 会社概要Company profile |
日本のネットスーパーやQ-Commerce事業者のフルフィルメントの自動化に係るニーズに対して、小型化した自動倉庫やロボット等の自動化技術を活用したRCS(Robotics Convenience Store)やNFC(Nano Fulfillment Center)と共に、ネットスーパーやQ-Commerceをより多くの消費者に使って頂けるようなコマースプラットフォームや消費者向けのアプリを開発・提供するリテールテック企業です。
「RetailをDigitalとAutomationで変革し、次のCXを創造する。」というビジョンの下に創業され、これまでにUTEC-東京大学エッジキャピタルパートナーズやDNX Venturesといった著名VCからの資金調達を行ってきています。現在は(2021年11月)のチームメンバーは20名を超え、特にHWやSWのエンジニアを中心に外国籍のメンバーを拡大しています。また、これまでにRCSを1店舗導入済み、2022年にRCS 1店舗とNFC2店舗の導入を予定しています。
BtoB向けの産業用の自動化・ロボットソリューションは多く存在しますが、それらの技術をBtoC向け、特に小売向けのサービス創出や、ロボット等の自動化システムをECやアプリでリアルタイム連携するソリューションは、これまでほとんどの企業が取り組めていない新しいチャレンジの領域です。急成長中の会社で一緒に挑戦されたい方は是非ご応募ください。
■会社・仕事の魅力:
- 小売業界全体に横ぐしを通す、新しいプラットフォームの開発に携わることができます。
- 国内大手メーカーで大規模なシステム開発を担当していたメンバーから、開発を学ぶことができます 。
- 企画段階からエンジニアも参加し、上流工程から下流工程の開発すべてを経験することができます。
- ハードウェアチームと連携しながら、ウェブだけではなしえない業界の変革を実現することができます。
This retail tech company develops and provides commerce platforms and consumer apps that allow more consumers to use online supermarkets and Q-Commerce, together with RCS (Robotics Convenience Store) and NFC (Nano Fulfillment Center) that utilize automation technology such as miniaturized automated warehouses and robots to meet the needs of Japanese online supermarkets and Q-Commerce operators regarding automation of fulfillment.
Founded under the vision of "transforming Retail with Digital and Automation to create the next CX,", the company has raised funds from well-known VCs such as UTEC-University of Tokyo Edge Capital Partners and DNX Ventures. increase. Currently (November 2021), the number of team members exceeds 20, and they are expanding the number of foreign nationals, especially HW and SW engineers. In addition, we have already introduced one RCS store so far, and we plan to introduce one RCS store and two NFC stores in 2022.
There are many industrial automation / robot solutions for BtoB, but until now, there have been solutions for creating services for BtoC, especially for retail, and for linking automation systems such as robots in real time with EC and apps. This is an area of new challenges that most companies are not tackling. If you would like to take on the challenge together at a fast-growing company, please apply.
[Attractive points of company/work]
・ You can be involved in the development of new platforms that will be spread throughout the retail industry.
・ You can learn about development from members who were in charge of large-scale system development at a major domestic manufacturer.
・ Engineers can also participate from the planning stage and experience all the development from the upstream process to the downstream process. |
 仕事内容Job description |
■仕事内容
データサイエンスチームのエンジニアとして、当社のNFC/RCSを導入した小売企業のオーダーデータ・在庫データをもとに、店舗の売上最大化・運営効率化に向けた分析・提案およびツールの開発をリードしていただきます。
<扱うデータ例>
- 1店舗辺り毎日100オーダー以上あるお客様の数十・数百店舗レベルのリアルタイム売上
- 各店舗のリアルタイム在庫
- ユーザーの顧客情報
■責任範囲:
- 様々なチームとの連携(事業開発、ロボティクスエンジニア、オートメーションエンジニア等)
- クライアントデータをもとにした分析・提案ツールの開発
- その他、関連・派生システムの設計、開発、評価
- チーム開発・採用
■開発環境:
- 言語 :Python
- Machine Learning:Sklearn, PyTorch/Keras/TensorFlow
- DB :SQL(PostgreSQL, MySQL,MongoDB)
- クラウド :Amazon Web Services, Microsoft Azure, Google Cloud Platform
- その他 :Docker, GitHub, Confluence
■Role summary:
As an AI/ML Engineer on our Data Science team, you will lead the development of AI models, analytics, proposals, and tools that improve warehouse and logistics operations for customers.
Our data science work falls into two categories:
Operational optimization for ROMS automation solutions like NFC / Nano-Stream / Nano-Sorter / RCS (e.g., inventory management, workload/demand forecasting, operational planning, decision support)
Standalone AI software products, such as Packing Assistant AI
■Data you will handle (examples):
Real-time operational data with 10,000+ orders per day
Real-time inventory and stock movement data
Shipping and fulfillment data (picking/packing/shipping events)
■What you will work on:
ML (tabular & time series): forecasting, classification, anomaly detection, recommendations
Optimization: planning/allocation (e.g., packing-related optimization, inventory allocation)
LLM-based AI: multi-agent workflows, RAG, and automation of operational decision-making
Descriptive analytics / BI: KPIs, dashboards, root-cause analysis, reporting
[Development environment]
Language : Python
Machine Learning : Sklearn, PyTorch/Keras/TensorFlow
DB :SQL (PostgreSQL, MySQL, MongoDB)
Cloud :Amazon Web Services, Microsoft Azure, Google Cloud Platform
Other :Docker, GitHub, Confluence
[Responsibilities]
Build analytics, decision-support tools, and AI/ML services that improve warehouse operations
Design, develop, evaluate, and operate related systems and internal tools in production
Collaborate with cross-functional teams (Business Development, Automation/Robotics engineers etc.)
Contribute to team development (ways of working, hiring/interviews, mentoring)
We focus on solid engineering fundamentals and production-ready delivery. Specific tools may vary by project; examples below reflect our typical stack.
[Tech stack / Development environment]
Core ML / DS: Python; common ML frameworks such as scikit-learn and deep learning frameworks (PyTorch / TensorFlow)
Data & Analytics: SQL databases (e.g., PostgreSQL, MySQL); NoSQL databases (e.g., DynamoDB, MongoDB); BI / visualization tools (any major platform); analytics warehouses / OLAP (e.g., Redshift)
Data Engineering / Orchestration: workflow/DAG orchestration (e.g., AWS Step Functions, Apache Airflow); building and operating data pipelines; streaming/messaging (e.g., Kinesis, Kafka)
Cloud / Platform: we primarily use AWS, but experience with GCP/Azure is also welcome
Engineering & Collaboration: containerization and CI/CD practices (e.g., Docker); version control and documentation tools (e.g., GitHub) |
