データエンジニア_Dev

必須

• 以下いずれかの実務経験（目安3年程度）

  • Webエンジニア（バックエンド等）としての開発経験（RDBMSの設計・運用、SQLの記述など）
  • データアナリスト / データサイエンティストとしての実務経験（SQL や Python を用いたデータの集計・加工）
  • データエンジニアとしての実務経験
• SQLの基本的な記述スキル（JOINや集計関数を用いて、意図通りにデータを扱えること）
• Git や Linux の基本的な操作

歓迎

• dbt または Dataform の利用・運用経験
• BigQuery、Snowflake などのクラウドDWHの利用・運用経験
• Python や Shell Script を用いたデータ処理・自動化の経験
• 社内のデータ集計バッチや分析基盤を構築・運用した経験
• 生成AI / AIエージェントを業務やデータ活用に取り入れた経験

求める人物像

• Findyのビジョン&バリューに共感できる方
• これまでのエンジニア経験・強みを活かして、データ領域へチャレンジしたい方
• 『エンジニア領域の課題解決』という事業ドメインに対して、データ基盤の構築・運用を通じてどのように貢献したいか、自分なりの熱量を持って語れる方
• 技術的なチャレンジに留まらず、『データを使ってファインディの事業や組織の意思決定をどう進化させるか』という目的そのものに熱量を持てる方

使用ツール

募集背景と実現したい事

• ファインディはこの1年で社員数が約100名増加し、2025年には新たに4つのプロダクトをローンチしました。さらに Claude Code などのAIエージェントや BigQuery MCP の社内普及により、BigQuery のジョブ数は3倍、コストは2倍に増加しています。データへのニーズが急拡大する一方、データエンジニアは現在3名の少数精鋭体制です。
• データソリューションチームは「データとエンジニアリングの力で、ファインディの知恵を結集し、意思決定を加速させる」をミッションに、チームの役割を「事業ごとにデータ活用を支援するデータイネーブリング」と「全プロダクト共通の基盤を開発・運用するデータプラットフォーム」の2つに分けています。
• 本ポジションはデータイネーブリングを担い、いずれかのプロダクト領域を主担当としてお任せします。
• 最初からデータエンジニアリングの全領域を1人でカバーしていただくわけではありません。全社共通基盤の運用・セキュリティ対応・技術標準の策定は、データプラットフォームを担う既存メンバーが担当します。

入社後のキャリアパス

• シニアデータエンジニアがメンター（バディ）として伴走し、段階的に役割を広げていきます。
• 入社〜3ヶ月：シニアとバディを組んで幅広く業務に関わりながら、担当プロダクトのデータ構造・データフローを理解。既存モデルの改修やアラートの一次調査から着手
• 〜半年：担当プロダクトのデータ連携やモデリングを、レビューを受けながら自走
• 1年後：ミドルデータエンジニアとして、担当プロダクトのデータ基盤運用とデータ活用推進を担う

このポジションが貢献するKPI

• データイネーブリングは 「データ活用を支援できた人数」 と 「データ活用を支援する AI エージェントの数」 をKPIとしています。
• アドホックなデータ抽出依頼に1件ずつ応えるのではなく、SQL を書けない事業部のメンバーでも AI エージェントを通じて自らデータを引き出し、判断できる状態をつくることがミッションです。

業務内容

• 担当事業ににおけるデータ活用の推進（要件のヒアリング、提供、改善のサイクルを回す）
• AI エージェントや BI（Looker / Looker Studio）を活用した、事業部が自ら使えるデータ活用環境の整備
• BigQuery や dbt を用いたデータモデリングおよびパイプラインの運用
• ※ 業務の変更の範囲：会社の定める全ての業務

仕事の進め方・サポート体制

• 主担当・サブ担当制：各プロダクトには主担当とサブ担当を置いています。あなたが主担当となる領域には、シニアデータエンジニアがサブ担当としてつくため、障害対応や事業部からの問い合わせを1人で抱えることはありません。
• 優先度の決め方：各プロダクトのワークプランはチームの年間注力テーマに沿って作成します。迷ったときはチームの行動指針「作業を『仕組み』に変える」「『使われるデータ』に誠実に向き合う」に立ち返ります。
• タスク管理・レビュー：タスクは GitHub Project で管理し、週次定例で整理します。コードは全てレビューを経てマージします。
• チームの方向性：今年は事業部ごとのサイロ化を防ぎ、頑強なデータ基盤をつくるフェーズです（CRM とプロダクトデータの連携、データ品質チェックの自動化、「脱スプレッドシート」など）。今後は非構造データの活用や AI を用いた事業予測など、より高度なデータ活用へ進む計画です。

多角的なエンジニアリングデータ

• エンジニアのスキルや開発生産性など、エンジニアリングに関するデータを多角的に扱えます。 変化の激しいエンジニアリング業界のトレンドや市況感を正しく理解するためには、ファクトとなるデータが不可欠です。
• 当社でこうした複雑なデータを扱い、「AIや人が正しく判断・理解できる状態にデータを整える技術」を実践することは、AI時代において今後も重宝されるスキルとなり得ます。

AI で業務と分析を変える最前線

• AI による業務・分析の効率化に積極的に取り組んでおり、SQL を書かないメンバーでもデータを使える AI エージェント環境の整備を進めています。エンジニアの8割以上が Claude Code を日常的に利用しています。

担当が明確なオンボーディング

• 担当するプロダクト領域が明確なため、迷わずにキャッチアップを進められます。

他職種の強みを活かしたキャリアチェンジ

• バックエンド開発、データ分析・機械学習の経験をベースに、データエンジニアとしての専門性を伸ばせます。

開発環境

• 開発言語： SQL, Shell Script, Python
• インフラ・ミドルウェア： Google Cloud, Docker, Terraform
• CI/CD： GitHub Actions
• データ基盤・ETL： BigQuery, TROCCO, Datastream, dbt
• BI： Looker Studio, Looker
• コミュニケーションツール： GitHub（GitHub Project）, Slack, Notion

AIの取り組み

• 私たちのチームでは、生成AI活用に非常に積極的で、8割以上のエンジニアが日常的にAIエージェントを利用しています。Claude Code、GitHub Copilot、Devinなど開発で利用するのは当たり前になっています。また、OpenAIやAnthropicなどのAPIを利用できる環境も整備済みで、AI駆動開発を推進できる環境があります。
• プロダクト開発部では、生成AIに関する議論が活発に行われており、一部のメンバーはこれらのAIツールを活用することで、アウトプットを1.5倍に向上させた実績があります。