80億レコードの基盤とチームの技術方針を決めるシニアデータエンジニア

人を増やした分だけ売上が伸びる時代は終わりました。SalesNowはバリューの1つに「AIネイティブ」を掲げ、2025年11月を起点に社員1人あたりARRを3年で10倍にする目標を置いています。データ基盤の設計は、その目標の前提です。担うのは、80億レコードの収集・名寄せ・品質検証の進め方を設計し、チームの1人ひとりが扱える仕事の範囲を広げることです。 企業データの提供は、『SalesNow』の画面に加えてData APIとSalesNow MCPへ広がっています。そのなかで、バッチ処理の安定化、APIのスケール対応、コストを意識した性能最適化を、個別の改善ではなく基盤全体の設計として解く段階に来ています。このデータ基盤のアーキテクチャ設計と運用をリードし、データチームの技術的な方向を決めるシニアデータエンジニアを募集します。

デジタル・アナログな収集・ユーザー投稿という性質の違う3つのルートから届く情報を、根拠のある1つの企業像として束ね続けることです。何を集め、どの条件なら使えるデータとみなすか。その基準を決め、チームの誰が開発しても同じ品質で動く仕組みにします。

• 数十TB・80億レコード規模の企業データ基盤のアーキテクチャ設計・最適化
• 日次で更新するデータ収集パイプライン（Webクローリングを含む）の設計・運用・改善
• Spark on Databricksを活用した大規模データ処理・変換の設計
• データ品質管理基盤の設計・構築（クレンジング・エンリッチメント・名寄せの設計方針を含む）と品質モニタリング環境の構築
• Elasticsearch / OpenSearchの検索インデックス設計・チューニング／インフラ・ガバナンス・コスト最適化の方針決定
• データチームのテクニカルリード、メンバーの設計レビューと技術的メンタリング

【入社後に取り組む課題の例】Databricks＋Delta Lakeの3層構成（生データ→クレンジング→提供用）を、データ量と用途の広がりに合わせてどう進化させるか、層の切り方からジョブ管理の方式まで自分の判断で決められます。根拠の足りない企業特定を仕組みで止める品質基準の設計。3系統に割れた求人掲載終了の判定を共通設計にまとめる。全企業のWebサイトの更新差分を追い続ける工程の設計。 ※従事すべき業務の変更の範囲：有り

• データエンジニアリングの実務経験5年以上／大規模データ処理基盤の設計・運用経験
• Python／SQLを用いたデータ処理の実務経験3年以上、およびデータパイプラインの構築・運用経験
• データ基盤のアーキテクチャ設計や技術選定を主導した経験
• パブリッククラウドの利用経験3年以上／RDB（PostgreSQL・MySQL等）の設計・操作経験

• Databricks／AWS Analytics系サービスの設計・運用経験／Elasticsearch・OpenSearchの設計・チューニング経験
• LLMを活用したデータ品質管理・データクレンジングの経験／Apache Spark（PySpark含む）での大規模データ処理の設計経験
• データマネジメント・データガバナンスの仕組みを設計した経験／Git・GitHubを用いたチーム開発の経験
• テックリードとして、メンバーの設計レビューや育成を担った経験

• ミッション・バリュー（AIネイティブ・コト志向・最高品質）に共感し、AIを使いこなす意志がある方
• 新しい技術を自ら試し、前提を疑い、アーキテクチャの本質的な設計判断ができる方
• データの品質に妥協せず、品質を担保する仕組みをチームに定着させられる方

【①80億レコードの基盤全体と、チームの開発方針を決める】これまでの技術リード経験を、基盤全体の設計とチームの品質基準を決める役割へ広げられます。 【②性質の違う3ルートのデータを束ねる、他では出会いにくい設計問題】Web由来のデータだけでなく、アナログな収集とユーザー投稿までを1つの企業像にまとめます。 【③根拠で守る品質基準を、自分の設計で定義できる】目視ではなく設計で品質を守る仕組みに変えられます。

データは3つのルートで集めています。

• デジタル：Web情報をAIで日次更新する基盤。数百万件規模のタスクを処理します
• 人手：数万人規模のデータリサーチャーのパートナーネットワークと社内の体制で、実地調査から紙の資料の読み取りまでアナログに集めます。検索では出てこない情報を取りに行きます
• ユーザー投稿：自社メディア（月間700万PV）に集まるクローズドデータを統合します

こうしてWebに出ていない膨大なアナログ・クローズドな情報が入ります。独自のJCコードで本社・工場・支社支店・店舗を拠点ごとに識別し、組織図と部署の直通番号（部署連絡先750万件超）まで持っています。法人番号・社名・住所・電話・URL・メールの多角キーを15段階の優先度で照合し、1社に収斂させています。

• SalesNow MCP（2026年4月 提供開始）：企業データをMCPサーバーとして提供。Claude・CursorなどのAIエージェントから直接扱えます
• SalesNow カスタムAIエージェント（2026年3月 正式提供開始）：顧客ごとの業務に合わせて組むAIエージェントです。社内で回している仕組みを顧客の環境に移植し、有償で納めています
• AIワークフロー：商談準備のレポート、議事録のSFA登録、リードのスコアリング、BANTの抽出などを、ノーコードで組んだワークフローで実行します。CRM・Slack・Notionと連携します
• Data API（ベータ版）：企業・ニュース・採用・組織の4種別
• SalesNow Lite（2026年3月 正式リリース）
• 企業データベース『SalesNow』：条件検索でターゲットを特定し、採用の増加・資金調達・拠点の開設といった企業側の動きから「なぜ今この企業か」をつかみます。Salesforce・HubSpot・kintoneと連携します
• 企業データベースメディア『SalesNow DB』も、このデータインフラの一部です

AIの出力の品質は、参照するデータの品質で決まります。人がAIと企業を調べて判断するには、その企業の実態を捉えるデータが要る。決めるのは人で、AIはその準備と整理を支えます。

営業の戦略立案から、データ基盤の構築・利活用、SFA連携やAI実装の開発、オペレーションの代行まで、一社で提供しています。ヤマト運輸、パナソニック、LINEヤフー、SMBC日興証券、パーソルキャリア、JCB、GMOペイメントゲートウェイなどへの導入実績があります。

私たち自身も、AI前提の組織へつくり替えました。目的と予算を合意したあとは、担当者が進め方を決めます。AIで自分の仕事を組み替えることが、職種を問わず必要になります。経営陣も自分でコードを書きます。

2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。その設計を、これから一緒にやる人を探しています。

株式会社SalesNow代表の村岡です。 前職の人材ベンチャーで部下10名の営業マネージャー担当時、「手作業によるリスト作成」「非効率な営業アプローチ」にチームの業務工数が80%以上も取られていました。 結果として、顧客フォローが蔑ろになったことが原因で顧客満足度の低下と受注減少を招き、もっと新規開拓をする必要があるのに時間がない、というような負のスパイラルに陥っていました。セールスが一番時間を費やすべき業務である「顧客の課題解決」や「サービスのアップデート」などの本質的なことに時間を使えず、心身を消耗してしまう営業組織は「あるべき姿」から大きくかけ離れています。 営業現場の労働環境向上もサービス利用者の満足度も双方に最大化できるような新たなセールスインフラを構築したいと思いSalesNowのローンチに至りました。

そして今、その射程は営業だけではなくなっています。人がAIと企業を調べ、判断するには、その企業の実態を捉えるデータが要る。だから私たちは、AI時代の企業データインフラをつくっています。営業だけではありません。BtoBの仕事のほぼすべてが、この土台に乗ります。

人を増やした分だけ売上が伸びる時代は終わりました。働き手が減るなかで、1人が生み出せる価値を増やす。SalesNowは「誰もが活躍できる仕組みをつくる。」を掲げ、働き方を根本から変える挑戦をしています。

ぜひ以下の記事をご覧いただけますと幸いです。

• リードVC KUSABI 渡邊氏×CEO村岡対談

https://kusabi.fund/salesnow-interview/

• シリーズAラウンドを終えたばかりの「SalesNowの魅力」を6つ語ります

https://note.com/atsunori_muraoka/n/nfde045599301

• セールスの未来、SalesNowの大勝負

https://note.com/atsunori_muraoka/n/n169c38a27294

• 『SaaS+Database』領域でのLLM活用のリアル

https://note.com/atsunori_muraoka/n/n89f929d98967 ※SalesNowが『SaaS+Database』領域で取り組んだLLMの事例と、それによる成果がわかります。

組織は大きくなるほどつくり直せなくなる。その前に、AI前提の組織へつくり替えました。バリューは「AIネイティブ」「コト志向」「最高品質」の3つ。2025年11月を起点に、社員1人あたりARRを3年で10倍にする目標を置いています。

• AIツールへの支出は1人あたり月平均10万円以上（会社負担）。Claude・Geminiは全員が使え、Codexも併用し、用途でモデルを選びます
• 成果物は複数のLLMに個別レビューを通し、人が根拠を確認して採否を決めます
• 商談準備から議事録作成、CRMへの記録、分析までAIを使い、営業本人の入力はほぼゼロになりました
• 目的と予算を合意したあとは、担当者が進め方を決めます。AIで自分の仕事を組み替えることが、職種を問わず必要になります。経営陣も自分でコードを書きます
• 日本語が話せないメンバーとも、AI同時通訳を使って議論しています。面接もAI同時通訳で行います
• 入社直後は「自部門の業務でAI活用を1つ試す」ところから始めます

【つくっているものの規模】（2026-09-12 実測）

• 直近30日でマージされたPRは2,229本。リポジトリ数298
• 全文検索基盤はOpenSearch 1.05億ドキュメント・約460GB
• 上場企業の開示資料をLLMで構造化し、LLM as a Judgeで判定します。基準を決めるのは人です

言語: Python / TypeScript / Scala / Swift フレームワーク: FastAPI / Next.js / Tailwind CSS データ基盤: Databricks / Delta Lake（Bronze・Silver・Goldの3層）、ジョブ定義はTerraform インフラ: AWS（ECS, Lambda, Aurora, OpenSearch, DynamoDB, S3, CloudFront） LLM: 用途別に併用（Anthropic / Gemini Flash-Lite / Azure OpenAI gpt-4o-mini）

ここでの仕事は、決められた手順をこなすことではありません。目的と予算を合意したら、進め方は自分で決める。AIに何をさせ、どこを自分で判断するかも、自分で設計します。 このような意志を持った方に出会いたいです。

• 「AIネイティブ」「コト志向」「最高品質」というバリューに共感してくださる方
• AIで自分の仕事を組み替えることを、面白がれる方
• 全体最適の視点で組織づくりができる方
• 当事者意識が高く、自ら課題を見つけ、改善に導ける方

https://www.notion.so/salesnow/SalesNow-227c2fb1d6c74823a30f122756bca8b5

2〜3年後、AIを使えることは当たり前になります。差がつくのは、AI前提で組織と業務を設計できるかどうかです。その設計を、これから一緒にやる人を探しています。

フルリモート勤務 東京近郊：月1回の出社推奨日あり ※就業場所の変更の範囲：無し 渋谷オフィス（リモートワーク可） 地方在住：年1〜2回の全社イベント出席のみ

（雇入れ直後）・数十TB・80億レコード規模の企業データ基盤のアーキテクチャ設計・最適化

• 日次で更新するデータ収集パイプライン（Webクローリングを含む）の設計・運用・改善
• Spark on Databricksを活用した大規模データ処理・変換の設計
• データ品質管理基盤の設計・構築（クレンジング・エンリッチメント・名寄せの設計方針を含む）と品質モニタリング環境の構築
• Elasticsearch / OpenSearchの検索インデックス設計・チューニング／インフラ・ガバナンス・コスト最適化の方針決定
• データチームのテクニカルリード、メンバーの設計レビューと技術的メンタリング

【入社後に取り組む課題の例】Databricks＋Delta Lakeの3層構成（生データ→クレンジング→提供用）を、データ量と用途の広がりに合わせてどう進化させるか、層の切り方からジョブ管理の方式まで自分の判断で決められます。根拠の足りない企業特定を仕組みで止める品質基準の設計。3系統に割れた求人掲載終了の判定を共通設計にまとめる。全企業のWebサイトの更新差分を追い続ける工程の設計。 ※従事すべき業務の変更の範囲：有り

【勤務地】東京

【本社所在地】東京都渋谷区桜丘町1-4 渋谷サクラステージSHIBUYAサイドSHIBUYAタワー7F