【データサイエンティスト】大手損害保険会社向けLTV予測・PoC支援 PL案件・求人

大手損害保険会社において、顧客LTV（顧客生涯価値）の向上を目的とした予測モデル構築PoC案件です。 国内人口の頭打ちを背景に、既存顧客一人あたりのLTV向上が経営課題となっており、顧客属性・契約情報等を活用した予測モデルの構築を検討しています。 現時点では分析計画・到達基準が完全には固まっていないため、分析方針や評価方法の検討から顧客と協議しながら推進いただきます。 業務内容： ・分析対象および分析方針の整理 ・分析データの収集・紐付け、データ仕様整理 ・データ加工、前処理、特徴量設計・作成 ・機械学習モデルの設計・構築 ・予測精度評価、モデル改善 ・分析結果の整理および顧客向け報告 ・PoC結果を踏まえた次フェーズ検討

曖昧な課題からの要件定義・PoC企画経験（分析計画や評価指標（KPI/到達基準）が未定の状態から、顧客と合意形成を行った経験など） 機械学習を活用したビジネスPoCのリード経験（実務での機械学習モデル構築プロセス全体のディレクション・レビュー経験など） ステークホルダーマネジメント・顧客折衝力（分析結果のビジネス的解釈を非エンジニア（経営陣・企画部）へ分かりやすく説明し、合意を得るスキル） 分析技術について高いキャッチアップ力、応用力があること

損害保険・金融業界におけるデータ分析または業務知識（解約率（Churn）、解約時期、クロスセル・アップセル、保険事故発生率（損害率）などのデータ理解など） LTV（顧客生涯価値）モデルの構築・運用経験（生存時間解析（Kaplan-Meier, Cox proportional hazards）やマーケティング系LTV予測（BG/NBDモデル、Pareto/NBDモデルなど）の実務経験など） SQL/Pythonを用いたハンズオンでのデータ集計・検証能力（メンバの分析結果の妥当性をコードレベル・クエリレベルでレビュー・検証できること）

金融

国内人口の頭打ちを背景に、既存顧客一人あたりのLTV向上が経営課題となっており、顧客属性・契約情報等を活用した予測モデルの構築を検討しています。 現時点では分析計画・到達基準が完全には固まっていないため、分析方針や評価方法の検討から顧客と協議しながら推進いただきます。

SQL/Python

2026/11

週3日出社

2026/10/19 20:30:35