Business social network with 90K professionals

  • Data Scientist
  • NEW

人とAIの役割設計をデータで支える|データ分析マネージャー

Data Scientist
Mid-career
NEW

on 2026-11-18

11 views

0 requested to visit

人とAIの役割設計をデータで支える|データ分析マネージャー

Mid-career
Mid-career

Share this post via...

株式会社ベルコア・コンサルティング's members

芹澤 敬介

東北大学大学院を修了後、経済産業省に入省。資源、貿易から中小企業等まで幅広い政策に取り組む。その間、課長補佐(特定案件の責任者)として、石油業界との窓口として税制度や法改正等の諸課題に関して5名程度のチームを牽引した。 ドリームインキュベータへ参画。経営コンサルタントして、大手総合電機会社のIoTに関する戦略策定プロジェクトや大手自動車会社のAI研究所設立に関する検討プロジェクト等に従事し、最大で10名程度のチームに対してファシリテーションを行った。 企業統治推進機構の設立メンバーとして参画。シニアマネージャーとして、メガベンチャーの幹部アセスメントや大手小売会社の新規事業に関する組織開発や事業化支援等に従事。

今田 豊

急成長を遂げた総合コンサルティングファーム「ビジョン・コンサルティング」の元上級執行役員。デリバリでは大手製造業や総合商社を中心に活躍。また、現場と並行して自社のAI駆動型・基幹システムの企画・導入を推進。AIと協調したオペレーションの抜本的な見直しやコンサルタントの育成などに従事し、同社の成長を支えた。

Yasuhiro Kakizoe

Google Cloudのパートナーとしてトップクラスの実績を誇る、株式会社G-genの元上級執行役員/COO。 AI黎明期から、自ら開発の現場に入り込み、AI駆動のプロジェクト運営を指揮してきました。経営の立場にいながらも、常に現場のコードやアーキテクチャに近い距離で意思決定を行い、開発組織の生産性を根本から変革。 「経営判断」と「現場実装」を分断させない。徹底的にAIを前提とした開発・組織・事業運営の再定義を、技術を理解した経営陣として推し進めている。

米田 佑

データサイエンティストとしてALBERTに入社し、 アクセンチュアにてマネージャーとしてAI導入を目指す企業を数多く支援。 現在は、株式会社ベルコアコンサルティングというAI-Native会社でコンサルタントとして活動しながら、組織づくりにも携わっている。

ツールを使いこなすだけでは足りない。「AIを原理から学ぶこと」にこだわる理由

米田 佑's story

株式会社ベルコア・コンサルティング's members

東北大学大学院を修了後、経済産業省に入省。資源、貿易から中小企業等まで幅広い政策に取り組む。その間、課長補佐(特定案件の責任者)として、石油業界との窓口として税制度や法改正等の諸課題に関して5名程度のチームを牽引した。 ドリームインキュベータへ参画。経営コンサルタントして、大手総合電機会社のIoTに関する戦略策定プロジェクトや大手自動車会社のAI研究所設立に関する検討プロジェクト等に従事し、最大で10名程度のチームに対してファシリテーションを行った。 企業統治推進機構の設立メンバーとして参画。シニアマネージャーとして、メガベンチャーの幹部アセスメントや大手小売会社の新規事業に関する組織開発や...

Job Description

What we do

■ 仕事の前後をつないで成果をつくる 人とAIの役割分担を起点に、顧客の業務を見直していきます。 ベルコア・コンサルティングでは、データを分析するだけでなく、その結果を顧客の意思決定や業務改善に生かすことを重視しています。データサイエンティストのマネージャーには、分析品質を守りながらチームを率い、結果を事業の判断へつなぐことを期待します。 ■ 分析テーマを立て、モデルを構築・評価する 分析テーマと評価指標を設計し、データの妥当性、分析手法、モデルの品質、再現性、偏り、説明可能性を見極めます。メンバーの分析方針や成果物をレビューし、顧客への説明から事業の意思決定・業務改善までをリードします。 AIを前提に業務を組み替える際、分析や予測がどの判断に使われるのかを明らかにします。スコアのしきい値、確認が必要なケース、誤判定時の対応を整理し、モデル評価と現場の成果指標をつなぎます。 ■ 分析結果を、使う人に伝わる形にする 分析後は、結果を使った施策の実施前後を比べ、想定と違う動きがあれば原因を探します。分析結果を一度のレポートで終わらせず、次の仮説に戻します。 マネージャーには、分析方針の妥当性と成果物の品質を見極め、メンバーがよりよい仮説や手法を選べるよう支援することを期待します。顧客への説明や効果検証まで見届け、分析を事業判断へつなぎます。 ■ 分析の気づきを、チームの品質基準に返す 分析レビューで見つかった論点を、評価基準や再現性のチェック項目にまとめます。案件ごとの気づきをチームの共通資産にし、分析品質を継続して高めます。
CEOの芹澤敬介
会議の様子
活躍中のコンサルタント
活躍中のコンサルタント
受付エリアで雑談
カフェルームで雑談

What we do

CEOの芹澤敬介

会議の様子

■ 仕事の前後をつないで成果をつくる 人とAIの役割分担を起点に、顧客の業務を見直していきます。 ベルコア・コンサルティングでは、データを分析するだけでなく、その結果を顧客の意思決定や業務改善に生かすことを重視しています。データサイエンティストのマネージャーには、分析品質を守りながらチームを率い、結果を事業の判断へつなぐことを期待します。 ■ 分析テーマを立て、モデルを構築・評価する 分析テーマと評価指標を設計し、データの妥当性、分析手法、モデルの品質、再現性、偏り、説明可能性を見極めます。メンバーの分析方針や成果物をレビューし、顧客への説明から事業の意思決定・業務改善までをリードします。 AIを前提に業務を組み替える際、分析や予測がどの判断に使われるのかを明らかにします。スコアのしきい値、確認が必要なケース、誤判定時の対応を整理し、モデル評価と現場の成果指標をつなぎます。 ■ 分析結果を、使う人に伝わる形にする 分析後は、結果を使った施策の実施前後を比べ、想定と違う動きがあれば原因を探します。分析結果を一度のレポートで終わらせず、次の仮説に戻します。 マネージャーには、分析方針の妥当性と成果物の品質を見極め、メンバーがよりよい仮説や手法を選べるよう支援することを期待します。顧客への説明や効果検証まで見届け、分析を事業判断へつなぎます。 ■ 分析の気づきを、チームの品質基準に返す 分析レビューで見つかった論点を、評価基準や再現性のチェック項目にまとめます。案件ごとの気づきをチームの共通資産にし、分析品質を継続して高めます。

Why we do

受付エリアで雑談

カフェルームで雑談

■ 顧客の判断と行動につなげるために 分析案件では、技術的に正しい結果と、事業上意味のある結論が一致しないこともあります。顧客の問いに立ち返り、分析の品質と意思決定へのつながりの両方を見渡すことが求められます。 ■ AIを前提に、業務と人の役割を考え直す 分析や予測の結果が、誰のどんな判断に使われるのかを先に考えることで、作るべきモデルや評価方法も変わります。業務設計に参加することは、分析の目的を明確にすることでもあります。モデルが誤った場合の影響も想定し、確認が必要なケースや再分析の手順まで評価設計に含めます。 人とAIの役割分担を考えるとき、分析はAIの精度を競うだけの仕事ではありません。結果をどう理解し、どの条件で人が確認するのかを整理し、意思決定の質を高めます。 ■ 実装・定着まで関わるからこそ見えること 分析結果を報告した後、顧客が施策を選び、実行し、その効果を測るところまで関わります。結果が仮説と違ったときも、失敗として片づけず、データや前提を見直して次の分析へ戻す。その循環をつくることが大切です。

How we do

活躍中のコンサルタント

活躍中のコンサルタント

■ 実行後の反応まで見て手を入れる 最初に分析の問い・対象データ・成功指標を確認し、チームで分析計画を共有します。レビューでは精度だけでなく、前処理、データの偏り、再現性、説明の筋道まで確認。顧客へは分かったことと未確定の点を分けて伝え、施策後の効果検証を次の分析テーマへ戻します。 分析や予測の結果がどの判断に使われるかを先に確認します。スコアのしきい値、確認が必要なケース、誤判定時の扱いを整理し、モデルの評価指標と現場の成果指標をつなぎます。 ■ 人とAIの役割設計と評価根拠を残す 節目ごとに残す成果物は、分析ロードマップ、仮説・評価指標、データ品質やモデル評価の基準、レビュー記録、顧客向けの意思決定資料、メンバー育成の観点などを整えます。 ■ 現場・コンサル・開発と分析の問いを共有する 協働する相手とは、メンバーとは仮説や前処理、評価の根拠を確認し、顧客とは結果の解釈や施策の選択肢を話し合います。コンサルタントやAIエンジニアとも連携し、分析の結果が実際の業務で使われるところまで目を配ります。 マネージャーは、分析計画、レビュー記録、品質基準、顧客説明の論点、施策後の効果検証を管理します。平均的な精度だけで判断せず、データの偏りや再現性、現場での使われ方まで確認します。 ■ 品質・リスク・意思決定を最後まで管理する 分析結果を施策に使った後は、実施前後の指標や対象群の変化を確かめます。想定した効果が出ない場合も、データや仮説を見直し、次に確かめる問いを立てます。

As a new team member

AIを前提にした業務設計を構想から実装・定着までつなぐデータサイエンティストの仕事です。AIを前提に業務そのものを見直すため、既存手順の効率化にとどまらない変革へ踏み込めます。 ■ 募集背景 データ・AI案件の拡大に伴い、技術品質と業務成果の両方を管理するリーダーが必要なため、データサイエンティストのマネージャーを募集します。AIやデータの活用を企画で終わらせず、クライアントの業務で継続して使われる状態まで進める役割です。 ■ このポジションならではの魅力 技術的な意思決定とクライアントの事業成果の双方に責任を持ち、組織づくりにも関われることが、このポジションの特徴です。さらに、AIを前提に業務そのものを見直すため、既存手順の効率化にとどまらない変革へ踏み込めます。 マネージャーとして、案件の成果だけでなくチームの品質や育成にも関わります。 ■ 誰に、何を、どのように支援するのか 主な支援先はデータとAIを経営・事業の意思決定へ組み込みたい企業です。分析・AIプロジェクトの設計、技術選定、品質管理、顧客折衝、チーム育成を担います。 課題を分析テーマへ落とし込み、技術チームを率いてPoCから本番運用まで管理します。プロジェクトは課題整理や構想策定から始まり、PoC、実装、本番運用、改善へ進みます。 案件の段階に応じて、クライアント、コンサルタント、データサイエンティスト、AIエンジニアと連携します。 ■ お任せする仕事 ・データ・AI活用案件の構想と分析方針設計 ・モデル・生成AIシステムの技術選定と品質管理 ・クライアントへの提案、結果説明、意思決定支援 ・プロジェクト管理とデータサイエンティストの育成 これまでの経験をどの業務から生かせるか、まずは面談でお話ししましょう。 ・求める人材 【必須条件】 ・ビジネスレベル以上の日本語力(日本語能力試験N1相当) ・Python、R等でのデータ分析・機械学習開発経験 ・データ分析プロジェクトのマネジメント経験 【歓迎条件】 ・複数人プロジェクトのマネジメント経験 ・コンサルファーム/SIer等での顧客折衝・PJ推進経験 ・特定業界(製造・金融・小売・通信等)のドメイン知識 ・LangChain、LangGraph等のLLMフレームワークでの開発経験 ・Claude Code、Codex等を用いたAI駆動開発経験 ・RAG、ベクトル検索、プロンプト設計等LLMアプリ開発の実務経験 ・クラウド(AWS/Azure/GCP)でのデータ基盤構築・モデル運用経験 ・MLOps/LLMOps(デプロイ・監視・継続的改善)に関する経験 ・AIエージェントのツール実行・外部API連携など、単発応答に閉じないシステムの開発経験 ・マルチエージェント構成による自律タスク遂行フローの開発経験 ・エージェントの精度・コスト・暴走リスクを制御する仕組みの設計経験(評価・ガードレール・Human-in-the-Loop)の構築経験 【求める人物像】 ・最新技術を自ら学び続け、ビジネス視点を持って業務に取り組める方 ・技術へのキャッチアップと、目の前のクライアントの現実の両方に向き合える方 ・変化の速いAI領域を楽しみ、自ら手を動かして学び続けられる方 ・技術的な正しさとビジネス上の意思決定の間を、自分の言葉で翻訳できる方
0 recommendations

    0 recommendations

    Company info

    Founded on 03/2026

    40 members

    東京都港区麻布台一丁目3番1号 麻布台ヒルズ森JPタワー24階