02_データサイエンティスト【正社員】

以下のいずれかの経験・スキルが求められます。

• SQL（BigQuery / MySQL等）を用いたデータ分析・集計経験
• Pythonを用いたデータ処理・統計分析の実務経験（pandas, scikit-learn等）
• ETLパイプラインの設計・構築経験
• BIダッシュボード（Redash / Looker Studio 等）の構築・運用経験
• 機械学習・統計モデリング（LTV分析、チャーン分析等）の実務経験
• BigQuery / データウェアハウスの設計・運用経験

• ビジネス課題への翻訳力:
  数字やデータを単に分析するだけでなく、PdMやマーケ・CSなど非エンジニア職と連携し、ビジネス課題をデータ課題に落とし込んで解決策を提案できるコミュニケーション能力が求められます。
• 自律的なオーナーシップ:
  スタートアップ環境のため、指示待ちではなく自ら課題を発見し、優先順位をつけて主体的に推進できる姿勢が重要です。分析基盤の整備から実務分析まで一貫して担う責任感が求められます。
• 再現性・品質への意識:
  データ品質管理やスキーマ設計・メタデータ整備など、分析の再現性と信頼性を担保するための丁寧な実装力が必要です。属人化を防ぐドキュメント整備も重要な業務です。
• クロスファンクショナルな連携力:
  データサイエンティストとして事業部・PdM・LLMエンジニアなど多様な職種と協働するため、技術的な内容を噛み砕いて説明したり、各チームのニーズをヒアリングしてデータ施策に落とし込む力が求められます。
• 成長志向と学習意欲:
  LLMやAI技術の急速な進化に対応するため、最新技術のキャッチアップを継続し、事業に活かせる形で実装・提案していく積極的な学習姿勢が重要です。

• LLM・生成AI活用経験:
  LangChainやOpenAI API等を活用したプロダクト開発やデータ活用の経験があると、同社が注力するAIによる体験変革のフェーズで即戦力として活躍できます。
• Ruby on Railsの基礎知識:
  アプリ側のETLトリガーやデータ収集にRuby on Railsが使用されているため、バックエンドの理解があるとデータパイプライン設計の幅が広がります。
• マーケティングROI分析・アトリビューション分析の経験:
  広告・CRMなど複数チャネルにまたがるマーケティング施策の効果測定やROI可視化の経験は、同社の統合的なマーケティング分析推進において高く評価されます。
• dbt（data build tool）の実務経験:
  データパイプラインの維持・アップデートにdbtを活用する予定のため、dbtの設計・運用経験があると即戦力として活躍できます。
• toC向けプロダクトのデータ分析経験:
  ユーザー行動データ（予約・来院・施術等）を用いたLTV・リテンション・チャーン分析など、toC向けサービスのデータ分析経験があれば業務に直結します。

• データ基盤フルスタックの設計・構築スキル:
  BigQuery・dbt・Cloud Functions・Aurora等を組み合わせたデータパイプラインの設計から運用まで、エンドツーエンドでのデータ基盤構築ノウハウを実践的に習得できます。
• 機械学習・統計モデリングの実務スキル:
  LTV・リテンション・チャーン分析などのユーザー行動モデリングや、マーケティングROIの統合可視化など、実データを用いた高度な機械学習・統計分析の実務経験が積めます。
• LLM・生成AI時代のデータ活用ノウハウ:
  「AIによる体験変革」を推進するトリビューで、LLMエンジニアと連携しながらAI×データ活用の最前線ノウハウを実践を通じて習得できます。
• 事業KPI設計とデータドリブン経営への貢献力:
  事業KPIの設計・トラッキング・可視化を担うことで、スタートアップの経営判断に直結するデータ活用スキルと、ビジネスサイドとの対話力を養えます。
• ドキュメント・ナレッジ共有能力:
  分析知見のドキュメント整備やナレッジ化など、組織全体のデータリテラシーを高めるためのコミュニケーション・情報共有スキルを実務の中で磨けます。