Senior Data Analyst
データアナリスト

Senior Data Analyst

株式会社カウシェ

株式会社カウシェ

AI要約(β)

1億人に1億通りの楽しみが巡る生活インフラを創るため、AIとデータを武器に事業を次の爆発的成長へ導く専任データアナリストを求めます。想定年収は720万〜1,560万円(正社員)。BigQueryやClaude等のAI環境をフル活用し、分析のあり方そのものを再設計する極めて挑戦的なミッションです。アナリスト出身のPdMや熱意溢れるチームと共に、EC×ゲーム×ソーシャルが交差する類稀なデータからまだ見ぬ未来を切り拓きませんか。この挑戦は、あなたのキャリアに「AI時代を牽引する最高峰のアナリスト」という圧倒的な価値をもたらすはずです。私たちと共に、買い物の常識を塗り替える新たな生活圏を創造しましょう。

求人情報をご覧いただくには会員登録が必要になります

メールアドレスで登録する

給与・報酬

年収 720万円 ~ 1,560万円

稼働時間

06:00 ~ 22:00

雇用形態

正社員

出社頻度

週2-3日出社

勤務地

東京本社 〒150-0041 東京都渋谷区神南1丁目12-16 アジアビル9F 出社頻度:ハイブリッド出社(週3日の出社) ※変更の範囲:本社および全国の支社、営業所

お願いする業務

募集背景

カウシェは専任のデータアナリストなしに、GMV35倍・売上総利益411倍・DAU81倍を達成してきました。 各職種が自らデータを引きに行き、意思決定してきた組織です。

しかし事業の成長と共に、取り扱うデータの種類・量・複雑さは急増しています。 プロダクト・マーケ・EC・広告・ゲーミフィケーションが絡み合うデータを、専門的な分析設計なしに正確に読み解くことには、限界が見えてきました。

ここから先の成長は、「何が起きているか」を追うだけでは描けません。複雑に絡み合うデータの中から、まだ気づかれていない事業の伸びしろを見つけ出し、次の一手を導き出す。分析そのものが、事業を前に進める打ち手になるフェーズに入っています。

そこで今回、カウシェの分析領域にオーナーシップを持つ専任のデータアナリストを募集します。 AIを使いこなし、育てながら、これまで属人的に回してきたデータ活用を組織の仕組みへと再設計する。分析の質と速度で、事業の意思決定そのものを変えていただく役割です。

プロダクトの特徴

カウシェは発見型ソーシャルECアプリです。

発見型ECとは、従来の「ほしいものを検索して買う」検索型ECとは真逆で、「なんとなく眺めているなかで、ほしいものを発見して買う」という体験を提供するECを指します。 セール商品との偶然の出会いや、レビュー・クエストなどの参加型機能を通じて、買い物が「単なる購入」を超えて感情を動かす体験になる場をつくっています。

2026年7月に累計700万ダウンロードを突破し、ユーザーは全国にまんべんなく広がっております。特徴的なのは、これまでECをほとんど使ったことがない40〜50代の女性に多く利用いただいている点です。

「カウシェファーム」という作物育成ゲームや、「みんなの投稿」という投稿機能など、日常的に楽しめる要素が豊富にあることが強みとなっており、1日平均38分・月20日以上という高い頻度で利用していただいているユーザーが多く、これまでのECユーザーとはまったく異なる行動が生まれています。

プロダクトの目指す世界

カウシェは「日常に楽しさを」をミッションに、「新しい生活圏のカタチ」をつくります。

検索と最適化に寄りがちなECでのお買い物体験に、発見や偶然、ほどよいにぎわいといった人間らしい豊かさを取り戻すことが狙いです。ふらっと立ち寄れば気になるものが見つかり、知人の姿に安心し、つい滞在したくなる。駅前や商店街のように、人が自然と集まり生活のリズムに溶け込む拠点を、ソーシャルとエンタメとコマースの掛け算で形にします。情報収集も遊びも買い物も同じ動線の中でゆるやかにつながり、作業となってしまっていたお買い物はいつしか楽しみへと変わります。

2023年の事業転換以降、約3年でGMV35倍、売上総利益411倍、DAU81倍を達成。

変化を力に変えてきた私たちは、人数に依存しない運営モデルで常識を更新し続けます。目指す姿は、1億人に1億通りの楽しみが巡る生活インフラです。社員100人で企業価値1兆円に挑み、10年後に小売の主役となるべき生活圏を自分たちの手で切り拓きます。

業務内容

プロダクト・ビジネス課題における定量分析を通じて、課題の特定から、意思決定に効く示唆の提示までを一気通貫で担っていただきます。分析依頼を受けて処理する役割ではなく、「そもそも何を分析すべきか」を上流から定義していただくポジションです。

① 課題の定義・仮説立案(上流からの関与) PdM・エンジニア・マーケ・CSと同じチームの一員として、企画・仕様検討の段階から議論に加わります。「何が起きているか」だけでなく「なぜ起きているか」「次に何をすべきか」まで、自ら問いを立てて分析を展開します。

② AIを「一人のアナリスト」として育て上げる Claude等のAIツールを前提に、分析業務そのものを設計します。定型的な分析をAIに委ね、出力の妥当性を見極めて修正し、AIが正しく機能する状態へと育てていく——これが重要な業務の一つです。目指すのは、自身の分析業務が効率化されることに加えて、各チームが品質を担保した状態で分析を自動化できている状態です。

③ KPI設計・指標の運用 KGI・KPIを設定し、ダッシュボードの構築・運用を担います。経営・PdM・マーケそれぞれが見るべき指標を整理し、意思決定の精度を上げる仕組みをつくります。

④ 分析実務 データの抽出・加工・集計・分析(SQL / BigQuery / Looker Studio等)を一気通貫で行います。分析結果をわかりやすくレポートし、施策立案への活用までサポートします。

⑤ 関係者との連携・施策への接続 多様な部門と協力し、分析結果を具体的な施策へとつなげます。分析で得た示唆を事業責任者・PdMに届け、リリース後の効果検証まで伴走します。

⑥ データ活用の組織浸透(経験に応じて) 以下の領域にも横断的に関与いただけます。

・社内のデータ活用教育の推進 ・データ活用を促進する新しいプロジェクトの企画・実行 ・BIツールを用いたデータ可視化環境の構築・メンテナンス ・より高度な分析ができるよう分析環境の改善

このポジションで向き合う難題

EC×ゲーミフィケーション×ソーシャルが絡み合う複合データの解釈 購買・行動・広告・ゲームKPIが相互に影響し合う、一般的なECにはないデータ構造を扱います。単純な相関では説明できないパターンを読み解くには、ドメイン理解と分析設計の両方が必要です。条件を丁寧に場合分けし、ノイズを切り分けて事象を構造化する——数学的な思考が効いてくる領域です。

AIを「使う」から「育てる」へ AIの性能向上により、分析実務のあり方そのものが変わりつつあります。どこまでをAIに任せ、どこを人が担保するのか。出力の誤りに気づける細やかさを持ちながら、分析プロセス全体を再設計していく難しさがあります。

多様なステークホルダーへのデータコミュニケーション PdM・マーケ・CS・経営陣と、異なる目的・リテラシーを持つ相手に分析結果を届けます。「正しい分析」を「使われる分析」にするためのコミュニケーション設計が問われます。

仕事の魅力

AIを育て、分析のあり方そのものを設計できる 多くの企業では、PdMがアナリストに分析を依頼し、アナリストがそれを裁く——という業務フローが当たり前になっています。カウシェはまだその型が固まっていないからこそ、最初からAIを前提とした分析体制をゼロベースで設計できます。「AI時代のアナリストはどうあるべきか」を、実践しながら自分で定義できる環境です。

EC×ゲーミフィケーション×ソーシャルという希少データ 通常のECにはない、ゲーム行動・ソーシャル購買・AIレコメンド効果などが交差するデータを扱えます。1日平均38分・月20日以上という高頻度利用が生む行動データは、一般的なECとはまったく異なる構造をしています。データアナリストとして希少な経験値が積めます。

分析が確実に意思決定に使われ、事業成長に直結する 作った分析がすぐ施策に直結し、KPIへの影響をリアルタイムで確認できます。「分析しても誰も読まない」問題とは無縁です。分析を通じて事業を伸ばしたい方にとって、手触りのある環境です。

ほぼゼロから、分析の仕組みを立ち上げられる 専任アナリストがほぼいない状態だからこそ、既存の型に縛られず、分析環境・KPI体系・データ活用文化を自分の手でつくれます。プロダクト・マーケ・EC・広告など複数領域を横断でき、事業全体を俯瞰するアナリストとしての視点が短期間で身につきます。

アナリスト出身のPdMと、分析の設計から一緒に組める 現在、データ整備をアナリスト出身のPdMが自ら行っております。 そのため、指標の定義やデータ設計といった土台の議論を、共通言語を持つ相手と進められます。分析の前提や意図を一から説明する必要がなく、上流から設計を一緒に組み立てていける環境です。

開発環境・技術スタック

・BigQuery, Dataform, Spanner ・Looker Studio, Google Spread Sheets ・GitHub, Slack, Notion ・Claude Code, Gemini(AI/LLMツールは全員分予算あり)

一緒に働く「人」
直属上司:執行役員CXO 佐藤 俊輔

1998年生まれ。明治大学在学中から、Fintech企業でエンジニアインターンやカウシェにて創業期からマーケティングインターンを経験。2022年4月に大学卒業後カウシェに正社員としてジョイン。2023年夏より「カウシェファーム」の企画構想を開始し、開発チームを率いて同年10月にサービスをリリース。2024年4月より部長に就任し、2026年3月より執行役員CXO(Chief Experience Officer)に就任。 https://youtrust.jp/studio/articles/kauche_cxo https://youtrust.jp/studio/articles/kauche_cxo

同僚:Executive Lead PdM 小前 友哉

1995年、東京都生まれ。東京大学経済学部卒。新卒でDeNAに入社し、ライブ配信アプリ『Pococha』のPdMを担当。過去にはデータアナリストやUS PocochaのPdMも経験。2026年1月にカウシェに入社し、現在はカウシェファームの体験設計を担っている、データアナリスト経験を持つPdMです。 https://note.com/kauche/n/n1f6a75b83bc7 https://note.com/kauche/n/n1f6a75b83bc7

現在のデータ分析体制

現在は業務委託のデータアナリスト1名が分析業務を担っています。あなたが加わることで、専任正社員アナリストとして分析領域の中核を担っていただきます。

キャリアパス

カウシェの分析領域にオーナーシップを持つ立場として、分析実務から仕組みづくりまでを中長期で担っていただくことを想定しています。AIを前提とした分析体制の設計・データ活用文化の醸成など、事業の成長に合わせて役割の幅を広げながら、データ分析の責任者としてキャリアを築いていける環境です。

入社後3ヶ月の期待値(オンボーディング)

入社直後から「放置」することはありません。明確なマイルストーンと共に、チーム全体で立ち上がりをサポートします。

1ヶ月目:現状把握とキャッチアップ 既存のダッシュボード・KPI体系・分析環境・各部署のデータ活用状況をキャッチアップします。業務委託アナリストと連携しながら現状の分析業務を把握し、優先課題の仮説を立てます。

2ヶ月目:最初の分析をオーナーシップを持って完結させる 特定の事業課題(プロダクト・マーケ・ECなど)に対し、仮説立案〜分析〜提案まで自分でリードします。分析結果が施策に採用される体験を1件以上つくります。

3ヶ月目:KPI設計・分析の仕組み化に着手 部署横断で使われるKPI・ダッシュボードの改善提案を行います。AIを活用した分析プロセスの設計にも着手し、「データでカウシェをこう伸ばす」という方針を自分の言葉で語れる状態を目指します。

選考フローと技術課題について

お互いのミスマッチを無くすため、技術力とカルチャーの両面を丁寧に確認させていただきます。

・カジュアル面談(まずは気軽にお話ししましょう) ・一次面接(スキル・カルチャー:PdM / 60〜90分) ・課題選考(スキル:COO・CXO・PdM / MAX90分)  ・実務に近いデータ分析・課題設計の課題に取り組んでいただき、ディスカッションを行う形式です。 ・最終面接(対面:CEO・COO / MAX90分)  ・最終面接と課題選考の間に、リファレンスチェックを実施することがあります。

カウシェをもっと知る

・採用ページ: ・https://enjoy-working.kauche.com/  https://enjoy-working.kauche.com/ ・Company Deck: ・https://speakerdeck.com/kauche/zhu-shi-hui-she-kausie-company-deck  https://speakerdeck.com/kauche/zhu-shi-hui-she-kausie-company-deck ・社員インタビュー: ・https://note.com/kauche  https://note.com/kauche ・TechBlog: ・https://zenn.dev/p/kauche  https://zenn.dev/p/kauche

募集要項

概要

求人情報をご覧いただくには会員登録が必要になります

メールアドレスで登録する

雇用形態

正社員

給与・報酬

年収 720万円 ~ 1,560万円

稼働時間

06:00 ~ 22:00(フレックスタイム制(正社員は全職種に適用) 標準労働時間:1日8時間 フレキシブルタイム:6:00-22:00 コアタイム:11:00-15:00 休憩時間:1時間自由取得)

出社頻度

週2-3日出社

勤務地

東京本社 〒150-0041 東京都渋谷区神南1丁目12-16 アジアビル9F 出社頻度:ハイブリッド出社(週3日の出社) ※変更の範囲:本社および全国の支社、営業所

休日・休暇

完全週休2日制(祝祭日、年末年始等) 年次有給休暇 特別休暇(入社時に5日間) エフ休(女性特有に関する体調不良・検査に対する休暇 慶弔休暇 子の看護等休暇

社内制度
(待遇・福利厚生)

社会保険完備(健康保険/厚生年金/介護保険/雇用保険/労災保険)
通勤手当(最大月額30,000円)
退職後も失効しないストックオプション
完全週休2日制(祝祭日、年末年始等)
年次有給休暇
特別休暇(入社時に5日間)
エフ休(女性特有に関する体調不良・検査に対する休暇/月1回)
慶弔休暇
産休・育休
子の看護等休暇
屋内原則禁煙(喫煙室あり)
リファラル採用手当
部活動制度(活動費用の一部補助あり)
書籍・セミナー補助制度
KAUpos手当(ピアボーナス制度)
歓送迎会に関わる費用補助
業務内容の変更の範囲:当社事業に関わる業務全般

必須スキル/経験

  • データアナリストとしての実務経験3年以上 - AIツール(Claude等)を活用した分析業務の効率化・自動化の経験、およびその設計への関心 - 複雑で関係者の多いプロジェクトにおいて、アナリストとしてオーナーシップを持って分析を推進した経験 - 分析依頼を受けて処理するのではなく、チームの一員として上流から「何を分析すべきか」を議論・定義してきた経験を重視します - 事業やプロダクトをグロースさせるための仮説化力、分析力 - プロダクトマネージャーやエンジニアなどのステークホルダーとのコミュニケーション、提案、合意形成、推進能力 - SQLの高度な運用能力 - ダッシュボード構築能力 - 基礎的な統計的知識と運用能力

同じポジションの求人

おすすめのイベント

もっと見る
  • AIでコード書く前に、要求・要件定義足りてる?ミノ駆動さんと改めて考える ドメイン駆動設計

    開催前

    AIでコード書く前に、要求・要件定義足りてる?ミノ駆動さんと改めて考える ドメイン駆動設計

    AIコーディングエージェントの進化により、コードを書くスピードはかつてないほど速くなりました。しかし、いくらAIで早くたくさん開発できたとしても、初手の要求・要件定義が十分にできていなければ、結局は使われない機能を量産してしまうのではないでしょうか。 AI時代において、設計や実装の多くはAIに置き換わりつつあります。だからこそ、人間の価値は「問題を定義し、発見する」ことにシフトしていく——そう考えると、要求・要件定義の重要度はこれまで以上に増してきています。しかし、普段の業務で要求・要件定義に本格的に取り組んだ経験がないエンジニアの方も多いのが現状です。 そこで本イベントでは、前回ご好評いただいた「AI時代×ドメイン駆動設計」に続く第2弾として、ミノ駆動氏を再びお迎えし、AI時代だからこそ向き合うべき要求・要件定義の考え方と実践を紐解きます。 前半のLTでは、ミノ駆動氏より、エンジニアに今後求められる「具体→抽象」の思考力、目的を起点とした設計の考え方、そして明日から始められる要求・要件定義の第一歩についてお話しいただきます。 後半のディスカッションでは、「Claude Codeに頼めばよしなにやってくれるのでは?」という率直な疑問から、要求・要件定義は誰が書くべきか、優秀なエンジニアの要求・要件定義は何が違うのかなど、現場目線でさらに深掘りしていきます。 「AIにコードは任せられるようになったけど、その前段階をどうすればいいかわからない」という方にこそ参加いただきたいイベントです。

  • AI時代、プロダクトを広めるためにエンジニアは何ができる?GTMエンジニアリングの基礎と実践

    開催前

    AI時代、プロダクトを広めるためにエンジニアは何ができる?GTMエンジニアリングの基礎と実践

    AIの進化によってプロダクト開発のハードルが下がった今、企業の関心は「いかに良いものを作るか」から「どうやって市場に届け、ユーザーに使ってもらうか(Go-To-Market)」へとシフトしています。 こうした変化の中で、海外のAIスタートアップを中心に急速に注目を集めているのが「GTM(Go-To-Market)エンジニア」です。 営業でも、マーケターでも、単なる開発エンジニアでもない。 かつて10人のチームで回していた営業・マーケティング・オペレーションの設計からAIによる自動化までを、1人で主導する新たな役割です。 しかし、日本ではまだ認知が広まっておらず、「GTMエンジニアって具体的に何をしているのか」をイメージできている方はほとんどいないのが現状です。 そこで本イベントでは、GTMエンジニアリングの研究・発信を行う中村氏と、GTMエンジニアとして実践されているnumashi氏をお迎えし、海外での動向から日本での実態まで、GTMエンジニアという仕事の全体像を紐解きます。 前半のLTでは、お二人にそれぞれの視点からGTMエンジニアの役割や実際の業務内容、海外と日本での位置づけの違いについてお話しいただきます。 後半のディスカッションでは、どんな方がGTMエンジニアに向いているのか、単なる効率化で終わらせず売上に繋げるには、日本の組織での最初の一歩など、現場目線でさらに深掘りしていきます。 エンジニアとしての新たなキャリアの可能性を探している方から、GTMエンジニアリングに興味がある方まで、幅広いご参加をお待ちしています。

  • AI時代 Drizzle?Kysely?Prisma? kennさん・cojiさんと語るORM選定

    開催前

    AI時代 Drizzle?Kysely?Prisma? kennさん・cojiさんと語るORM選定

    AIコーディングエージェントの活用が進み、多くの実装や技術選定をAIに委ねられる場面が増えてきました。そうしたなかでも、データベースを扱うORMの選定については「さすがにここだけは自分の手で決めておこう」と考えているエンジニアの方も多いのではないでしょうか。 しかし、従来の選定理由を振り返ってみると、その多くは「型補完がどこまで効くか」「どれだけ直感的にコードが書けるか」といった書き味(DX)や手厚い型サポートにあったのではないでしょうか。AIがコードを書くことが当たり前になった今、「人間にとっての書きやすさ」を軸にした技術選定のあり方には、少しずつ変化が生じ始めています。 では、もし仮にORMの選定すらもAIに任せてみようとしたとき、エンジニアとして最後まで人間が判断しなければいけない業務とは、一体どこにあるのでしょうか。 そこで本イベントでは、Drizzleを活用されているKenn Ejima氏と、Kyselyを使われている溝口(coji)氏をお迎えし、AI時代におけるORM選定の考え方と、「本当に考えなくていいこと」と「実はまだ考えるべきこと」の境界を紐解きます。 前半のLTでは、お二人にそれぞれのORM選定の背景や、AIとの付き合い方を含めた現在の開発スタイルについてお話しいただきます。 後半のディスカッションでは、DBスキーマをAIにどこまで任せるか、マイグレーションの管理、DB選定の重要性など、現場目線でさらに深掘りしていきます。 「ORMは自分が選ぶもの」と自然に思っていた方にこそ、これからの技術選定の軸を一度立ち止まって考えるきっかけになるイベントです。

  • それ、本当にClaude Codeじゃないとダメ?より安全でラクに使えるCowork公開デモ

    アーカイブ公開中

    それ、本当にClaude Codeじゃないとダメ?より安全でラクに使えるCowork公開デモ

    いま、AIを活用した業務効率化の文脈で「Claude Code」が大きな注目を集めています。しかし、いざ導入しようとすると、セキュリティ面の懸念や権限管理のハードルから、気軽に使えないケースも多いのではないでしょうか。 Coworkは、非エンジニアでも簡単に安全に扱えるよう作られた機能です。そして実は、日常の業務領域であれば「Coworkで十分にカバーできる」だけでなく、想像以上の範囲まで自動化できることは、まだあまり知られていません。 そこで本イベントでは、メルカリで生成AI推進を担当されているハヤカワ五味氏をお迎えし、Coworkを使った業務自動化の実際を、公開デモを交えてわかりやすくお伝えします。 前半のLTでは、ハヤカワ氏よりメルカリでの判断基準をもとに「なぜClaude CodeはNGになりがちで、なぜCoworkなら安全なのか」を解説いただいた上で、Coworkの基本的な機能をご紹介いただきます。 続く公開デモでは、実際にCoworkを使ってワークフローを構築する様子をお見せいただきます。数分でワークフローが完成する手軽さや、Gmail等の外部サービスとセキュアに連携できるポイントなど、実演を通じて具体的なイメージをお届けします。 後半のディスカッションでは、セキュリティの考え方や社内導入の進め方など、現場目線でさらに深掘りしていきます。 「自分の業務をAIで自動化してみたいけど、何から始めればいいかわからない」という方にこそ参加いただきたいイベントです。

    開催日:

    2026年8月26日(水)19:00~20:00

  • Claude Code一強は本当か?松尾研が実践 Codex・Geminiの底力を出す使い方とは

    アーカイブ公開中

    Claude Code一強は本当か?松尾研が実践 Codex・Geminiの底力を出す使い方とは

    昨今、多くの生成AIが開発現場に浸透していますが、「Codex、Claude、Geminiの中で、自分のタスクには明確にどれが一番いいのか」を自信を持って選べていますか? 「なんとなく誰かが良いと言っていたから」「SNSでトレンドになっていたから」と、周りの評判に流されるまま、使っている方も少なくないはずです。しかし、AIのポテンシャルを100%引き出すためには、評判ではなく「その作業に本当に向いているAIを選ぶこと」が重要です。 ・何度もやり取りを重ねる長丁場の作業で、最後まで文脈を忘れずに頼れるAIはどれか ・テキストだけでなく、画像などのデータを扱うときに一番打率が高いのはどれか とはいえ、次々と新しいモデルが登場する中で、それぞれの本当の強みを自分で見極め、タスクごとに最適なAIを切り替えて使いこなすのは至難の業です。 そこで本イベントでは、LLMのフルスクラッチ開発やエージェント構築の最前線で活躍されている株式会社松尾研究所の尾崎氏をお迎えし、Claude・Codex・Geminiそれぞれの強みと使い分けの考え方を紐解きます。現在Geminiを使わなくなった背景なども含め、実践者ならではの視点でお話しいただきます。 一つのAIに絞るべきか複数を使い分けるべきか迷っている方から、すでに併用しているが最適化したい方まで、幅広いエンジニアのご参加をお待ちしています。

    開催日:

    2026年8月19日(水)19:00~20:00

転職に役立つノウハウ

もっと見る