Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
ソフトウェアエンジニアとデータエンジニアの違い・キャリアチェンジ
Search
k.muguruma
November 07, 2025
Technology
2.8k
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
ソフトウェアエンジニアとデータエンジニアの違い・キャリアチェンジ
試されDATA SAPPORO #1
https://tamesaredatahokkaido.connpass.com/event/369741/
でLTした資料です。
k.muguruma
November 07, 2025
More Decks by k.muguruma
See All by k.muguruma
全社に広がるMCPサーバーを、 どう安全に管理するか MCPass開発の舞台裏
mtpooh
3
320
MCPゲートウェイ MCPass の設計と実装 エンタープライズで AI を「運用できる」状態にする
mtpooh
1
960
Snowflake Summit 2025全体振り返り / Snowflake Summit 2025 Overall Review
mtpooh
2
1.1k
マルチデータプロダクト開発・運用に耐えるためのデータ組織・アーキテクチャの遷移
mtpooh
1
760
データ基盤におけるIaCの重要性とその運用
mtpooh
6
1.6k
ソフトウェアエンジニアリングの知見を活かして データ基盤をいい感じにする on Snowflake [MIERUNE BBQ #10]
mtpooh
2
840
データドリブンな世界を支える: データプラットフォームエンジニアリングの役割と影響
mtpooh
1
1.4k
Other Decks in Technology
See All in Technology
Claude Code本って、 読む必要あるの?
oikon48
1
140
2026-09-10 【Snowflake World Tour Tokyo 2026】dbt Core と Snowflake で実現する多層的なデータガバナンス / Multi-Layered Data Governance Powered by dbt Core and Snowflake
civitaspo
0
230
多層防御と最⼩権限で実現する、安全なAIエージェント設計パターン
lycorptech_jp
PRO
1
220
AIとペアプロを始める。人とのペアプロをやめる。ペアプロの良さを改めて知る。もっと好きになった。 / Rediscovering Pair Programming
honyanya
1
290
Snowflakeのコスト最適化を支えるアーキテクチャ設計
ktatsuya
0
850
『止めない』を設計する — 制約の中で、事業の根幹を支える判断
hiroyaterui
0
230
アリアドネの糸と、20年ごとの建て替え ── 長尾真『電子図書館』を、伊勢で読み直す / Rereading Makoto Nagao’s "Electronic Library" in Ise
ykiyota
0
110
推論の観測、できていますか? 〜 Google Cloud Gemini Enterprise Agent Platformで 3つの Gemini モデルを実測して踏んだ、評価の罠 〜
shukob
PRO
0
180
プロダクト思考 × 基盤思考を AIで実現する Compound Engineering
tkc66buzz
1
290
Snowflakeで実現する全社横断の顧客の声(VOC)分析・活用基盤@Snowflake World Tour Tokyo 2026
yuto16
0
120
AI活用の現在地、 ちゃんと見えてますか?/XPfest-2026
visional_engineering_and_design
0
170
Amazon Quick on DesktopがIAM Identity Centerで動かない理由
yukiogawa
0
110
Featured
See All Featured
Building Adaptive Systems
keathley
44
3.2k
Noah Learner - AI + Me: how we built a GSC Bulk Export data pipeline
techseoconnect
PRO
0
430
The browser strikes back
jonoalderson
0
1.6k
Claude Code のすすめ
schroneko
67
230k
Put a Button on it: Removing Barriers to Going Fast.
kastner
60
4.6k
WENDY [Excerpt]
tessaabrams
12
39k
Optimizing for Happiness
mojombo
378
71k
Beyond borders and beyond the search box: How to win the global "messy middle" with AI-driven SEO
davidcarrasco
3
230
Digital Projects Gone Horribly Wrong (And the UX Pros Who Still Save the Day) - Dean Schuster
uxyall
1
2.7k
Information Architects: The Missing Link in Design Systems
soysaucechin
1
1.1k
Marketing to machines
jonoalderson
1
5.7k
Technical Leadership for Architectural Decision Making
baasie
3
560
Transcript
ソフトウェアエンジニアとデータエンジニアの違い ・キャリアチェンジ データ時代の立役者 試されDATA SAPPORO #1 六車 (Muguruma)
自己紹介 • むぐるまです • 株式会社ナウキャスト所属 ◦ データエンジニア/データプラットフォームエンジニア ◦ 社内のデータ基盤のエンハンス・顧客向けデータ基盤構築支援など ◦
webエンジニア出身 • (2025年9月まで)北海道・札幌在住、今は東京に住民票を置いている ◦ 山とスキーが好き • X: @mt_musyu
今日話すこと ソフトウェアエンジニアから データエンジニアに キャリアチェンジして楽しいよという話 ソフトウェアエンジニア(webエンジニア)の方がデータエンジニアに転向してみよ うかな、と思ってくれたら成功!
私のエンジニアパス Webアプリエンジニアとして、フルスタックにフロント画面、API 開発、DB構築をやっていた。とても楽しかったのだけど、レバ レッジの効くこと がしたいという思いがあった キャリアの転換点 業務で特に面白みを感じたのは「データベースのチューニン グ」。アプリケーションのレイテンシ改善からを地道にやることに 喜びを感じ、その文脈からデータエンジニアという職業があるこ とを知った。縁の下の力持ち・総合格闘技
というワードに惹か れる。 なぜソフトウェアエンジニアからデータエンジニアに?
18.15% DEサービス市場の年平均成長率 (CAGR) (2033年まで) *出典: GlobeNewswire (2024) 現代技術のバックボーン AI、リアルタイム分析、パーソナライズされた顧客体験... 全ての「賢い機能」は、DEが構築する信頼性の高いデータ
基盤によって支えられています。 DEの需要は一時的なブームではなく、AI/IoTインフラを支え る恒常的なものと思っています。 なぜ今、データエンジニアなのか?
比較軸 ソフトウェアエンジニア (SE) データエンジニア (DE) 転換の焦点 コア目標 ユーザー向けアプリの機能開発 /安定性の維持 大規模データの収集、処理、品質保証
アプリロジック → データフロー 主要技術 Java, JavaScript, C++, フレーム ワーク、クラウド Python, SQL, Spark, クラウド 分散処理と非構造化データ 技術的規律 コード品質、テスト、レイテンシ データ品質( Data Quality)、スキーマ進化、ガバナンス、データパイプライ ンのステートフルな検証 対象がコードからデータへ ビジネスインパク ト 顧客体験、特定の機能の収益 化 組織全体の意思決定、 AI/MLの土台構築 戦術的 → 戦略的基盤 SE vs DE:技術的・ビジネス役割
現代のデータパイプラインは「スクリプト」ではなく、「堅牢で信頼 性の高いソフトウェア製品」 である — SWEのシステム設計スキルが不可欠な理由 " " データインフラの「ソフトウェア化」
システム設計能力の転用 : マイクロサービスの設計原則は、Data Meshやレイクハウスの設計に直接適用可能。 品質管理の徹底( DataOps): SEのTDD/CI/CD経験は、データがステートフル であることに起因する難易度の高いテストの 自動化に不可欠。 DBの深い知見
: データベースチューニングの経験は、大規模DWHの複雑なクエリ最適化に直結する。 ソフトウェアエンジニアの経験は役に立つ
1. クラウドと分散処理 Apache Spark, Kafka, AWS/GCP/Azure/Snowflake/Databricks の データサービス(最重要ギャップ) 2. データアーキテクチャ
DWH, データレイク, データメッシュの設計原則、ディメンションモデリ ング 3. データ処理言語と SQL Python (Pandas/PySpark) と 高度なSQL (ウィンドウ関数、クエリ チューニング) 埋めるべき 3つの技術ギャップ
SWE:ロジックによる不確実性対応 対象: 外部API、ユーザー入力、競合状態 向き合い方 : アーキテクチャ、型システム、ロジックによる防御 的プログラミング。 ゴール: できるだけステートレス なロジックで問題を解決する。
DE:コミュニケーションによる不確実 性対応 対象: データの発生源(人)、上流システムの「サイレント」な変 更、ビジネス定義の曖昧さ 向き合い方 : 技術に加え、泥臭いコミュニケーション で「人」に 向き合う。 ゴール: ステートフル なデータと組織に向き合い、品質を担保 する。 SWE→DEで変えるメンタルモデル
データインフラの「ソフトウェア化」をリードし、世の 中よくしていきましょう。 Your SWE skills are the key. ご清聴ありがとうございました