マッチ率

NEW【オープンポジション】FDE / AIエンジニア / データサイエンティスト / データエンジニア / データコンサルタント

今日更新

データベースエンジニア、データサイエンティスト

東京都・神奈川県

400-800万円

正社員

MySQLPythonPostgreSQLSQL Server

リモートワーク可服装自由オンライン選考可面接1回残業月20時間未満実務未経験歓迎女性エンジニアが活躍中

事業概要

ビジネスと先端ITをつなぐ中流集団顧客のまだ言葉になっていない課題を、AI・データ・BIで動く形へ。構想と実装のあいだで、変革を着地させます。

仕事内容

技術だけに、逃げない。事業だけを、語らない。　　分析屋が目指しているのは、

・コンサルタントのように事業を理解し・エンジニアとして形にする

その両方を、実直に担う集団です。 (中流と呼んでいます)

入社時点から、両方を求めたりはしません。

培ってきた技術を入口に、顧客の事業・業務へ理解を広げ、課題設定やプロジェクト推進まで担える人へ成長していってください。　

● 技術者のまま、扱う対象を広げる

システム開発は「業務やサービスを仕組みにする仕事」。AI・データ活用は「蓄積されたデータから、次に変えるものを見つける仕事」。ちがうようで、根っこは同じです。どちらも、誰かの課題を技術で解く。

変わるのは、扱う対象の広さです。ひとつのシステムから、市場・事業・業務・組織、そして複数のシステムをまたぐデータへ。データ設計や上流工程を経験してきた人は、思っているより近い場所にいます。　　 ● 仕事は、顧客の事業理解からはじまります

顧客の事業を理解し、解くべき課題を見つけ、技術を成果につなげる。分析屋ではこの力を「おもてなし」と呼んでいます—技術だけでなく、相手の文脈ごと受け取る姿勢のことです。

MVV、IR情報、中期経営計画、市場環境、現場の声から、利益の仕組みや目指す方向、まだ言葉になっていない課題まで捉えます。

① 事業・業務を見る実現したいことと、現場の状況を整理する

② データ・技術を見るデータを確認し、AI・BI・分析・基盤構築などから手段を選ぶ

③ 設計し、自ら形にする課題と技術の着地点を設計し、データ整備・分析・BI・AI・基盤を実装する

経験に応じて、目的確認から調査、設計、実装、報告、再設計まで担当範囲を広げます。

● 入社後のキャリア

スタートは、今の自分に近い場所から。これまでの経験に応じてFDEやデータエンジニア、BI、AI、分析、基盤構築、PM、データコンサルティングなど、合った切り口でプロジェクトに入ります。

その先は、正解のない課題にメンバーとフラットに議論しながら向き合うPL・PM。さらにその先は、顧客の経営層と事業の未来を考え、課題の発見から案件を生み出すパートナー。

コンサルタントのように経営と向き合いながら、エンジニアとして手を動かす。それが、分析屋のトップレイヤーです。　　 ■■ 案件事例 ■■

＞大手企業の生成AI・RAG基盤構築【規模】10名（分析屋3名）　【領域】生成AI、RAG、バックエンド「社内に技術文書はあるのに、活用されていない」——その課題に、生成AIと検索技術で応えた案件。経営・開発部門との目的整理から、技術選定、要件定義、設計・実装まで担当しました。

＞全社データプラットフォーム構築【規模】21名（分析屋12名）　【技術】Snowflake、Qlik Talend Cloud、AWS、Python バラバラに蓄積された約500テーブルのデータを、全社で使える基盤へ。OracleからクラウドへのDB移行から、設計、試験、品質管理、PJ推進まで担っています。

＞コネクテッド車両データの分析【規模】3名（分析屋2名）　【技術】Redshift、SQL、Python 車から集まる走行データを、交通安全・渋滞・防災の改善へつなげた案件。事業・研究部門との目的整理から、データ整備、分析設計、可視化、報告まで担当しています。

＞製造品質管理プロセスのDX 【規模】分析屋3名　【技術】Power Apps、SharePoint、Power BI 「紙で管理していた品質記録をデジタルに」という現場の声を形にしました。入力・蓄積・可視化・分析を一体化し、リードタイムを大幅に短縮。　　金融業界のデータ基盤・BI移行、売上予測アプリ開発、広告効果分析、自治体DX、観光マーケティングなど、業界を問わず多様な案件があるのも分析屋の魅力です。（商流平均1.9）

求められるスキル・人物像

▼必須要件（下記いずれかに当てはまる方）・システム開発、基盤構築、運用改善・SQL・DBを用いたデータ加工、集計、設計、移行、連携・バックエンド、API、バッチなどの開発・BI、Python、R、SASなどを用いた分析・可視化・クラウド、VBA、PowerShell、IaCなどによる自動化・効率化

SE・開発経験は、この仕事の土台になります。 DB設計・SQL・データ移行は、データ整備や基盤構築へ。要件定義・顧客折衝・業務改善は、課題設定や提案へ。クラウド・運用改善・自動化は、AI・データを活用した仕組みづくりへつながります。今までの経験を捨てず、その延長線上から挑戦できます。

※AI・データ領域の実務経験や、すべてのスキルは必要ありません。経験年数ではなく、これまで何を考え、どう形にしてきたかを重視します。

▼求める人物像・技術力だけで競い続けるキャリアに違和感がある方・技術は目的ではなく、顧客を前に進める手段だと思える方・AIを脅威ではなく、仕事を楽にする武器だと感じられる方・コンサルに行って、実装を手放すのは違うと感じる方・エンジニアをやめたいけど、やめたくない方・読書が好きな方・最初から要件が固まっていない仕事を楽しめる方・人の事情を読んで着地させる力を、ちゃんと評価されたい方

分析屋は、技術力だけで人を採用しません。・事業を理解する力・曖昧な課題を整理する力・周囲と協力し、形にする力技術とは別の資質も、同じように評価します。

▼募集背景 AIは導入すれば成果が出るものではありません。BCG調査では、AIを優先事項とする経営層は75％でも、大きな価値を得ている企業は25％にとどまります。技術だけを売る会社も、構想だけを語る会社もあります。でも、変革に必要なのはその間です。ビジネスと先端技術の両方を読み、現場で動く形へ着地させる人。分析屋はその立ち位置を「ディレクター領域」と呼び、担い手を増やそうとしています。

勤務地・給与・その他情報

想定年収、待遇・福利厚生、
選考プロセスなどを確認するには会員登録が必要です

利用規約、レバテックID利用規約、レバレジーズグループ・プライバシーポリシーをご確認のうえ、同意いただける場合は会員登録へお進みください。

Googleで登録 Appleでサインアップメールアドレスで登録

ログインはこちら

勤務地
アクセス
勤務時間
想定年収
雇用形態
休日・休暇

開発環境・現場

■■配属部署 ■■ ❶初回配属：データ活用の基礎を総合的に経験する部門 ❷次ステップ： AI・BI／基盤・アナリストなどの専門部門 ❸上位ステップ：実装できるコンサル部門キャリア形成は本人の志向・経験・ライフスタイルを考慮。強制的な昇格・異動はありません。

このPJ・案件で使われている技術

プログラミング言語: PythonSAS
データベース: MySQLPostgreSQLSQL ServerAzure SQL DatabaseBigQuery
クラウド: AWSGCP
マーケ・データ分析ツール: TableauBIツール
支給PC: Windows

得られる経験・キャリアパス

事業を読み、技術で形にする力 ●2011年からデータ分析・活用に特化。需要が高まるAI、BI、データ基盤などの実務経験を積めます。 ●上場企業SHIFTグループの信用とネットワークを背景に、幅広い業界の企業と関われます。 ●平均商流1.98（2026年6月現在）。エンド企業に近い立場で、事業や現場の課題に向き合えます。 ●金融、製造、自動車、小売、ライフサイエンス、行政など、特定業界に閉じず経験を広げられます。 ●SQL、データ整備、BI、AI、基盤構築など、AI・データ活用に必要な技術を横断的に身につけられます。 ●実装から始め、探索型のPL・PM、既存顧客の深耕、さらに経営層と新しい事業や案件を生み出すパートナーへ進めます。 ●溶接専門AI「SAMURAI Analyzer for Welding」など、自社プロダクトの開発にも取り組んでいます。