MI-6株式会社の【CS】カスタマーサクセス・データサイエンティストの求人

顧客の研究開発プロセスへの深い理解とデータサイエンスの専門性を組み合わせ、「顧客にとっての成功とは何か」を共に描き、その成功を実現へ導く役割を担います。

【MI-6について】
MI-6は、化学・素材産業の研究開発DXを推進するR&Dプラットフォーム企業を志しています。
主力プロダクトであるR&Dプラットフォーム「miHub®」は、大手素材メーカーやものづくり企業の研究現場で継続的に利用されており、研究データの管理・共有から材料探索の支援まで、データ駆動型研究開発を支える基盤として活用されています。現在は導入拡大の段階から、研究業務における活用を深めるフェーズへ移行しています。
MIに精通したデータサイエンティストによるハンズオン支援や、Lab Automationを通じた実験プロセスの高度化にも取り組んでいます。データ基盤・インフォマティクス・シミュレーション・実験環境を統合し、研究開発プロセスのデジタルツインを実現するプラットフォームの構築を進めています。

素材産業は世界で約550兆円、日本国内でも約100兆円規模の巨大産業ですが、研究開発DXはまだ初期段階にあります。MI-6はこの領域において、新しい研究開発基盤の開発と普及を進めています。

【ミッション】
MI-6は、"マテリアルズ・インフォマティクス"の社会実装を通じて、研究開発プロセスを進化させることを使命としています。
素材・化学産業の研究開発は依然として個人の暗黙知に大きく依存しており、知見・データ・理論・文脈が体系的に結びついた研究基盤は十分に整備されていません。

私たちはAIやロボティクスを活用し、データの蓄積・解析と実験プロセスを接続することで、デジタルとフィジカルが循環する研究環境の構築に取り組んでいます。探索・検証・学習が連続する開発プロセスを実現し、材料探索やプロセス開発の速度と再現性を高めます。
日本そして世界の素材・ものづくり産業における研究開発の高度化を支え、次世代の材料技術の創出に貢献していきます。

現在、miHub は多くの大手素材メーカーやものづくりメーカーに継続利用されており、「導入を増やす段階」から「活用の深度を高める段階」へ移行しつつあります。同時に、高度なインフォマティクスやラボオートメーションとの連携を強化する次世代プロダクト群の構想も進行中です。

カスタマーサクセスデータサイエンティストは、データサイエンスの専門性と、顧客の研究開発プロセスへの深い理解を組み合わせ、「顧客にとっての成功とは何か」を共に描き、その成功を実現へ導く役割を担います。

ツール導入支援のみならず、研究プロセス・業務プロセス・組織体制の課題を構造的に捉え、顧客がデータ駆動の研究開発を自走して取り組める状態をつくることがミッションです。

セールスと協働して期待値を適切に設定し、プロダクトチーム・データサイエンスチームと連携しながら、顧客の成功確率を高めるための技術的改善・プロセス改善にも責任を持つポジションです。

【業務内容】

1. プロダクトユーザーの利用促進にむけた諸活動
2. 顧客サクセスのベストプラクティス構築と展開
3. セールスとの協働（期待値のすり合わせ）
4. プロダクトチームとの連携（UX・機能改善）
5. データサイエンスの専門性を活かした支援

関連したポジションに、ソリューションコンサルタントがあります。
CSデータサイエンティストは「導入後の成功創出と定着」に責任を持ち、ソリューションコンサルタントは「課題発見とプロジェクト設計」を主担当とします。
両者で協働しながら顧客の成功を共に実現します。

【想定選考フロー】
書類選考
　→面接複数回（2,3回程度）
　→リファレンスチェック・バックグラウンドチェック
　→最終面接

（参考）当社採用サイト：https://recruit.mi-6.co.jp/

・技術だけでなく、顧客の組織・プロセス・研究活動に興味を持てる人
・顧客の「成功とは何か」を共に考え、言語化し、描ける人
・課題を構造的に捉え、成功に向けた逆算思考で物事を進められる人
・データの解釈や意思決定に自信のない顧客を、丁寧に自走状態へ導ける人
・技術的知見（MI・データサイエンス）を、顧客価値へ翻訳できる人
・プロダクト改善に興味があり、組織横断で協働できる人

1. データサイエンス基礎力
   技術を正しく解釈し、非専門家に説明できること

2. 課題を構造化する力
   顧客の研究プロセス・業務プロセスを理解し、課題を分解・整理できること

3. 伴走能力
   技術的観点から顧客をリードしながらも、相手の理解度に合わせて説明できること

4. プロジェクトマネジメント能力
   結果の再現性を高めるためのメトリクス設定・分析・改善できること

1. MI や研究開発プロセスに関する知識

・化学・材料・プロセス開発に関する基礎知識
・実験データや計測データを扱った経験
・ベイズ最適化や実験計画法の利用経験

1. プロダクトへの理解

・SaaS プロダクトに関する基本的な理解
・ソフトウェア仕様検討・UX 改善提案の経験
・顧客の課題をプロダクト要件に翻訳した経験

1. コンサルティング・CS の実務経験

・データを用いた業務改善プロジェクトの支援経験
・顧客オンボーディング・運用定着支援の経験
・顧客の組織・プロセスに介入して成果を出した経験

1. データサイエンス専門性

・Python を用いたモデリング・特徴量設計・最適化
・機械学習モデルの評価基盤・ベンチマーク設計経験

1. LLM やナレッジ活用

・LLM を用いた研究支援・ナレッジ抽出・ワークフロー改善
・LLMやRAGの業務適用
・ナレッジ管理・構造化の仕組みづくり