The Analytics Engineer role at Eureka (Pairs) focuses on building robust data pipelines and semantic layers to support business analysis and AI-driven data utilization. The candidate will own data modeling, quality monitoring, and metadata management across the organization.
What you need
- Experience in data modeling and pipeline implementation using SQL and dbt
- Practical experience with job orchestrators like Dagster or Airflow
- Knowledge and practice in data quality testing and monitoring
- Experience implementing data analysis scripts using Python
- Basic knowledge of cloud platforms such as AWS or GCP
What you will own
- Design data models and semantic layers for human and AI agent consumption
- Implement and maintain data pipelines using Dagster and dbt
- Define and automate data quality testing based on DMBOK
- Monitor and improve SQL generation accuracy for AI agents
- Manage metadata via data catalogs and enforce access controls
Core skillsData ModelingSQLdbtDagsterPythonAWSGCPData Governance
エウレカは、真剣にパートナーを見つけたいと考えている方に向けたオンラインデーティングアプリ「Pairs（ペアーズ）」を運営している会社です。Pairsは、日本国内で累計登録数2,700万以上の日本最大級のオンラインデーティングアプリです。
2012年に日本版、2013年に台湾版のサービス開始して以来、順調に成長を続け、90万人以上の方がPairsでお相手を見つけています。2015年には、世界中でオンラインデーティングアプリを展開するMatch Groupにジョインし、私たちのミッションである「人生に”あってよかった”と思ってもらえるものを。」を実現するため、日本国内だけでなく、グローバルで更なる成長を目指しています。Job Summary:
オンラインデーティングアプリ「Pairs（ペアーズ）」の成長を支える株式会社エウレカのData Enablingチームに所属するAnalytics Engineerを募集します。
本ポジションは、拡大を続けるプロダクトと組織において、データが一貫して正しく活用される環境を整えるために、ビジネスおよび分析チームのニーズを反映したデータモデリングやデータパイプラインの構築を通じて、データを効率的かつ信頼性の高い形で提供する為の業務を行います。
また、データの管理者としてプロダクトデータにオーナーシップを持ち、利用ガイドラインやデータ品質の基準の定義や、データカタログの整備やアクセス管理、品質テストの実施などを行なう事で、組織全体でのデータ活用を支援し、分析や意思決定のための基盤を強固なものにすることが期待される重要なポジションです。
さらに、急速に進化するAI時代において、専門的な分析スキルがなくても誰もが自然言語で正しくデータを取得・分析し、意思決定のスピードを加速できる「AI Nativeなデータ活用環境」の実現をリードします。人間だけでなくLLM・AIエージェントがデータを誤認せず正確に解釈・クエリできるセマンティックレイヤーやオントロジー、Business Contextの構築を推進し、データ分析のEnablingを牽引していただきます。
仕事の魅力:
データ活用に対してオーナーシップを持つことができる：データモデル、パイプライン、品質、カタログ、アクセス管理を、プロダクトデータのオーナーとして一貫して担当できます。依頼をこなすだけの立場ではなく、基盤のあるべき姿を自身で実現していくことができます。
AI Native なデータ活用環境を最前線で作れる：Semantic Layer、オントロジー、Business Context を整えて、人と AI Agent の両方が正しくデータを扱える状態を作ります。最新の取り組みを実際のプロダクトデータと実際の利用者を相手に試し、検証できます
規模とインパクト：Pairsのユーザーベースとそれに伴う大規模データを扱い、整えた指標と基盤は、全社の意思決定に寄与する重要なインパクトを持ちます。
To-Be から段階的に実装する面白さ：プロダクトの成長に合わせてデータの量も使われ方も広がり続けています。理想を描いたうえで現実の課題に落とし込み、一歩ずつ形にしていけます。また、プロダクトチームやマーケティングチームとのコラボレーションの機会もあり、技術組織に閉じない知見を得ることができます。
What You’ll Do:
ビジネス・分析におけるニーズのヒアリングと、人間およびAI Agentの双方が正確に理解・クエリ可能なデータモデルの設計
指標定義や計算ロジックを一元管理し、AI Agentが迷わないSemantic Layerの設計・実装・運用
ビジネス上の概念と指標の関係構造を構造化したオントロジー（Ontology）およびBusiness Context基盤の整備
設計したデータモデルに基づく、Dagsterおよびdbtを用いたレイヤリングデータパイプラインの実装と運用
DMBOKに基づくデータ品質の定義と、品質を保持するためのテスト設計・自動化およびData SRE的な品質監視・SLI/SLO運用の推進
AI AgentによるSQL生成・回答精度の監視・評価・継続的改善フィードバックループの構築
データカタログを用いたメタデータの管理・ドキュメント整備
データの利用ガイドライン・アクセス制御の設計と運用、およびデータ関連の監視対応
非エンジニアが日常的にAI Agentを用いて自律的にデータ活用を行うためのEnabling
Basic Qualifications:
ビジネス・分析におけるユースケースを理解し、適切なデータモデリングを設計・実装した知識と経験
SQLを用いたデータ分析・データ集計を通じて、ビジネスの意思決定や改善に貢献した経験
クラウドDWHの特性理解に基づく、クエリパフォーマンス最適化およびコスト/スキャン量削減の経験
dbt等のデータ変換フレームワークを用いたデータパイプラインの構築・テスト・運用の実務経験
何らかのジョブオーケストレーター（Dagster, Airflow等）を使ったデータパイプラインの運用経験
データ品質の定義と、実際に品質を守るためのテスト設計・モニタリングの知識と実践経験
Pythonを利用したデータ分析・処理スクリプト・ジョブ等の実装経験
データアーキテクチャおよびデータガバナンスについての基礎知識
AWS / GCPなどのクラウドプラットフォームの基礎知識
複数のチーム（エンジニア、PdM、BI、ビジネス）にまたがるコミュニケーションを自発的に行え、課題整理と合意形成ができる能力
日本語：ビジネスレベル以上
Tools we use:
AWS: Aurora MySQL, DynamoDB, S3, SQS, Kinesis Stream, etc.
Google Cloud: BigQuery, Cloud Storage, GCE, Vertex AI, etc.
Orchestration & Transformation: Dagster, dbt, Fivetran
BI & Analytics: Tableau, Mixpanel, Looker Studio, Google Sheets
AI & LLM: OpenAI API, Anthropic Claude
Characteristics:
複数のチームにまたがるコミュニケーションを自発的に行え、楽しめる方
データ領域に強いオーナーシップを持ち、全社を巻き込んで課題提起やEnablingの提案ができる方
AI Agentやセマンティックレイヤー、オントロジーなど、業務に関連する最新技
トレンドを自発的にキャッチアップし、プロダクトや基盤への適用を追求する熱意がある方
あるべき理想（To-Be）を持ちながら、現実問題に落とし込んでギャップを埋める議論と段階的実装ができる方
