Commune
Data Scientist
データサイエンティスト
Tags: Full-time, 6~8 YOE, Business Japanese
Tokyo, Tokyo, Japan・Fetched 30+ days ago
Job Description
採用の背景
Communeは、あらゆる組織と人が信頼をベースに結びつく「関係性のプラットフォーム」を構築しています。複数のプロダクトが立ち上がり、AIによるレコメンド、投稿生成、行動分析などが実際のプロダクト体験に組み込まれ始めています。これからは、これらを単なる“AI機能”に留めず、「関係性を構造化し、価値創出へと転換する仕組み」として社会に実装していくフェーズです。コミュニティにおける信頼の可視化、関係性スコアの設計、AIエージェントによる介入の最適化など、抽象度が高く社会的意義のある問いが次々と立ち上がっています。この挑戦を加速させるためには、問いそのものを定義し、モデルと設計によって社会に翻訳できるデータサイエンティストが必要です。構造のない世界に構造を与え、次の時代の「関係性のOS」を一緒に形にしていきませんか。
Commune（プロダクト）について
Communeは、「あらゆる組織とひと」との関係性を再定義することを目的に、コミュニティという複雑なドメインに挑戦しています。その実現には、テクノロジーの力だけでなく、「信頼」「共創」「文脈」といった定量化が難しい構成要素を、どこまで理解し、支援できるかという問いがついて回ります。現在、私たちは以下のようなテーマに取り組んでいます- 関係性の「構造」や「熱量」を定量化するための新しいKPI設計と予測モデル開発- LLMや機械学習を用いた、ユーザーと組織の“行動変容”を支援するアルゴリズムの設計- コミュニティマネージャーの判断を支えるAIエージェントの構築- 「関係性データ」を起点とした、CRMの再定義と体験設計私たちのデータサイエンスは、**分析で終わらず、思想から始まり、社会へ還元されるもの**であるべきだと考えています。
このポジションの魅力
- “問いの定義”から始められる、数少ないデータサイエンス領域 Communeが扱うのは、「そもそも、関係性とは何か？」「信頼はどう形成されるのか？」といった本質的なテーマです。 正解のない問いに対し、仮説を立て、構造を編み、プロダクトに落とし込む。探究を楽しめる方には、格別のフィールドです。 - “モデルの精度”ではなく、“社会への実装”を問う 数値で完結せず、UXや感情的納得感まで含めて「本当に使われるAI」を設計する。 ユーザー体験としての気持ちよさにこだわる、知的かつ人間中心的なチャレンジができます。 - 構造のない世界に、構造をつくるエンジニアリング 曖昧で、複雑で、定義しづらい関係性を構造化する。 その第一歩として「データ構造そのもの」を設計する力が問われる、希少なポジションです。- 成長戦略の中核技術を担うスケール感 Communeでは、複数プロダクトで関係性の可視化と活用を進めています。 その基盤技術として、あなたのアウトプットが組織横断的に活かされる環境があります。
職務内容
- コミュニティ内行動に基づくレコメンドモデル・介入モデルの設計・検証・改善- LLMや機械学習を活用した、ユーザーおよびコミュニティマネージャー支援機能の企画・プロトタイプ開発- 関係性の可視化／数値化（滞在時間・熱量・構造変化）を通じた新しいKPIの提案- 顧客接点にまつわる広範なデータ分析とプロダクト意思決定支援
応募資格（必須）
- 統計学、機械学習、数理モデリングなどに基づく分析設計の実務経験- PythonやSQLを用いた分析およびモデル実装スキル- プロダクトやビジネス課題と接続したデータ活用の実務経験- 仮説設計・検証を自ら行える構造化思考力- 多職種（PdM、Biz、Engineerなど）との協働経験
応募資格（歓迎）
- 自然言語処理やLLMに関する開発・運用経験- 機械学習モデルのプロダクト組み込み経験（API設計、MLOps含む）- エンゲージメント指標やユーザー行動分析の設計経験- BtoB SaaS、特にマルチテナント環境での分析・設計経験- データドリブンなUX改善に取り組んだ経験
賃金
- 能力・経験を考慮し、当社規定のランク毎の給与テーブルに応じて決定（想定年収 880万円～1,320万円）- 昇格・昇給は四半期に一度
勤務地
[本社：東京都品川区西五反田4‐31‐18 目黒テクノビル2F]
技術スタック（関連領域）
- 言語: Python- 分析/ETL: BigQuery / dbt / Looker Studio / Redash- 機械学習: Vertex AI / PyTorch / LightGBM / scikit-learn / Kubeflow- インフラ: Google Cloud Platform / Firestore / Google Cloud Storage- その他: Colab Enterprise / FastAPI / GitHub Copilot
データチームの取り組み
- [Commune's ML/DS Casual Tech Talk](https://www.notion.so/Commune-s-ML-DS-Casual-Tech-Talk-33699b7766a74f11afe89badfed165a2?pvs=21)
参考情報
- [Commune Engineer Blog](https://tech.commune.co.jp/)- [Zenn：コミューン株式会社のメンバーによる技術発信](https://zenn.dev/p/dev_commune)- [プロダクト開発に関わるメンバーのnote記事](https://note.com/communeinc/m/m0461ccfc061d)- [機械学習基盤のアーキテクチャ特集 〜8社の設計意図と今後の展望〜](https://findy-tools.io/articles/ml/17#%E3%82%B3%E3%83%9F%E3%83%A5%E3%83%BC%E3%83%B3%E6%A0%AA%E5%BC%8F%E4%BC%9A%E7%A4%BE)- [Communeの社内コミュニティのデータを使ってネットワーク分析の基礎を学ぶ](https://tech.commune.co.jp/entry/2024/06/17/173000)- [コミュニティプラットフォームの投稿レコメンド機能を支える機械学習基盤](https://tech.commune.co.jp/entry/2023/09/27/173000)- [Google Cloud に機械学習 API をデプロイするとき、Cloud Run と Vertex AI Endpoint のどちらを選ぶべきか？](https://tech.commune.co.jp/entry/2024/08/06/153000)
Communeは、あらゆる組織と人が信頼をベースに結びつく「関係性のプラットフォーム」を構築しています。複数のプロダクトが立ち上がり、AIによるレコメンド、投稿生成、行動分析などが実際のプロダクト体験に組み込まれ始めています。これからは、これらを単なる“AI機能”に留めず、「関係性を構造化し、価値創出へと転換する仕組み」として社会に実装していくフェーズです。コミュニティにおける信頼の可視化、関係性スコアの設計、AIエージェントによる介入の最適化など、抽象度が高く社会的意義のある問いが次々と立ち上がっています。この挑戦を加速させるためには、問いそのものを定義し、モデルと設計によって社会に翻訳できるデータサイエンティストが必要です。構造のない世界に構造を与え、次の時代の「関係性のOS」を一緒に形にしていきませんか。
Commune（プロダクト）について
Communeは、「あらゆる組織とひと」との関係性を再定義することを目的に、コミュニティという複雑なドメインに挑戦しています。その実現には、テクノロジーの力だけでなく、「信頼」「共創」「文脈」といった定量化が難しい構成要素を、どこまで理解し、支援できるかという問いがついて回ります。現在、私たちは以下のようなテーマに取り組んでいます- 関係性の「構造」や「熱量」を定量化するための新しいKPI設計と予測モデル開発- LLMや機械学習を用いた、ユーザーと組織の“行動変容”を支援するアルゴリズムの設計- コミュニティマネージャーの判断を支えるAIエージェントの構築- 「関係性データ」を起点とした、CRMの再定義と体験設計私たちのデータサイエンスは、**分析で終わらず、思想から始まり、社会へ還元されるもの**であるべきだと考えています。
このポジションの魅力
- “問いの定義”から始められる、数少ないデータサイエンス領域 Communeが扱うのは、「そもそも、関係性とは何か？」「信頼はどう形成されるのか？」といった本質的なテーマです。 正解のない問いに対し、仮説を立て、構造を編み、プロダクトに落とし込む。探究を楽しめる方には、格別のフィールドです。 - “モデルの精度”ではなく、“社会への実装”を問う 数値で完結せず、UXや感情的納得感まで含めて「本当に使われるAI」を設計する。 ユーザー体験としての気持ちよさにこだわる、知的かつ人間中心的なチャレンジができます。 - 構造のない世界に、構造をつくるエンジニアリング 曖昧で、複雑で、定義しづらい関係性を構造化する。 その第一歩として「データ構造そのもの」を設計する力が問われる、希少なポジションです。- 成長戦略の中核技術を担うスケール感 Communeでは、複数プロダクトで関係性の可視化と活用を進めています。 その基盤技術として、あなたのアウトプットが組織横断的に活かされる環境があります。
職務内容
- コミュニティ内行動に基づくレコメンドモデル・介入モデルの設計・検証・改善- LLMや機械学習を活用した、ユーザーおよびコミュニティマネージャー支援機能の企画・プロトタイプ開発- 関係性の可視化／数値化（滞在時間・熱量・構造変化）を通じた新しいKPIの提案- 顧客接点にまつわる広範なデータ分析とプロダクト意思決定支援
応募資格（必須）
- 統計学、機械学習、数理モデリングなどに基づく分析設計の実務経験- PythonやSQLを用いた分析およびモデル実装スキル- プロダクトやビジネス課題と接続したデータ活用の実務経験- 仮説設計・検証を自ら行える構造化思考力- 多職種（PdM、Biz、Engineerなど）との協働経験
応募資格（歓迎）
- 自然言語処理やLLMに関する開発・運用経験- 機械学習モデルのプロダクト組み込み経験（API設計、MLOps含む）- エンゲージメント指標やユーザー行動分析の設計経験- BtoB SaaS、特にマルチテナント環境での分析・設計経験- データドリブンなUX改善に取り組んだ経験
賃金
- 能力・経験を考慮し、当社規定のランク毎の給与テーブルに応じて決定（想定年収 880万円～1,320万円）- 昇格・昇給は四半期に一度
勤務地
[本社：東京都品川区西五反田4‐31‐18 目黒テクノビル2F]
技術スタック（関連領域）
- 言語: Python- 分析/ETL: BigQuery / dbt / Looker Studio / Redash- 機械学習: Vertex AI / PyTorch / LightGBM / scikit-learn / Kubeflow- インフラ: Google Cloud Platform / Firestore / Google Cloud Storage- その他: Colab Enterprise / FastAPI / GitHub Copilot
データチームの取り組み
- [Commune's ML/DS Casual Tech Talk](https://www.notion.so/Commune-s-ML-DS-Casual-Tech-Talk-33699b7766a74f11afe89badfed165a2?pvs=21)
参考情報
- [Commune Engineer Blog](https://tech.commune.co.jp/)- [Zenn：コミューン株式会社のメンバーによる技術発信](https://zenn.dev/p/dev_commune)- [プロダクト開発に関わるメンバーのnote記事](https://note.com/communeinc/m/m0461ccfc061d)- [機械学習基盤のアーキテクチャ特集 〜8社の設計意図と今後の展望〜](https://findy-tools.io/articles/ml/17#%E3%82%B3%E3%83%9F%E3%83%A5%E3%83%BC%E3%83%B3%E6%A0%AA%E5%BC%8F%E4%BC%9A%E7%A4%BE)- [Communeの社内コミュニティのデータを使ってネットワーク分析の基礎を学ぶ](https://tech.commune.co.jp/entry/2024/06/17/173000)- [コミュニティプラットフォームの投稿レコメンド機能を支える機械学習基盤](https://tech.commune.co.jp/entry/2023/09/27/173000)- [Google Cloud に機械学習 API をデプロイするとき、Cloud Run と Vertex AI Endpoint のどちらを選ぶべきか？](https://tech.commune.co.jp/entry/2024/08/06/153000)