データ分析プラットフォーム技術全般やAI関連技術について話せます

■背景
マイナビ出版『データプラットフォーム技術バイブル（2025）』の著者です。
https://book.mynavi.jp/ec/products/detail/id=147013

私は事業会社に所属していた時代にDatabricksやTreasure Data、BigQuery等を組み合わせてデータ基盤構築を担当していました。
創業期から300名規模の会社に成長するまでの間に、データ基盤がどのような成長を遂げたのか、その際に得た知見を一冊の本にまとめました。

■ご支援できる内容

データやAIに関する話題はどの領域でも一通りご支援できます。
次に挙げるのは支援できる内容の一例です。

・データチームを立ち上げの際の注意点
・データやDX系人材の採用や人材育成について
・最新のデータやAIについての状況
・組織とデータ基盤をどのように融合させるか
・データのサイロ化を防ぐ方法論とは
・データクリーンルームなどのセキュリティやレジリエンスについて

■対応可能技術群

対応可能な技術群は多岐にわたりますが、一例を挙げると次の通りです。

□ログ転送
Apache Spark、Fluentd、logstash、flume、rsyslog
□アーキテクチャパターン
Lambdaアーキテクチャ、Kappaアーキテクチャ、Delta アーキテクチャ、Lakehouseアーキテクチャ、メダリオンアーキテクチャ
□データストレージ
HDFS、Amazon S3、Google Cloud Storage
□データフォーマット
CSV、JSON、Parquet、ORC、Apache AVRO、Apache Hudi、Delta Lake、Apache Iceberg
□データレイク
Apache Spark、Trino（Presto）、Amazon Athena
□データウェアハウス
Amazon Redshift、Google BigQuery、Snowflake、Treasure Data、Apache Hive、Elasitcsearch
□ストリーミング
Apache Kafka、Amazon Kinesis、Amazon EventBridge、SQS
□ジョブスケジューラ
Jenkins、Rundeck、Digdag、Apache Airflow
□ETL処理
Apache Spark、AWS Glue、Embulk
□ELT処理
dbt、Airbyte
□ストリーミング処理
Spark Structured Streaming、Apache Flink、Apache Beam、Google Dataflow
□BIツール
Tableau、Looker、Metabase、Redash、Kibana、Google スプレッドシート
□データサイエンス
効果検証手法（A/Aテスト・A/Bテスト）、LLM（大規模言語モデル）
□設計開発の手法
ドメイン駆動設計（DDD）、リレーションシップ駆動要件分析（RDRA）、アジャイル開発
□法則、原則、形而上哲学など
SOLID原則、YAGNI原則、決定回避の法則、最小権限の法則、 DIKWモデル、名指しと必然性