Analytics Engineer

以下のいずれかの経験・知見が求められます。

• SQLを用いたデータ抽出・集計・分析の実務経験
• BIツール（Looker、Tableau、Metabaseなど）を用いたダッシュボード設計・構築経験
• データウェアハウス（BigQuery、Snowflakeなど）の利用経験
• KPI設計・施策効果測定の実務経験
• データパイプラインの設計・運用経験（dbt、Dataformなど）
• 計測ログ設計・品質チェックの経験

• ビジネス課題を自ら定義する力:
  単にダッシュボードを作るのではなく、「何を測り、どう判断するか」という問いを自ら立てられる当事者意識と思考力が求められます。
• 自律的な行動力:
  指示を待つのではなく、自ら考えて行動できるスタートアップマインドが重視されます。与えられたミッションに対してPDCAを高速で回せる姿勢が不可欠です。
• ビジネス組織との協働力:
  Revenue（営業・マーケティング）など非エンジニア組織に対してデータを分かりやすく提供・説明し、意思決定を支援するコミュニケーション能力が必要です。
• データ品質への高い責任感:
  「誰もが同じ数字を見て判断できる基盤」を実現するため、計測ログ設計から品質チェックまで、信頼性のあるデータを維持する厳密さが求められます。
• 変化に適応するアジリティ:
  急成長フェーズにある組織では業務範囲や優先順位が流動的に変化します。変化をポジティブに捉え、スピーディーに対応できる柔軟性が重要です。

• dbt・Dataformを用いたデータモデリング経験:
  ELTパイプラインにおけるデータ変換レイヤーの設計・実装経験があると、即戦力として活躍できます。
• CRM（Salesforce、HubSpotなど）とのデータ連携経験:
  ビジネスデータをCRMへ還流させる取り組みが求められており、CRMとデータ基盤を橋渡しした経験は高く評価されます。
• SaaS・HRTech業界でのデータ分析経験:
  プロダクトKPIや施策効果測定の文脈を理解した上での分析経験があると、事業課題への解像度が高くなります。
• AIパイプラインへのデータ提供・連携経験:
  生成AIやMLパイプラインへのデータ入力設計経験があると、同社が推進するAI活用施策において大きく貢献できます。
• Looker・Looker Studioを用いたダッシュボード開発経験:
  GCPスタックとの親和性が高く、BigQueryとの連携経験があれば即時に業務へ活かせます。

• 事業全体のKPI設計・意思決定支援スキル:
  プロダクトKPIから施策効果測定まで、事業の意思決定プロセスに深く関与することで、データを起点とした経営視点のビジネス感覚が養われます。
• モダンデータスタック（dbt / BigQuery / BIツール）の実践的活用力:
  クラウドDWHやデータモデリングツールを用いた実務経験を積むことで、現在市場で最も需要の高いデータエンジニアリングスキルを習得できます。
• CRM・AIパイプライン連携の設計力:
  データをCRMや生成AIパイプラインへ連携させるアーキテクチャ設計の経験は、今後のデータ活用領域で希少性の高いスキルになります。
• ビジネス組織と協働するデータコミュニケーション力:
  Revenue組織と直接連携しながらデータを提供する経験を通じて、技術と事業を橋渡しするアナリティクスエンジニア固有のスキルが身につきます。
• HRTechドメイン知識:
  人事評価・タレントマネジメント・組織診断などHR領域に特化したプロダクトデータを扱うことで、HR領域における専門的な事業理解と分析知識が深まります。