シニアデータエンジニア

採用背景 kubellは、国内最大級のビジネスチャット『Chatwork』を運営し、日々膨大なコミュニケーションデータが蓄積されています。 私たちのデータ基盤チームは、過去4年間でゼロから基盤を立ち上げ、全社的なデータ活用の文化を牽引してきました。 しかし、データの利活用が急拡大した結果、データパイプラインの複雑化や品質管理の課題（飛び交う悲鳴）にも直面し、それを「DataOps」の力で乗り越えてきた泥臭い軌跡があります。

現在はSnowflakeを中心としたモダンデータスタックへの移行とDataOpsの基礎固めが完了し、「基盤を安定させるフェーズ」から「AIを活用して事業に直接的な価値を生み出すフェーズ」へと突入しています。 そこで、DataOpsをさらに高度化させながら、AI活用基盤の構築という次なるフェーズに向けて一緒にリードしていただけるデータエンジニアの募集を開始しました。 ポジションの魅力 ▍大規模で複雑性の高い「リアリティあるデータ」に向き合える面白さ 導入社数99万社を超える「Chatwork」の膨大なログデータと、急成長する「BPaaS（Business Process as a Service）」事業の複合的なデータを扱います。

教科書通りの綺麗なデータではなく、歴史あるプロダクト特有の複雑さや、リアルなビジネス課題を含んだデータを、「分析可能な価値ある情報」へと昇華させる取り組みが必要であることから、高い対応力と設計力を身につけることができます。 ▍AI × データエンジニアリングの最先端を実践する開発環境 Snowflakeやdbtを用いたモダンデータスタック（MDS）の構築・運用に加え、AIエディタ（Cursor等）やAIエージェントを開発プロセス自体に積極的に取り入れています。 データエンジニアリングはAIの進化によりパラダイムシフトが起きています。

単にSQLを書くだけではなく、「AIといかに協働し、生産性と品質を劇的に高めるか」という、次世代のエンジニアに必須となるスキルセットを実務の中で磨ける環境です。 ▍AI × BPaaSによる新たな価値創出への挑戦 kubellが注力する「BPaaS」事業や、将来的な「AI Agent」の台頭を見据え、これまでのSaaSの常識にとらわれないデータ活用の形を模索しています。 Snowflakeやdbtを用いたモダンな基盤構築に加え、AI時代に即した「Outcome（成果）」そのものを提供するサービスモデルへの変革を、データ基盤の側面からリードしていくチャレンジングな機会があります。

▍ビジネスの成長を牽引する「RevOps」の中核を担う 単にデータを整備するだけでなく、マーケティング・セールス・カスタマーサクセスを横断して収益最大化を目指す「RevOps（Revenue Operations）」の文脈でデータ基盤を構築・運用できる環境です。 「The Model」型の組織が抱えがちな部門間のサイロ化をデータによって解消し、事業の意思決定やユニットエコノミクスの健全化にダイレクトに貢献できるため、エンジニアリングとビジネスの両面で高い視座を養うことができます。 業務内容 Snowflakeを中心としたデータ基盤の開発・運用に加え、DataOpsの実践とAI活用に向けたパイプライン構築をお任せしたいと考えています。

①モダンデータスタック（Snowflake, dbtなど）を用いた基盤開発・運用 ・全社の事業データ、プロダクトデータの統合・モデリング・パイプライン構築 ・dbt、Dagster等を活用したデータモデルおよびデータオーケストレーションの開発および安定運用のための最適化 ②DataOpsの実践とデータ品質（Data Reliability）の担保 ・データ品質を継続的に監視・担保するためのテスト自動化、アラート設計やガバナンスを強化する仕組みの提供 ・プラットフォームエンジニアリング体制の整備など、ソフトウェアエンジニアリングのベストプラクティスを用いたデータ運用体制の構築 ③AI/LLM活用に向けたデータ基盤の拡張 ・プロダクトや業務に、AIを組み込むためのAI ReadyなDataOpsの設計・構築 ・アナリティクスエンジニア・データサイエンティストやプロダクトチームと連携した、機械学習モデル・AIアプリケーション向けのデータセット提供 ※変更の範囲｜部署異動等により当社業務全般へ変更する場合があります（出向含む） 入社後、一緒に向き合っていただきたいミッション ①DataOpsのさらなる高度化 4年間で基盤を急成長させたことから、スケーラビリティの壁や技術的負債もございます。

「データが古い」や「パイプラインがコケた」といった運用上のペインを、人海戦術ではなくエンジニアリング（DataOps）で根本解決し、堅牢でスケーラブルな基盤へ進化させていきたいです。 ②「BIのための基盤」から「AIのための基盤」へパラダイムシフトさせたい データを見える化するフェーズは完了し、「事業価値につながるデータ利活用にAIの力を最大限に活かせるようデータを整備する」「データドリブンな意思決定を全社に浸透させる」という領域に取り組んでいます。 前例の少ないAIデータ基盤のベストプラクティスを自ら模索し、形にしていくことに一緒に挑戦していただきたいです。

③データ民主化とガバナンスの両立 AIによる分析支援が浸透した結果として全社員がデータにアクセスできる環境が進む一方で、セキュリティやコスト管理、データサイロ化の防止など、ガバナンスの強化が急務となっています。 活用と統制のバランスを取ることができるアーキテクチャ設計を一緒に進めていただきたいです。

開発環境（使用ツール） ○ETL/ELT ・dbt (data build tool) ・Hightouch ・TROCCO ○オーケストレーション ・Dagster ・AWSサービス（Step Functionsなど） ○Snowflake ○AWS ○Terraform (AWSとSnowflake) ○GitHub ○開発環境 ・CursorやClaude CodeなどのAIエージェントを希望者に提供 ・dbtの開発環境はuvを利用してローカルMac上に仮装環境を構築 ・その他の特殊な依存関係を含む開発環境はDev Containers でコンテナベースを採用 ・コンテナ管理ツール: Rancher Desktop 必須スキル ＜必須要件＞※複数の項目に対して十分な経歴があること ・チーム開発の経験 ・SQLの基本的な知識および実装経験 ・データ処理のパフォーマンス向上に関する知識・経験 ・データベース設計に関する知識・経験 ・データウェアハウス(DWH)に関する理解・知識 ・AIを用いた開発経験 あると望ましいスキル・経験 ・データ分析基盤の設計構築及び運用経験 ・AWS / GCPを用いたクラウド上での大規模データ処理の開発・運用経験 ・SRE、サーバーサイドエンジニア経験 ・GitHub Actions (CI/CD), docker(コンテナ), Terraform (IaC)の開発・運用経験 ・プラットフォームエンジニアリングに関する設計・開発・運用経験 参考URL 2025年のデータ分析基盤開発の成果と、AI活用を軸とした今後の展望について kubellにおけるデータエンジニア職の特徴 [みん強第5回]_kubellのデータ基盤開発の最新状況とAIの活用の実践について 『我が社のデータエンジニアリング現場』を開催！

イベントレポートをまとめました 「ただ続けていたら、道が開けた」試行錯誤の末に見つけたデータエンジニアという生き方 kubellのデータ組織に関するnote一覧 求める人物像 ・当社の理念やビジョンに共感していただける方 ・当事者意識を持ち自ら提案し新しい仕事を作っていける方 ・最先端テクノロジーの開拓にモチベーションが高い方 ・チームメンバーと積極的にコミュニケーションが取れる方 ・サポーティブに働ける方 ・問題を発見し、それに対して提案ができる方 ・事業や会社、チームの変化に柔軟に対応していける方