データエンジニア

必須

• 特に重視:**

  • SQLでのデータ分析・データモデリングの実務経験（3年以上目安）
  • ETL/ELTパイプラインの設計・構築経験
  • データ分析基盤（DWH/データレイク）の設計・構築・運用経験

歓迎

• 実務経験があれば望ましい:**

  • BIツールでのダッシュボード構築・運用経験
  • プロダクトチームやビジネスチームと連携してデータ活用を推進した経験
• dbtの実務経験
• Snowflake / BigQuery等のクラウドDWHの運用経験
• Apache Iceberg等のオープンテーブルフォーマットの知識
• Python（Polars, Pandas等）でのデータ処理経験
• TypeScript / Node.js でのバックエンド開発経験
• AWS（Lambda, ECS, S3, Glue）でのデータ基盤構築経験
• データ品質管理やデータガバナンスの設計・運用経験

求める人物像

• データ基盤を作ることだけでなく、その先の「顧客に価値を届けられたか」に関心がある方
• 物流の現場で何が起きているかに関心を持ち、現場訪問やドメインのキャッチアップを通じて運送会社の経営課題に向き合える方
• データ基盤の品質と拡張性にオーナーシップを持ち、自ら改善を推進していける方
• ドメインにダイブし、チームと協力して解くべき課題を特定し、問題の本質を追求していくことを楽しめる方
• 社会課題解決「物流産業の変革」に共感し、データの力で産業を支えるチャレンジに向き合える方
• まだ整っていない部分が多い環境で、一つずつ仕組みを作っていくことを楽しめる方

使用ツール

募集内容

• 【データエンジニア】運送会社の経営改善をデータで支える / dbt + Snowflake基盤の正社員1人目（フレックス／カジュアル面談OK）
• 運送管理SaaS「ロジックス」のデータエンジニアを募集しています。
• 月間16.7万件の配車データ・月間79億円分の請求額**など、複数ドメインの物流データが日々蓄積される基盤を、**dbt + Snowflake + QuickSight**で進化させ、運送会社の**経営改善（運行単位損益・車両別原価分析）**に直結する価値を届ける役割です。
• 業務委託メンバーが構築・運用してきた基盤の上に立つ、正社員1人目のデータエンジニア**として、信頼性・拡張性の両面で基盤を進化させていただきます。

仕事内容

• ロジックスに蓄積される物流データを、顧客の経営改善により貢献できるものにしていくためのデータ基盤の開発・運用を担当いただきます。物流の現場から生まれるデータはアセンドの事業戦略上も重要な資産であり、今後の戦略策定においても参照される情報です。
• 月間16.7万件の配車データ、月間79億円分の請求額データ**のほか、車両整備・燃料・労務・経営計画など幅広いドメインのデータが日々蓄積されています。**dbt + Snowflakeの基盤はすでに動いていて、P&L（損益）レポートや車両別原価分析を一部の顧客に提供できる状態**です。
• 一方で、データの活用は十分とは言えず、顧客業務を深く理解した上での分析にはまだまだ挑戦の余地があります。この基盤の信頼性を高めながら、より多くの顧客により大きな価値を届けられるものにしていく。そのチャレンジに力を貸していただきたいです。

ポジションの位置づけ:

• ゴールは「顧客の経営改善」**: データ基盤を作ること自体ではなく、運送会社の経営者が車両別損益や案件収益性を即座に確認でき、改善アクションにつなげられる仕組みづくりがゴール
• すでにある基盤を、さらに進化させる**: ゼロからの立ち上げではなく、dbt + Snowflake + QuickSight基盤が本番稼働。**正社員データエンジニア1人目として、社内の第一人者**になっていただきます
• CSチームとの協業**: 経営分析ダッシュボードの主要ユーザーであるCSチームから、顧客にとって本当に価値ある指標のフィードバックが直接届きます

主な業務内容:

• データパイプラインの開発・運用改善（PostgreSQL → S3 → Snowflake → dbt → QuickSight）
• 運行単位・車両単位の損益分析モデルやコスト按分ロジックの設計・実装
• 顧客向け経営分析ダッシュボード（QuickSight）の開発・改善
• アプリ側との変更連携の仕組みづくりとデータ品質の担保
• 労務・費用・マスターデータなど出力可能な領域の拡充
• CSチームがデータを活用して顧客の経営改善を支援できる環境づくり

入社後のイメージ:

• 最初の1-2ヶ月**: 全社共通オンボーディングで物流ドメインを学びながら、既存プロダクト（ロジックス）とdbt/Snowflakeデータ基盤の理解を深める。業務委託メンバーとの引き継ぎ、CS向けダッシュボードの利用実態の把握を通じて、顧客にとっての「データの価値」を掴む期間
• 3-4ヶ月目**: データモデルの整理・品質改善に着手。主要KPI（運行単位損益、車両別原価）の定義を固め、アプリ側の変更に追従する仕組みの改善に取り組む
• 5-6ヶ月目**: 未出力ドメイン（労務・費用等）の拡充や、新たな分析軸の設計など、基盤の拡張フェーズへ

協業体制:

• データ領域の業務委託メンバー（現在の基盤を構築・運用してきた方々）と連携しながら、正社員としてオーナーシップを持つ立場です
• CSチーム**: 経営分析ダッシュボードの主要ユーザー。「顧客にとってどの指標が重要か」のフィードバックを直接もらえます
• プロダクトエンジニア**: アプリ側のスキーマ変更やデータ連携の設計をすり合わせる相手
• CTO**: 技術的な意思決定はCTOと相談しながら進められる体制

なぜ物流なのか

• 物流は**32兆円の市場規模**を持ち、全産業を支える社会基盤です。しかし、この巨大産業にはまだ「システムの標準」がありません。
• クラウド利用率は全産業で最も低く、**運送会社の58%が赤字**で、**トラック積載率は36.7%**にとどまっています。**2030年には35%のモノが運べなくなる**とも言われています。デジタル化によって解決できる課題が膨大に残されているにもかかわらず、この産業の業務プロセスを定義する標準的なソフトウェアはいまだ存在しません。
• 特にデータ活用の遅れは深刻で、**経営数値の把握に2〜3週間かかる**ことも珍しくなく、多くの運送会社がExcelベースで管理を行っています。「社員にもっと給料を払いたい、もっと早く帰ってもらいたい」と考える経営者は多く、その想いを実現するための判断材料を手軽に確認できる環境づくりが求められています。**運行ごとのコストや車両別の収益性**といった経営指標を可視化し、改善のアクションにつなげられる仕組みには、まだ大きな伸びしろがあります。

開発環境・チーム

• 業態：自社開発
• チーム：2026年5月現在、プロダクトチーム約14名、全社約45名の組織です。データ領域は業務委託メンバー中心で運用しており、**正社員のデータエンジニアはこのポジションが社内第一人者**としての1人目の採用です。

データ基盤の技術スタック:

• データ変換: dbt (dbt-snowflake / dbt-postgres)
• データウェアハウス: Snowflake
• ETL/データ同期: TypeScript (Node.js) / Python (Polars, PyIceberg)
• BI: Amazon QuickSight
• データベース: PostgreSQL
• ストレージ: AWS S3 (Apache Iceberg形式)
• インフラ: AWS (Lambda, ECS/Fargate, CDK, Glue Data Catalog)
• CI/CD: GitHub Actions
• 管理ツール: Git・GitHub / Linear / Slack / Notion / Figma