サポート・カスタマーサクセス(BigQuery)の求人・転職情報

株式会社NTTデータ

データ基盤の新潮流である「Databricks」の登場により、AIを活用したデータ分析が企業にとってより身近な存在となりました。本ポストではデータエンジニア/クラウドエンジニア/PMとして、Databricksの導入によるデータ基盤開発や顧客企業のデータ利活用の促進業務を担っています。業務を通して、データ活用の各工程に関するコンサルティングから開発・運用まで携わることができ、AI・データ領域のトップエンジニアを目指すことができる点が本ポストの魅力です。 より多くの顧客へとDatabricksを導入し、「データとAIの民主化」を実現するため、プロジェクトの中心メンバーとしてリードできる課長~主任までの人財を募集します。 ●Databricksを用いた顧客のデータ活用基盤開発、データ活用を支援するため、下記の業務を担当します。 ・データ利用部門との課題定義および要件整理 ・データ基盤の設計/開発(AWS、Azure等、他のクラウドと連携したデータ基盤の設計・開発) ・データ基盤上のデータモデル設計・開発 ・データ加工処理(ETL/ELT)の設計・開発 ・データ分析を行う上で必要となるデータ可視化(BI)の設計・開発 ・AIモデルの継続的なデリバリ(MLOps)を考慮した環境の設計・開発 ●上記に加えて、顧客企業内部でのデータ活用促進/データドリブン文化の定着を目的としたユーザトレーニングも行います。 案件例 ・大手保険会社における業務改善や新規サービス開発に向けたデータ分析基盤の構築支援:企業が持つデータを集積・統合する仕組みからそれらを活用する機能の開発を支援 ・https://www.nttdata.com/jp/ja/trends/data-insight/2020/071001/ ・https://www.nttdata.com/jp/ja/-/media/nttdatajapan/files/lineup/databricks/databricks-tokyomarine.pdf?rev=a42ccbfd89154adb8b1aaf2e233a5135 キャリアパス ●下記の様なスキルを磨き、AI・データ活用領域のトップエンジニアを目指すことができます。 ・AI・データ活用領域における最先端の技術を活用したシステム開発における上流のアーキテクチャ検討 ・顧客のシステム環境に合わせたAIモデル等に関する技術的開発力 ●管理職を目指すキャリアだけでなく、テクニカルグレード(TG)と呼ばれる技術職のスペシャリストのポジションを目指すことも可能です。

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (稟議承認、リソース最適配置、見込み顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 顧客の既存 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 ・顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する ・JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する ・PoC を本番環境へ導入し、利用定着まで伴走する ・現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる ・経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 チームは現在6名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

REHATCH株式会社

ENSORをご契約いただいたクライアントの成果最大化・継続利用を担うカスタマーサクセスポジションです。 ・オンボーディング:導入初期の設定・使い方研修・定着支援 ・活用促進:定例MTG、利用状況モニタリング・改善提案 ・更新・解約防止:ヘルススコア管理、リスク察知・対応 ・アップセル・クロスセル:利用拡大提案 ・顧客の声収集・プロダクトマネージャーへのフィードバック:顧客の声をプロダクト改善に反映 ●ENSORとは 広告データをリアルタイム解析し、生成AIで改善示唆・施策実行まで担うマーケティングAIエージェントです。クライアントのマーケターが毎日使うプロダクトのカスタマーサクセスを担当していただきます。

株式会社メドレー

社内のプロダクトマネージャーやデジタルマーケティング責任者とともに、プロダクトグロースに向けた業務に取り組んでいただきます。 具体的な内容は以下のとおりです。 ・テクニカルな施策の立案、実装、分析 ・タグの最適な実装方法の提示、実装、運用 ・BigQuery に蓄積したデータやを活用した企画立案、新たなデジタル広告の導入 ・Cookie の取り扱いに関する情報収集と未来予測 ※ Google Analytics 360 , Tag Manager , BigQueryなどを活用しています。 ※業務の変更の範囲:会社の定める業務

キャディ株式会社

●期待する役割 Enterprise Solution 部において、ソリューション提供における Engineering Management 全般の役割を担っていただきます。 技術専門家として顧客とのコミュニケーション・要件定義・仕様策定を行い、プロジェクトマネジメント・デリバリーマネジメント・運用マネジメントまでを一気通貫で推進していただきます。 また、事業戦略にアラインしたチームの目標設定・育成・評価を通じて、組織としての成果を最大化する役割も期待します。 さらに、ソリューション提供で得られた知見のプロダクトへの還流を意識し、他部署の PdM らと協働することで、全社レベルでの技術的な価値向上にも貢献していただきます。 ●想定される業務例 (以下に限定されるものではありません) 顧客の経営課題に基づくソリューション提供に関わるプロジェクトマネジメント(要件定義〜デリバリー〜運用) PoC フェーズのプロトタイプを AWS 上の本番アプリケーションとしてプロダクション化するための設計・開発マネジメント 事業戦略にアラインした目標設定と達成マネジメント 1on1や評価フィードバックを通じたチームメンバーの育成 顧客および社内ステークホルダーとの調整・合意形成 ソリューション開発で得られた知見のプロダクトへの還流に向けた、他部署 PdM との協働 エンジニア採用活動の推進 ●所属組織について Enterprise Solution 部への配属を想定しています。 ●開発環境 フロントエンド:TypeScript,React,Next.js バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) 機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI インフラ:Amazon Web Services,Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows Event Bus:Cloud Pub/Sub DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco API:GraphQL,REST,gRPC 認証: Auth0 開発ツール:GitHub Copilot,Figma,Storybook コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

株式会社アシュアード

CREとして、Assuredクラウド評価のお問い合わせに対する技術サポートやプロダクトの改善を担当していただきます。 【具体的な業務内容】 CREとして、Assuredクラウド評価の顧客信頼性向上に責任を持ちます。 ▼ 短期的に取り組む業務 お客様からの技術的な問い合わせの調査・回答 セキュリティチェックシートの対応 お客様対応や社内オペレーションを支援する小〜中規模システムの実装と運用改善(Google Apps Script / Python / サーバーレス構成など、軽量な手段を機動的に選ぶ) お客様の要望・不具合に関する、要求 / 要件 / 受け入れ条件の整理と、エンジニアリングチームへの橋渡し 比較的小規模な機能改善・不具合修正については、自身で設計・実装・テスト・リリース 複雑なプロダクト仕様の整理、ドキュメント化 ▼ 中長期で設計・推進していく業務 顧客信頼性を測るKPIの設計と、計測基盤(BigQuery / dbt / Lightdash)の構築 KPIから見えた阻害要因に対する施策設計と実行(CS組織内に閉じず、セールス・運用組織の業務改善や、プロダクトの構造的改善まで射程) セルフサービス化の優先順位設計と、機能としての実装 問い合わせ対応フロー・エスカレーション設計・チェックシート運用などの再設計 CREグループとしての中長期ロードマップの策定と、リードとの並走 これらの中で、何から着手すべきか・どこにレバレッジがあるかの判断自体も、入社後に一緒に設計するテーマです。 ●チームについて CREは立ち上がったばかりの組織で、現在は1名のマネージャーと1名の専属エンジニアの2名体制です。 顧客、営業、CS、プロダクトと連携し、技術とデータを活用して顧客の信頼性を向上させ、事業成長を加速させることを目指しています。 現在は、お問い合わせ対応・顧客要望対応を通じてお客様からのフィードバックを迅速に取り入れ、改善につなげることを行っています。 同時に、中長期的にどういう価値を出していくべきか絵を描き、計画しているフェーズです。 将来目指しているのは、データと技術を使って顧客の状態を可視化し、よりプロアクティブに顧客信頼性を向上させることです。 そのためにCREが担っていきたい観点は以下の通りです。 ・プロダクト各機能が潜在的に持っている価値をお客様の課題と結びつけ、価値を最大化する ・お問い合わせをゼロにする ・お客様自身で問題を解決できるセルフサービス化の推進 ・お客様が困ったときの体験の向上/エフォートレス化 ●事業紹介 「取引に確信を与える、セキュリティの星つきガイドへ。 」をビジョンに、取引先の安全性を可視化するセキュリティ評価プラットフォームを運営しています。 2022年に、初めてクラウドサービスの評価サービス「Assured」をリリースし、2025年6月に2つ目のサービスとして取引先の評価サービス「Assured 企業評価」をリリースしました。 サイバー攻撃の脅威が増大し、取引先のセキュリティが企業の命運を握る今、私たちは「この時代における信頼のカタチを創り、社会の変革を加速させること」を目指しています。 ●このポジションで、一緒に作る未来 CREが扱う「顧客信頼性」は、お客様のビジネスと我々のビジネスを同時に伸ばすための重要な要素だと思っています。 お客様が安心して『Assuredクラウド評価』を使い続け、その上で本来やりたいDXや事業判断を進められること。 それがお客様の事業成果になり、同時に我々の成長にもなります。 CREのミッションは、そのベースとなる「顧客信頼性」を最大化することです。 その実現のために、立ち上げ期ではまず以下3つのスコープを設計・推進します。 1.プロダクト改善・実装 お客様の声を一次情報として受け取り、不具合修正・機能改善・セルフサービス化できる機能をプロダクトに反映していきます。 2.KPI・計測基盤の設計 「顧客信頼性が向上している」と言える状態を、データで定義します。 問い合わせ削減率・セルフサービス到達率・お客様の利用熟達度など、何を測るべきかから設計し、BigQuery / dbt / Lightdashの基盤上で計測・可視化を立ち上げます。 3.CREプロセス・運用設計 問い合わせ対応フロー、セキュリティチェックシート対応、エスカレーション設計、技術調査の標準化など、現在は属人的に回っている運用を、再現可能なプロセスとして組み立て直します。 ●そして、その先に取りに行く未来 スコープ2のKPI基盤が立ち上がり、「顧客信頼性を阻害している要因」がデータで見えてきた段階から、CREの射程は、プロダクト単体に閉じません。 阻害要因がセールスの提案プロセスにあれば、営業組織の業務の改善に取り組みます。 運用組織のオペレーションに起因していれば、その自動化やシステム化も取り扱いたいと思っています。 プロダクトの構造的な改善が必要であれば、PdMと一緒に上流から設計します。 一般的にCREはお問い合わせ対応やCS組織内の改善に役割が限定されがちですが、私たちはそこに留まるつもりはありません。 顧客信頼性向上のレバーがある場所に、エンジニアリングの力で踏み込んでいくことを目指しています。 ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go(ScalaからGo/TypeScriptへの移行中です) ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore, BigQuery ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: CloudBuild, GitHub Actions ・その他API等: ChatGPT, Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma 他 【勤務地及び業務の変更範囲】 業　務:会社の定める業務(出向等を含む)