データエンジニア

必須

• SQLを用いたデータ抽出・加工経験、およびRDBまたはDWHを活用した開発経験。
• Python、Java、Scalaなど、いずれかの言語による開発経験。
• データ基盤／データパイプライン／ETL・ELTの設計・開発経験、またはDB設計、データ連携、バッチ処理等の設計・開発経験。
• 設計・実装を主体的に推進し、技術課題の調査・改善を行った経験。

歓迎

• Databricks、Snowflake、Amazon Redshift、BigQuery、Azure Synapse Analytics、Microsoft Fabric等を用いたデータ分析基盤の設計・構築・運用経験
• AWS、Azure、Google Cloudのいずれかにおける設計・開発・運用経験
• データ変換・パイプライン開発や分散処理の経験（dbt、Apache Airflow、Apache Spark等）
• データモデリング、品質管理、性能・コスト最適化、アクセス権限・メタデータ管理等の設計・改善経験
• Git、CI/CD、IaC等を用いた開発・運用自動化の経験
• BIツールとのデータ連携、または機械学習・生成AI向けデータ基盤構築経験
• 要件定義、アーキテクチャ設計、技術選定経験
• 技術リード、レビュー、メンバー育成、再利用可能な共通機能の設計・開発経験

求める人物像

• 顧客課題の解決に興味があり、顧客やチームと協働して取り組める方
• 技術を実際の業務価値につなげたい方
• データ分析基盤・AI領域の専門性を高めたい方
• 案件の成果を個別最適で終わらせず、共通化・標準化に取り組みたい方
• 事業や組織づくりにも関わっていきたい方

応募について

• ※Databricks・Snowflakeなど特定製品の経験や、複数クラウドを横断した経験は必須ではありません。
• データ基盤やクラウド、バックエンド開発の経験を生かし、クラウド上のデータ分析基盤へ専門性を広げたい方も対象とします。
• また、データサイエンティストとしての経験や機械学習モデルの開発経験、現在の職種名が「データエンジニア」であることは必須ではありません。

使用ツール

募集背景

• シンプレクスは、金融領域で培った技術力と業務理解を活かし、製造、流通、建設、メディアなど幅広い業界のデジタルトランスフォーメーションを支援しています。
• データ・AI領域では、単なるデータ基盤構築にとどまらず、データ利活用やAIの業務実装まで一気通貫で支援しており、DatabricksやSnowflake、AWS・Azure・Google Cloudのデータ分析サービスを活用したデータ分析基盤の構築・利活用支援を強化しています。顧客の業務要件や既存環境に応じて、適切な技術を選定・組み合わせることを重視しています。
• Databricksも注力領域の一つとして位置づけており、2026年3月には「Consulting & Systems Integrator（C&SI）Partner」への加盟を公表し、データ基盤構築・データ利活用・AI実装支援を推進しています。今後は、顧客の業務課題に向き合い、実際に利用されるデータ・AI基盤を構築するだけでなく、その過程で得られた知見をソリューションとして発展させていきたいと考えています。
• 個別案件で専門性を磨きながら、データ連携、品質管理、運用自動化などの共通機能を育て、より多くの顧客へ高品質なサービスを提供する。その中核を担うデータエンジニアを募集します。

業務内容

• DatabricksやSnowflake、AWS・Azure・Google Cloudのデータ分析サービスを活用し、クラウド上のデータ分析基盤の設計・構築から、データ活用・AI活用に必要なデータ整備、本番運用・改善までをご担当いただきます。

主な業務

• データ基盤（DWH／データレイク／レイクハウス）の設計・構築、データモデリング・データマートの設計
• ETL／ELT、データパイプラインの開発・運用
• BI・機械学習・生成AI向けデータ整備
• データ品質管理、アクセス制御・メタデータ管理、監視、性能・コスト改善
• CI/CD、IaC等による開発・運用の自動化
• 案件で得た知見を活用した共通ソリューション開発

募集内容

• ご経験に応じて、顧客との要件定義、アーキテクチャ設計、技術選定、技術リード、メンバー育成などもお任せします。
• また、ご志向に応じて、顧客課題の発見から本番実装まで推進し、その知見を自社の共通ソリューションへ還元するFDE（Forward Deployed Engineer）型の役割にも取り組んでいただきたいと考えています。

案件例

• 製造業向け：全社データ基盤の構築・運用支援。データ連携機能の開発だけでなく、データガバナンスや利活用推進まで支援。
• 化粧品・小売業向け：顧客情報を統合管理する業務システムを開発。現場業務とデータ活用をつなぐ基盤を構築。
• メディア業界向け：生成AIを活用した映像解析・広告配信システムを開発。AI技術を商用サービスへ実装。
• 官公庁向け：データ活用基盤を構築し、複数の業務データを統合。分析やレポーティング業務を支援。
• 自動車関連業界向け：Databricksを活用した分析サービスを開発。大量データを意思決定に活用できる形で提供。
• ※業界や技術スタックは多岐にわたりますが、いずれも「データやAIを実際の業務価値につなげる」ことを重視した案件です。上記は実績例であり、配属案件・使用技術は経験や適性、案件の状況等を踏まえて決定します。

① 顧客課題の解決から本番運用まで一気通貫で携われる

• 顧客との直接取引を重視しており、課題整理から開発、本番運用、その後の改善まで継続して支援しています。
• データ基盤を構築して終わりではなく、「そのデータが誰に、どのように活用され、どのような価値を生むのか」まで理解しながら取り組める環境です。

② データ・AIとシステム開発の両方に携われる

• 全社データ基盤の構築から業務アプリケーション、生成AIを活用した商用サービス開発まで、多様なプロジェクトを手掛けています。
• 特定の製品に限定せず、顧客の目的や既存環境に応じた技術選定・実装に関われます。 データエンジニアリングを軸に、クラウド、アプリケーション、分析・AIなど幅広い領域へ専門性を広げることができます。

③ 案件経験を自社の技術資産へ発展させられる

• 案件で得た知見を、データ連携機能や品質管理機能、運用自動化機能などの共通ソリューションとして蓄積・発展させていくことを目指しています。
• 個別案件の成果創出だけでなく、設計標準や共通機能の整備、専門チームの強化など、事業や組織づくりにも関わることができます。

④ 技術を深めるキャリアも、顧客課題をリードするキャリアも選択できる

• 担当機能の設計・実装を担うスペシャリストとして専門性を高めるキャリアに加え、技術リード、データアーキテクト、FDE（Forward Deployed Engineer）型の役割として顧客課題の解決をリードするキャリアも目指せます。
• マネジメントだけを前提とせず、技術者として価値を発揮し続けるキャリアも重視しています。