ちゅらデータは、データ活用を通じて顧客の課題解決をサポートするスペシャリスト集団です。 2017 年に創業して以来、受託分析を中心に事業展開し、急速に拡大してきました。 創業時は 3 名だった社員は 2022 年で 40 名を超え、月の売上も 10 倍近くまで成長しています。 昨今では、機械学習 / データ分析のみならず、BI 構築・分析基盤構築、システム開発や xR 分野のアプリケーション開発まで、業界・業種も問わず幅広い仕事に携わっています。既存のやり方にとらわれず、最先端技術を柔軟に取り入れながら成長できるところが強みの一つです。 2018 年には Supership ホールディングスにジョインし、KDDI グループ企業となりました。 グループ企業である強みを持ちつつも、沖縄に根ざすベンチャー企業としてのフットワークの軽さも兼ね備えています。

沖縄県は、働く場所という視点で見たとき非常に厳しい現実に直面しています。IT 分野に絞っていえば、東京を中心とした県外と比較して 2 〜 3 倍以上の給与格差があったり、2 次請け・3 次請けの仕事がほとんどで「ニアショア」という言葉で形容されたりもします。 私達は、そんな沖縄の現状をぶち破り、最高に面白い仕事を沖縄に創るために創業しました。 沖縄にありながら、東京を初めとした首都圏と比較して遜色ない待遇・仕事を創ることで、沖縄の IT 業界がもっともっと魅力ある場所になるよう、トップランナーとして牽引していくことをミッションとしています。

社員のほとんどがエンジニアという技術者集団です。多種多様な顧客課題に対応するため様々な領域のスペシャリストが揃っており、スペシャリスト同士の掛け算でしか生まれない高度な課題解決力を強みとしています。 過去にはデータ活用に基づく商品のブランド力強化やマーケティング最適化を行ったり、自動運転技術の開発や工場における製造工程の高度化 / 無人化を実現したことも。取引先のデータ規模や種類も違えば、課題解決に向けたアプローチ方法も多岐にわたるため、スキルに応じて幅広い業務に挑戦できるのが大きな魅力です。 フルフラットな組織形態をとっており、代表も含めていつでも気軽に相談や意見を言い合える環境が整っています。 普段の仕事ではメンバー同士のちょっとした雑談やコミュニケーションを重視しており、メンバーは携わる仕事に関わらず「島」と呼ばれる 3 つのグループのいずれかに所属しています。コロナ禍以前から社内のリモートワーク体制が出来上がっていたため、原則全メンバーリモートワークの現在でも無理なくこのスタイルを楽しめています。 平均年齢 31 歳！ 非常に個性的で向上心の高いメンバーが揃っています。 社内外で定期的に勉強会を開催したり、PyCon Kyushu / PyData Okinawa といったコミュニティの運営メンバー等も所属しています。会社としても、PHP カンファレンス沖縄や PyCon JP 2021 といったイベントのスポンサーシップも実施しています。 詳しくは、会社説明資料を公開しているためぜひこちらをご覧ください： https://speakerdeck.com/amacbee/churadata-introduction

ちゅらデータはデータ分析、AIシステムの構築などデータサイエンス領域の仕事を得意としています。 しかし会社と市場の成長に伴い、データ分析やAIシステムの足回りを支えるデータエンジニアリング領域の仕事量がどんどん大きくなり、今のチームの成長速度を越えようとしています。 ■データエンジニアリングって？ データはDBに眠っていたり、ファイルサーバ上に眠っていたり、ログの山の中にあったり、様々な場所に偏在しています。 その在り様も様々です。目的を持って集め始めるデータもあれば、振り返ると大量に溜まっているデータもあります。 そしてデータを開いてみれば、使えるもの、使えないもの、キレイにしなければいけないもの（要クレンジング）、構造化しなければいけないもの、その状態は様々です。 このようなデータを扱うデータエンジニアはデータハンドリングのスペシャリストと考えています。 ■大量のデータをさばくのは難しい 現代ではテクノロジの進歩に伴い、大量のデータを多くの人が扱うことが出来るようになりました。 これはクラウドプラットフォーム（AWS,Google Cloud, MS Azure…）が浸透したのが大きな要因で、これまでと比べITシステム構築のハードルが大きく下がった結果、非IT企業でも大量データを扱うための扉が開かれた状態となっています。 しかし、素朴に大量のデータを扱うと、クラウドプラットフォームの従量課金による高額な請求を目の辺りにし、痛い目を見ることでしょう。 素朴に構築しただけでは、大量データを処理するシステムは、費用対効果に合わないシステムとなってしまします。 このようなときにデータエンジニアがそのデータの特性に見合ったアーキテクチャの選定と設計、実装レベルでの最適な意思決定を行うことで、大量データを現実的な費用の中で飼い慣らすことが出来るようになります。 海外ではデータエンジニアの仕事はデータラングラー（データを飼う者）とも呼ばれています。 ■利用する技術はどんな物？ データエンジニアの意思決定できる技術領域はとても広大です。 例えば技術選定の中では、クラウドプラットフォームの選定、接続先システムに応じた最適なアーキテクチャの策定、データの性格と用途に応じた処理システムの決定。 このようなことを自ら行っていくことになります。 検討する中でよく目にする技術を紹介すると… ・プラットフォーム：AWS、Google Cloud、MS Azure、オンプレミス ・データレイクやデータウェアハウス：S3、Redshift、Google Cloud Storage、Snowflake、Oracle、MySQL、Synapse、BigQuery ・可視化や分析：Tableau、Looker、Athena、Jupyter、それともKubernetes上に分析アプリケーションをデプロイしますか？ ・データパイプライン(ETL/ELT)：Glue、Airflow、Lambda、StepFunction、dbt、Jenkins、JP1、Talend ・MLOps：MLFlow、Databricks、SageMaker、VertexAI、Kubeflow 上に挙げたものは一例で、実際には組み合わせ方によって大きくコストや運用負荷が変わり、お客様へ運用を引き継ぐのかどうか、セキュリティは十分に担保されているのか、などの非機能な観点によってさらに広範囲な製品やサービスを検討し、決めていくことになります。 これがとても楽しい。 情報収集が好きな人は向いています。 新しい技術をたくさん触りたい人にも向いています。 ■縁の下の力持ち データエンジニアは縁の下の力持ちです。 彼らがエラーハンドリングを行い、データを利用可能な形にしなければ、データサイエンティストは分析を始められませんし、顧客はデータドリブンな意思決定をすることができません。 データ基盤は水や電気のように身近にありながら、けして淀まず止まらず、流れ続ける必要があります。 そのためには連携先のシステムとデータ基盤の間を一つづ繋ぐためのコードを書き、設定をし、そしてもちろんテストをし、と地味な作業が沢山発生します。 実はこれがとても楽しい。こういうのを楽しめる人はとても向いています。 ■もし興味を持ってくれるなら まずはCTOの菱沼を始めとしたデータエンジニアたちと話をしませんか？ お待ちしてます！