保が出来ること ※ 扱うデー量が多いくローカルでは対応が難しい為、クラウドツールの使用が必須 ■Python ・Pythonによる基本的なデータ解析のCoding ※ 基本的にはGCP等のクラウド基盤上でSQLを組む予定だが、一部データを切り出してローカルでクイックに解析することも発生する可能性がある為(但し、Pythonで機械学習モデル構築を行うことは想定ししておらず、一部データを先にローカルに切り出して分析し仮説構築をすることを想定)

※実務経験が2年以上ある方が対象の案件です！ ■概要 大手小売業における新規商品の管理ルール策定のため、5千万SKUに関する販売データ解析を担当します。販売動向を把握し、在庫管理の改善に向けた仮説を構築します。 ■具体的な業務内容 ・新規商品の販売データをセグメント別に分析 ・在庫管理ルールの仮説立案 ・前継商品のデータとの紐づけによる後継商品の取り扱い検討 ・過去3年分の販売データを基にセグメント動向の比較 ・SQLを用いたデータ解析とテーブル構造化 勤務開始時には、プロジェクトの一員として、コミュニケーションを取りながら上記業務を進めて頂く予定です。

案件の必須スキル

・円滑なコミュニケーションが取れる方 ■サーバーサイドエンジニアとしてBigData解析業務に従事したご経験 ・データ分析基盤構築等のETLや物理構築ではなく、データ解析のご経験) ・今回ハンドルして頂くデータ(=5千万SKU×週次販売データ3年分)を、少なくとも上回る量のデータ解析経験 ・BigDataに対して、構造化され柔軟性の高い解析Codeを記述し、Back & Forthのiterationを実施したご経験 ＜②コーディングスキル等: 必須＞ ■ SQL ・現状確認段階: クライアント基盤システムが数万行のSQLで構築されている為、長文のSQLをクイックに読み解き、クライアントとデータ定義(含む処理手順)のディスカッションを実施できること ※ 今回、SQLでアルゴリズムを構築することは行わない為、SQLによる構築ではなく、現状確認段階として長文SQLを読み解くことができることが重要 ・解析段階: SQLのクエリ羅列では無く、テーブル自体の構造化を行って、構造的な解析クエリをくみ上げるられるスキル ・シミュレーション段階 過去データに対して一定の条件を付与し、保有在庫のシミュレーションを行えること ※ 但し、大量のハイパーパラメーターのfittingすることは想定しておらず、在庫回転期間・欠品率・発注回数をKPIとしたシンプルな販売&保有在庫シミュレーションを想定 ■GCP等のクラウド解析ツール ・BigData解析に関して適切なLibrary選択に知見をお持ちであり、解析スピードの担保が出来ること ※ 扱うデー量が多いくローカルでは対応が難しい為、クラウドツールの使用が必須 ■Python ・Pythonによる基本的なデータ解析のCoding ※ 基本的にはGCP等のクラウド基盤上でSQLを組む予定だが、一部データを切り出してローカルでクイックに解析することも発生する可能性がある為(但し、Pythonで機械学習モデル構築を行うことは想定ししておらず、一部データを先にローカルに切り出して分析し仮説構築をすることを想定)

■概要 大手小売業の新規商品(発売1年未満)管理ルール策定に向けた、新規商品(発売1年未満)と継続商品(発売1年以上)の合計5千万SKUに関する、販売動向のデータ解析業務をお任せいたします。 ■ Project概要 ・クライアント: 国内に700店舗を有する小売業者 ・プロジェクトテーマ: 在庫管理 ・プロジェクトの課題: クライアントは新規商品(発売1年未満)の管理ルールが未成熟で、過少発注・過大在庫保有の双方問題が発生 ■ Projectの取組概要 ・発売1年未満の新規商品に対しては、過去データを基にしたアルゴリズム構築での解決は難しい(類似商品紐づけ等の効力は薄い想定) ・解決の方針は、新規商品に対する一定の管理ルールの策定する方針 ・管理ルール策定に向けて、過去の新規商品の販売データを分析する予定 ■ 具体的な作業内容 ・管理ルールの仮説 (A) 全体像: 新規商品の発売開始一定期間は保有在庫量を固定し、需要を見極めた上で、一定期間開始後はアルゴリズムによる管理へ移行 (B) 後継商品である場合: 前継商品の販売データ紐づけによる、事実上の継続商品扱い(継続商品向けにはアルゴリズム構築中) ・分析手法 (A) 全体像: 新規商品に関して、セグメント別(約30)に過去3年分販売データ動向を分析し、セグメント間の販売動向やその内訳を店舗別×商品別の粒度でを把握。加えて、継続商品との比較や季節性商品に対する詳細分析等も実施 (B) 後継商品である場合: 商品ポートフォリオ全体において継続商品の占める割合分析と、過去データ紐づけ管理のFeasiblity判断(手管理紐づけになる想定の為、あまりに大量な場合は難しい) ※ 今回、所謂「前処理」とされる欠損値保管やデータの表記揺れ補正等は発生しない見込 -------------------------------------------------------------------------------------- Midworkは正社員並みの保障を徹底追求。 充実の福利厚生で安定したフリーランスに。 --------------------------------------------------------------------------------------

案件の必須スキル

■サーバーサイドエンジニアとしてBigData解析業務に従事したご経験 ・データ分析基盤構築等のETLや物理構築ではなく、データ解析のご経験) ・今回ハンドルして頂くデータ(=5千万SKU×週次販売データ3年分)を、少なくとも上回る量のデータ解析経験 ・BigDataに対して、構造化され柔軟性の高い解析Codeを記述し、Back & Forthのiterationを実施したご経験 ＜②コーディングスキル等: 必須＞ ■ SQL ・現状確認段階: クライアント基盤システムが数万行のSQLで構築されている為、長文のSQLをクイックに読み解き、クライアントとデータ定義(含む処理手順)のディスカッションを実施できること ※ 今回、SQLでアルゴリズムを構築することは行わない為、SQLによる構築ではなく、現状確認段階として長文SQLを読み解くことができることが重要 ・解析段階: SQLのクエリ羅列では無く、テーブル自体の構造化を行って、構造的な解析クエリをくみ上げるられるスキル ・シミュレーション段階 過去データに対して一定の条件を付与し、保有在庫のシミュレーションを行えること ※ 但し、大量のハイパーパラメーターのfittingすることは想定しておらず、在庫回転期間・欠品率・発注回数をKPIとしたシンプルな販売&保有在庫シミュレーションを想定 ■GCP等のクラウド解析ツール ・BigData解析に関して適切なLibrary選択に知見をお持ちであり、解析スピードの担保が出来ること ※ 扱うデー量が多いくローカルでは対応が難しい為、クラウドツールの使用が必須 ■Python ・Pythonによる基本的なデータ解析のCoding ※ 基本的にはGCP等のクラウド基盤上でSQLを組む予定だが、一部データを切り出してローカルでクイックに解析することも発生する可能性がある為(但し、Pythonで機械学習モデル構築を行うことは想定ししておらず、一部データを先にローカルに切り出して分析し仮説構築をすることを想定)