株式会社MIMIGURIの02_データエンジニアの求人

私たちについて

世の中には、本来のポテンシャルを十分に発揮できずにいる組織が数多くあります。組織の問題は複雑に絡み合い、その組織ならではの状況や人と人との関係性に根ざしていて、特定の手法やツールを導入するだけでは解けません。

MIMIGURIは「Cultivate the Creativity 創造性の土壌を耕す」をミッションに掲げ、研究・コンサルティング・プロダクト開発などを横断しながら、変化に適応し可能性を探究し続けられる組織を社会に増やそうとしています。

その原動力は、これらの営みを通じて蓄積してきた「知」——組織や人についての知見（ナレッジ）と、それがどんな課題・状況から生まれたのかというコンテクスト——です。プロダクト組織が担うのは、この知が「貯まっている」だけの状態を、「必要な人に届き、使われ、また蓄積される」循環に変える基盤づくりです。

エンジニアリングマネージャーの松木が、この構想を綴っています：知が循環する仕組みをつくる（note）

募集背景

現在MIMIGURIでは、研究・コンサルティング・プロダクト開発を横断しながら、複数の事業で生まれるナレッジを組織として蓄積し、活用できる基盤づくりを進めています。

いま最初に整えるのは、コンサルティング事業の現場です。顧客・案件・提案書・議事録・契約といった業務データが、HubSpot・freee・Notion・Google Sheetsなど複数のSaaSに散在しています。これらをBigQueryに統合し、AIと人の両方が必要な場面で引き出せる基盤をつくる——今回募集するのは、この基盤を設計・開発・運用していくエンジニアです。

現在はEMを含むエンジニア3名の少数体制で、基盤の技術意思決定はEMに集中しています。EMと連携しながらデータの流れを設計し、AIと人の両方が活用できる基盤をチームで担っていける方を求めています。ここからCULTIBASEを含むナレッジやコンテンツ、プロダクトのデータへ、いずれは社外やAIの活用へと、扱う領域を広げていきます。

主な仕事内容

チームとして向き合う課題

MIMIGURIのバックエンドチームは、コンサルティング・プロダクト・研究・教育という多様な営みを支える基盤を、バックエンドエンジニアとデータエンジニアが役割を重ねながら一緒につくります。ナレッジとコンテクストを蓄積・構造化して資産にし、それらを結びつけてAIと人が必要な場面で活かせるようにする——この両輪で、AI時代に「知が活きる」基盤を生み出すのが、私たちの課題です。

新メンバーに主に発揮してほしい専門性と業務

新メンバーには、ナレッジとコンテクストを蓄積・構造化する土台——各SaaSに散在するデータの統合・データモデリング・データ品質——を主要な貢献領域として担ってほしいと考えています。散在する業務データとナレッジを、AIと人の両方が使える形に設計・構築するのが最初のミッションです。

1. データパイプラインの設計・構築
HubSpot・freee・クラウドサイン・Notion・Google Sheetsなど、複数の業務SaaSからBigQueryへのETLパイプラインを設計・構築・運用します。ETLツールを利用したデータ取込と、BigQuery上での業務エンティティの正規化やデータマートの構築が中心です。顧客・案件・商談記録・提案書といった「誰の、どんな課題状況か」というコンテクストを、AIが扱える形にしていきます。

2. データモデリング
コンサルティング事業の業務フロー（顧客・案件・提案・契約・プロジェクト等）を理解し、構造化されたデータモデルとして設計します。複数のSaaS・システムに散在する業務データ（それぞれの正本）から統合モデルを設計し、データ品質の定義・監視・改善も担います。業務ドメインの理解がそのまま設計品質に直結する仕事です。

3. AIが消費するデータ提供基盤の設計・構築
Claude等のAIエージェントがデータを引き出せる仕組みを設計・構築します。従来のBI/ダッシュボード向けとは異なる、AIが消費しやすいデータインターフェースの設計が求められます。

4. 既存コンテンツ基盤のデータ統合
CULTIBASEのコンテンツ基盤の既存データベースをBigQueryに移行し、業務データと統合します。メディア処理パイプラインの改善も含みます。

オンボーディングイメージ

最初の数ヶ月　各SaaSの正本データをBigQueryに統合するデータモデリング、AI・ダッシュボードが使うデータマート、データ品質の仕組みを設計します。ここは「仕様を渡されて手を動かす」のではなく、自分で設計・決定して作る領域です（EMがレビュー・伴走／設計はERD・DFDで表現・共有）。改善の途中で、基盤の立ち上げ経験がある人には早い段階から技術選定も任せます。作って終わりではなく、「提供する→使われる→フィードバック→改善」のサイクルを自分で通しで回します。

半年ごろ　「何を解くべきか」という課題を自分で設定してサイクルをリードする段階へ移っていきます。

その先　上記のデータ資産の層から、それを活用する層へ越境します。AIが引き出しやすいデータの持ち方、エージェント実行基盤との接続、CULTIBASEなどナレッジ・実践知の統合。さらに、ファシリテーション産業というより広い課題や組織づくりの側へ——専門に閉じず、担う範囲を広げていけます。

技術スタック & ツール

• 言語: TypeScript / Python
• インフラ: GCP（BigQuery, Cloud Functions, Cloud Storage）/ Vercel / Cloudflare
• データ: BigQuery / Fivetran / Dataform
• AI / LLM: OpenAI / Google / Anthropic
• SaaS連携: HubSpot API / freee API / クラウドサイン API / Notion API / Google Sheets API
• CMS / メディア: Sanity / microCMS / MUX
• 開発系: GitHub / Docker / Sentry
• コラボレーション: Slack / Notion / Miro
• 今後の発展領域: AIエージェント接続基盤（MCP等）、データ品質モニタリング

• 難しい問題を楽しめる人 — 技術的な困難や矛盾にぶつかったとき、安易に妥協せず「もっと良い方法があるはず」と粘れる方。そこから得た学びをチームに共有できる方
• 自分が作ったものに誇りを持てる人 — データ基盤を裏方仕事で終わらせず、「これは自分の作品だ」と胸を張れるものづくりがしたい方
• 得意領域に閉じず、変化を楽しめる人 — データエンジニアリングに自信を持ちつつも、自分の専門に固執しない。AI時代の変化の中で新しい領域にも自ら踏み出し、変化に自律的にキャッチアップして仮説を立てて試せる方
• 「知が活きる仕組み」を作ることに面白さを感じる人 — 散在するデータが構造化され、AIと人の両方から自然に使える状態になる。そういう仕組みをシステムで実現することに知的好奇心がある方

次のような志向の方には、特にフィットすると考えています。

• 自分の専門にマッチする環境を探すより、まだ正解のない領域を「これから作る」裁量に惹かれる方
• 大規模に整った環境より、未整備な環境で自分が設計する余地に惹かれる方
• データ領域を最初から設計・オーナーとして持ちたい方

以下は、組織開発・コンサルティングドメインやAI領域での実績である必要はなく、他ドメインで培ったデータ基盤の設計・構築の経験で構いません。

• 自ら設計を主導し、社内の各種SaaSに散在するデータ（それぞれの正本）を統合するデータ基盤・データモデルを、設計から構築・運用まで担ってきた経験
• プロダクト・ビジネス側と課題そのものから対話し、そこで見えた要件を構造化されたデータ設計に翻訳してきた実務経験（ERD・DFD等で表現・共有できる）
• BigQueryなどクラウド環境でのデータ基盤の設計・構築・運用経験、および SQL の実務経験
• TypeScript または Python での実務開発経験
• データ品質（定義・監視・改善）の考え方を理解している（クレンジング・メタデータ管理・ガバナンス等。実務経験は歓迎）

• Star Schema や Data Vault 等のデータモデリングの深い経験
• HubSpot等CRMのデータモデル・API連携の経験
• 画像・音声・動画などの非構造化データを扱うパイプラインの構築経験
• CI/CD・監視・運用自動化の構築経験
• WebアプリケーションやAPIの設計・開発・運用の経験