WED株式会社の既存事業/ビジネス/データアナリスト/正社員の求人

仕事概要

このポジションの要点

• 向き合うデータ：ONEに集まる累計19億枚のレシート／650万DL分の実購買データ
• 主な仕事：大手メーカーの販促課題に対する分析と、示唆を出しきること
• 裁量：検証の実務（前処理設計・レポート改善）から、案件の設計・進行・納品品質まで。ご経験に応じて範囲を決めます
• 将来：DAチームのマネージャー、さらにエンジニアを含むデータ組織の立ち上げを担うGM候補

事業内容

WEDは、レシート買取アプリ「ONE」を自社で運営しながら、そこに集まる購買データでメーカーのマーケティングを支援している会社です。

• 累計19億枚のレシート／650万DL。いまも毎月3,000万枚以上が入ってきます
• コンビニ・スーパー・ドラッグストア・GMSを横断した「1消費者の実購買の記録」。特定チェーンのID-POSや自社ECでは見えない購買実態まで追えます
• meiji社をはじめとする大手メーカーの販促効果検証をご一緒しています
• 新規事業「PMN（Performance Media Network）」の拡販にもONEのレポートを使うため、検証依頼は今後さらに増える見込みです

募集背景・ミッション

ミッションは、クライアントのマーケターが「次の一手を確信を持って選べる状態」をつくることです。いま課題は2つあります。

① 前処理を詰めきる

• レシートは表記揺れ・欠損・JAN推論・カテゴリ付与など、扱いの難しいデータです
• 分析の精度が、そのままクライアントへの説得力になります。ここを詰めきらないと、出した数字が信用されません

② 依頼を翻訳し、型にする

• 社内のSales / CS / BizDev・各部MGRから上がる相談は「クライアントがこう困っている」という生の課題です。何を明らかにするかを決め、分析要件にする必要があります
• 効果検証の型は動いていますが、案件ごとの個別対応が残り、標準化・自動化には課題があります
  依頼された集計を返すだけで終わらせず、「なぜ売れたのか」から問いを立て、クライアントの次の打ち手が変わるところまで担っていただきます。

キャリアパス

まずは効果検証のプレイヤーとして数字に責任を持っていただくところから始まります。その先は、ご経験とご本人の希望に応じて、以下のいずれの方向にも広げていける環境です。

① 分析リード（スペシャリスト）：レシートデータを扱いきる分析力を深め、前処理設計・分析手法の標準を決めていく
② DAチームマネージャー：分析の型を整備しながら、後進の指導とデータ組織の採用・育成まで担う
③ Data PM ／ 事業責任者のパートナー：複数案件の優先度づけや各部との調整、データ活用の事業への組み込みまで担う
いずれも「集計担当」で終わらせない前提は共通です。入社時点で決め切る必要はなく、半期ごとの評価のなかで各部MGR・経営と対話しながら方向を選んでいただきます。

具体的な業務内容

施策の効果検証

• ONEを通じたキャンペーン施策の効果検証（PI分析・リフト・N1・併買・HML分析など）
• 「何が売れたか」だけでなく、誰が買ったのか・何と一緒に買われたのかまで踏み込み、マーケターに「なぜ売れたのか」を返す
• Sales / CS / BizDev・各部MGRと連携した仮説設計、アウトプット設計、示唆の翻訳、および案件の要件定義・進行管理

データ実装・品質担保

• BigQuery / SQLを用いた購買・キャンペーン・ユーザーデータの抽出・加工・集計
• レシートデータ特有の品質課題（表記揺れ・欠損・JAN推論・カテゴリ付与）への対応
• BIダッシュボード・レポートテンプレートの設計・運用

分析基盤・仕組みづくり

• 個別依頼に閉じがちな分析業務を、再現性のあるテンプレート・ダッシュボード・ナレッジへ変換する
• Sales / CS / BizDevが自律的にデータを活用できる状態をつくり、提案・意思決定のスピードを上げる
• Claude / GAS / Python等を活用した、分析依頼〜要件定義〜レポーティングの自動化

分析環境

• クラウド: GCP
• ELT: Airflow / Embulk on GKE
• DWH: BigQuery
• AI: Claude / Gemini / ChatGPT など
• ツール: GoogleSheets / Looker Studio / GoogleColab / Metabase
• その他: Slack / Notion / Github

このポジションの魅力

支援会社でありながら、データを自社で持っている

• クライアントから提供されたPOSデータを分析するのではなく、自社アプリに集まる一次データを使えます。データの取り方そのものにも手を入れられます
• 企画 → 施策の実行（ONE上での配信）→ 効果検証が、すべて社内で完結します。提案して終わり、レポートを出して終わりになりません
• ユーザー単位でコンビニ・スーパー・ドラッグストア・GMSを横断した実購買を追えます。チェーンをまたいだ競合分析も、PBや生鮮といったPOSでは捉えきれない購買実態も見えます

集計担当ではなく、データの価値を定義する

• 分析の進め方や品質の基準、どこまで自動化するかを、現場の一次情報を持つ立場から決めていけます
• 37名規模のスタートアップで各部MGR・経営との距離が近く、ご自身が決めた仕組みがそのまま全社のデータの使い方になります

このポジションで築ける市場価値

• POSやID-POSでは代替できないレシートデータを、扱いきる分析力（前処理設計・効果検証設計）が身につきます
• 「なぜ売れたか」を実売データで証明した実績は、FMCG・小売・広告領域でそのまま通用する市場価値になります

• マーケターやクライアントの「何を判断したいか」から逆算して分析を設計できる方
• 依頼を受け身で処理するのではなく、目的・背景から問いを自ら整理できる方
• データの欠損・表記揺れ・異常値を疑いながら検証し、数値の違和感から原因を特定できる方
• 分析結果を、ビジネスサイドやクライアントに伝わる言葉へ翻訳できる方
• 不確実性のある状況でも、関係者を巻き込みながらプロジェクトを前に進められる方
• 分析業務を属人化させず、仕組み化・標準化していくことに関心がある方

• SQL（BigQuery等）を用いたデータ抽出・集計の実務経験

加えて、以下のいずれかの経験

• ビジネスサイドと連携し、曖昧な依頼を分析要件へ翻訳した経験
• 分析結果をレポート / スライド / ダッシュボードにまとめ、意思決定や提案につなげた経験
• 購買・POS・ID-POS・Web/アプリログなど、行動データの分析経験

• 複数案件を並行して進行・優先度管理した経験
• マーケティング支援会社・広告会社・データマーケティング会社、または事業会社のマーケ部門でのDA経験
• FMCG / 小売 / 広告 / マーケティング領域での分析経験
• BIツール（Looker Studio等）を用いたダッシュボード設計・運用経験
• データクレンジング・マスタ整備・商品カテゴリ付与などの経験
• Python / GASを活用した業務自動化・効率化の経験
• Claude等のLLMを活用した分析業務効率化の経験