Senior Business Intelligence Engineer, BITES - Japan Transportation Business Intelligence in Transportation Engineering & Science
Amazon
DESCRIPTION
急成長する組織で、アルゴリズムとコンピューターサイエンスのスキルを武器に物流に変革を起こしませんか？
アマゾンジャパン トランスポーテーション部門では、DataとAlgorithmのチームをLeadし、Businessに必要なAlgorithm・Heuristic model・ソリューションの構築を主導するBusiness Intelligence Engineerを募集します。
当社は日本最大級のEコマースモールを運営しています。「地球上で最もお客様を大切にする企業になること」を企業理念に掲げ、お客様が欲しい商品を欲しい時に最速のお届けでお買い物出来るようなネットワークの構築を行っています。遅延なく商品を入荷しお客様に幅広いセレクションを提供し、お約束通りに商品をお届けすることはサービスの根幹ですが、物流・小売業界を取り巻く環境は日々変化しています。常に変化する状況にあってもお客様のために常に高いサービス品質を提供することは、当社の競争力に必要不可欠な要素です。
Amazon Japanの成長に伴って拡大を続けるサプライチェーンは日々複雑性を増しており、Business Operationの効率化・可視化・意思決定の質の向上が求められています。AWSやAmazon 独自のToolを使って、これらのチャレンジに対して最適なモデル・ソリューションを提供するチームをリードするEngineerを募集しています。
-------------------------------
Do you want to drive transformation in logistics by leveraging your skills in algorithms and computer science in a rapidly growing organization?
The Transportation division at Amazon Japan is looking to hire a Business Intelligence Engineer to lead the Data and Algorithm teams, and drive the development of necessary Algorithms, Heuristic models, and solutions for the business.
Our company operates Japan's largest e-commerce marketplace. We are guided by the vision of becoming "Earth's most customer-centric company", and we are building a network that can deliver the products customers want, when they want them, at the fastest speed. Timely product procurement and on-time deliveries are core to our service, but the logistics and retail industry environment is constantly evolving. Maintaining high-quality service for customers amidst these changing conditions is a critical competitive factor for us.
As Amazon Japan continues to grow, our expanding supply chain is becoming increasingly complex, requiring greater efficiency, visibility, and quality of decision-making in our business operations. We are looking for an Engineer to lead a team that can leverage AWS and Amazon's proprietary tools to provide optimal models and solutions to address these challenges.
Key job responsibilities
• 複雑でBusiness Impactの大きな課題に対するモデル・ソリューションを提供します。アーキテクチャレベルから設計し、必要に応じて他のエンジニアリングチームと協力して行います。
• Techの面からチームをリードします。自分の担当するプロジェクトのみならず、他のエンジニアの抱える課題をコンピューターが実行可能な形に落とし込み、ロバストで計算量の少ない、保守性の高い実装を行うことを支援します
• エンジニアリング上の基準(正確性、効率性など)や運用上の基準(品質、一貫性、信頼性など)を確立するためのメカニズムをManagerとともに構築します。
• チームの進捗状況、データ/ソリューションの品質、エンジニアリング/運用の状況を測定する指標をManagerとともに定義します。
• 戦略的に考え、トレードオフを行う必要があります。あなたの決定は、組織のインフラストラクチャ(リソースやコストを含む)に影響を与えます。
• アイデアを効果的に伝える必要があり、あらゆるタイプのステークホルダーに対して口頭および文章で伝えることが出来ます。戦略的な文書を作成します。
• 限られたガイダンスの下で、プロジェクトをリードする必要があります。
-------------------------------
• Provide model and solution for complex, high-business-impact challenges. Architect and design these solutions, collaborating with other engineering teams as needed.
• Lead the team from a technical standpoint. Support other engineers in translating their challenges into computationally feasible forms, and implementing robust, efficient, and maintainable solutions.
• Work with the Manager to establish engineering standards (e.g. accuracy, efficiency) and operational standards (e.g. quality, consistency, reliability), and build mechanisms to uphold them.
• Define, together with the Manager, metrics to measure the team's progress, data/solution quality, and the state of engineering and operations.
• Think strategically and make tradeoffs, as your decisions will impact the organization's infrastructure (including resources and costs).
• Communicate ideas effectively, both verbally and in writing, to all types of stakeholders. Produce strategic documentation.
• Lead projects with limited guidance.
A day in the life
• 10:00 出勤。自分がLeadしているプロジェクトのコードを書く
• 10:30 同僚が実装した新しい分散処理ツールの説明を受ける。前から欲しかったBeam Search Managementの機能がついており感動
• 11:00 プロジェクトメンバーと一緒に組み合わせ最適化のコードを設計。Notebookで実行し、午前中の仕事は終了
• 12:00 ランチ。今週の週替わりメニューのタンドリーチキンを初めて食べてみる。エキゾチック！
• 13:30 Scrum Daily Meeting。同僚の進捗を確認しつつ情報交換。探索空間のオーダー改善に別プロジェクトのグラフ理論の知見が使えそう
• 14:00 Biz sideとフラッシュディスカッション。実装アイデアについて目線合わせ
• 14:30 肩が凝ったので会社でマッサージの施術を受ける。最高
• 15:00 一旦退社。残りは家で
• 16:00 組み合わせ最適化のJobの結果を確認。確実によくなっている。もしかしてGAと組み合わせたほうがいいかも
• 18:00 明日のProject Weeklyの準備。各メンバーの進捗をSlackで確認し、事前にアドバイスをいくつか提供。Notebookに作ってくれたFigureを保存
• 18:30 コードレビュー。コメントをいくつか付けてApprove
• 19:30 お仕事終了
------------------
• 10:00 AM Arrive at work. Write code for the project I'm leading.
• 10:30 AM Receive an explanation from a colleague about a new distributed processing tool they implemented. I'm excited that it now has the Beam Search Management feature I've been wanting.
• 11:00 AM Design combination optimization code with the project team. Run it in a notebook, completing the morning's work.
• 12:00 PM Lunch. Try the tandoori chicken from this week's menu - exotic!
• 1:30 PM Scrum Daily Meeting. Check in on colleagues' progress and exchange information. Looks like insights from a graph theory project could help improve the order of the exploration space.
• 2:00 PM Flash discussion with the business side to align on implementation ideas.
• 2:30 PM Get a massage at the office to relieve my shoulder tension. Heavenly.
• 3:00 PM Leave the office for the day, continuing work remotely.
• 4:00 PM Review the results of the combinatorial optimization job. It's definitely improving. Maybe combining it with a GA would be even better.
• 6:00 PM Prepare for tomorrow's Project Weekly. Check team members' progress on Slack and provide some advance advice. Save the figures someone created in a notebook.
• 6:30 PM Do a code review, leaving a few comments before approving.
• 7:30 PM End of work day.
About the team
弊チームはDataを活用するソリューションを提供しており、主なミッションは以下の3つです。
• 1: 幹線輸送情報を包括的に管理・分析するための、大規模なData Martの改修・維持管理
• 2: 上記1のデータを利用した機械学習・最適化系アルゴリズムソリューションの提供
• 3: 上記1のデータを利用したBusiness Insight導出用のData Pipeline・Dashboardソリューションの提供
特に2の領域についてはニーズが高まっており、開発を加速しています。一例を挙げると、件数ベースで新たな開発ニーズの80%を占めるとともに、Business Impactも従来のプロジェクトにくらべ非常に大きくなっています。
機械学習系のソリューションは提供開始からまだ1年が経過したばかりですが、非常に期待を集めている成長著しい領域となります。
----------------
Our team provides Data-driven solutions, and our main missions are the following three:
• 1: Overhaul and maintain a large-scale Data Mart to comprehensively manage and analyze trunk transportation information
• 2: Provide machine learning, optimization algorithm solutions utilizing the data from the above 1
• 3: Provide Data Pipeline and Dashboard solutions to derive Business Insights using the data from the above 1
In particular, there is a growing demand in the area 2, and we are accelerating the development.