対話力
3/5
分析結果を事業責任者やエンジニアへ伝え、施策と実装の判断へつなげます。
仕事を知る
データサイエンティスト
何を検証し、どの結果を信じるか。その基準をつくる。
株式会社プロパゲート（東京都渋谷区）のデータサイエンティストは、顧客サイトへの改善提案が本当に成果へつながったかを検証し、Propagate AI / PULSEの学習ループを設計する正社員の職種です。計測とデータ品質を疑い、効果検証、提案ロジック、予測・分類モデルを事業施策とプロダクト改善へつなげます。
FOR YOU
こんな仕事を、探していたなら
転職で探している条件と、この職種の答え。
分析レポートで終わらず、施策とプロダクトを動かしたい
改善提案の効果を検証し、その結果を次の提案ロジックとプロダクト改善へ戻します。
数字をそのまま信じず、計測の正しさから確かめたい
二重計測、未計測、イベント定義の誤りまで確認し、意思決定に使えるデータへ整えます。
統計・因果推論を、実際の顧客成果に使いたい
前後比較、DiD、時系列分析などを使い、改善施策と成果の関係を検証します。
小サンプルや欠損のある、現場のデータに向き合いたい
きれいなデータだけを前提にせず、不確実性を扱いながら判断ルールを設計します。
AIの分析を鵜呑みにせず、妥当性を判断する側になりたい
AIやエンジニアと実装を進めながら、何を検証し、どの結果を信じるかに責任を持ちます。
APTITUDE
適性チャート
5つの力を、この職種の実務に沿って示します。
瞬発力
3/5
速さだけで結論を出さず、必要な検証を選び、次の学習へ進めるテンポをつくります。
確動力
3/5
分析を出して終わりにせず、提案・実装・効果測定・次回反映の循環を動かします。
分析力
5/5
計測設計、因果推論、予測・分類を使い、数字から本当に言えることを見定める中核の力です。
言語化力
5/5
指標やAIの出力そのものを疑い、結果を信じてよい条件と限界を言葉にします。
プロパゲートのデータサイエンティストは、対話力3・瞬発力3・確動力3・分析力5・言語化力5の適性傾向です。統計とデータ構造を扱う分析力に加え、結果を信じられる条件と限界を説明する言語化力を最も強く使います。
RULES
仕事の設計
気合だけに頼らず、成果へつながる行動をルールにしています。
RULE 01
提案を、出して終わりにしない
改善前後の結果を検証し、分かったことを次の提案ロジックへ戻します。分析は学習ループを動かすために行います。
RULE 02
指標そのものから疑う
GA4、GTM、GSC、広告、フォーム、電話、LINEの計測を確認し、二重計測や未計測、定義のずれを見つけます。
RULE 03
何を、なぜ検証するかを握る
実装はAIやエンジニアと協働します。人は検証テーマ、手法、結果を信じてよい条件に責任を持ちます。
A DAY
リアルな1日
現在の求人と業務フローをもとにした、基本的な1日のイメージです。
9:00
計測とデータ品質を確認
主要指標とデータ更新状況を見て、欠損、二重計測、定義のずれがないかを確かめます。
午前
仮説と効果検証を設計
何を改善対象にし、どの比較と指標なら効果を判断できるかを設計します。
日中
データを抽出・分析
SQLやPythonを使い、サイト属性、流入、CV、施策前後の変化を分析します。
午後
結果を施策と実装へつなぐ
事業責任者やエンジニアと結果の解釈を合わせ、提案ロジックや計測改善へ落とします。
18:00
次の学習へ残す
分かったこと、判断できないこと、次に必要なデータを整理し、学習ループへ反映します。
WORK
AIと人の仕事内容
AIが支える領域と、人が判断する領域を分けて示します。
AI DOES
AIが支えること
- SQL・Pythonによる抽出、加工、分析実装のたたき台を作る
- 異常値、セグメント差、仮説候補を広く洗い出す
- 可視化、検証手順、分析結果の要約案を作成する
HUMAN DOES
人にしかできないこと
- 何を検証し、なぜその手法を選ぶかを決める
- 交絡・バイアス・小サンプルを踏まえ、結果の妥当性を判断する
- 分析結果を施策、計測、プロダクトの改善へ接続する
COMPARE
レポート中心のデータ分析との違い
プロパゲートのデータサイエンティストは、依頼された集計を納品するだけの役割ではありません。計測の信頼性から問い直し、結果を次の提案へ学習させるところまで担います。
| 比較項目 | 一般的な同職種 | プロパゲートのデータサイエンティスト |
|---|---|---|
| 分析の目的 | 依頼された数値やレポートを提出 | 顧客成果とプロダクトの学習ループを改善 |
| データの前提 | 整備されたデータを分析 | 欠損・誤計測を疑い、品質から整える |
| 検証 | 相関や前後差を提示 | 交絡やバイアスを踏まえ、効果検証を設計 |
| 小サンプル | 十分な件数がないと分析を止める | 不確実性を示し、使える判断ルールを設計 |
| AI活用 | 分析作業をAIへ置き換える | AIの分析をレビューし、妥当性に責任を持つ |
| アウトプット | ダッシュボードや報告書 | 提案ロジック、計測改善、予測・分類モデル |
| 分析後 | 示唆を共有して完了 | 実装・効果測定・次回反映まで循環させる |
FIT
向いている人、別の仕事が合う人
選考基準ではなく、応募前に自分で確かめるための目安です。
○この仕事が向いている
- 数字をそのまま信じず、計測の前提から確かめたい
- 欠損や小サンプルがある現場データにも向き合える
- 分析を施策とプロダクト改善までつなげたい
- AIの出力を検証し、信じられる条件を説明できる
→別の仕事も見てほしい
- 分析レポートを提出したところで役割を終えたい
- 整備されたデータだけを対象にしたい
- 分析手法が成立する条件や限界を説明するより、結果だけを示したい
- 事業や開発との対話より、個人で分析を完結させたい
GROWTH
実践で伸びる仕組み
最初の90日で、計測の把握から効果検証、学習ループの試作までを一巡します。その後は提案ロジック、予測・分類、異常検知へ責任範囲を広げます。
01 / 30 DAYS
計測と品質を把握
最初の30日で、データの取得経路、CV定義、品質上の課題を整理します。
02 / 60 DAYS
効果測定を設計
31〜60日で、改善提案が成果につながったかを判断する設計をつくります。
03 / 90 DAYS
学習ループを試作
61〜90日で、1テーマの提案、効果測定、次回反映までをプロトタイプ化します。
分析の価値は、正しい数字を出すことだけではなく、次の意思決定と改善を変えることにあります。
DATA
基本情報
| 会社名 | 株式会社プロパゲート |
|---|---|
| 職種名 | データサイエンティスト／グロースサイエンティスト |
| 雇用形態 | 正社員 |
| 給与 | 月給39万5,407円〜88万9,852円（固定残業手当の詳細は公式求人を参照） |
| 想定年収 | 800万〜1,800万円（賞与を標準達成で含む求人票上の理論年収） |
| 勤務地 | 東京都渋谷区渋谷2-3-5 コエル渋谷二丁目8階 |
| 働き方 | 基本は出社、一部リモート可（業務都合により変更の可能性あり） |
| 勤務時間 | 9:00〜18:00（休憩60分） |
| 休日 | 完全週休2日制・土日祝休み・年間休日126日 |
| 必須経験 | 仮説検証の実務、統計・因果推論、SQLまたはPythonによる分析、ML・LLMの知見 |
| 主な環境 | SQL、Python、GA4、GSC、GTM、広告媒体データ、BI、LLM、Propagate AI / PULSE |
| 採用予定 | 1人 |
FAQ
よくある質問
応募前に気になる条件と働き方を、先に回答します。
Qデータサイエンティストの求人は現在ありますか？
あります。2026年8月時点の採用サイトのスナップショットには、正社員のデータサイエンティスト求人（求人ID 11811633）が掲載されています。募集状況は変わる場合があるため、応募前に公式求人も確認してください。
Qデータサイエンティスト未経験でも応募できますか？
現行求人では、仮説検証を自律的に回した実務経験、統計・因果推論の深い理解、SQLやPythonによる分析実務、MLとLLMの知見を必須条件としています。職種未経験者向けの募集ではありません。
QAIプロダクトエンジニアとの違いは何ですか？
AIプロダクトエンジニアは、現場の知見をAIコーディングで再現可能な仕組みへ変える役割です。データサイエンティストは、何を検証し、結果をどこまで信じられるかを判断し、施策やプロダクト改善へつなげます。
Qどのような分析を担当しますか？
改善前後のCVR、業種・サイト規模・流入チャネル別の効果、解約リスク、SEOの伸長余地などを対象に、前後比較、DiD、時系列分析、分類・予測、異常検知を設計します。
QAIとはどのように協働しますか？
AIはデータ抽出・加工・分析実装や仮説候補の整理を支援します。人は何を検証するか、なぜその手法を使うか、交絡やバイアスを踏まえて結果を信じてよいかを判断します。
Q給与と働き方を教えてください。
正社員求人で、月給39万5,407円〜88万9,852円です。勤務は9:00〜18:00で、基本は出社、一部リモート可と記載されています。
Q1日の流れを教えてください。
一例として、始業後に計測とデータ品質を確認し、午前は仮説と効果検証を設計します。日中はSQLやPythonでデータを分析し、午後は事業責任者やエンジニアと結果を施策・実装へつなぎ、終業前に次の検証へ残す内容を整理します。
Q入社後90日は何をしますか？
1〜30日で計測とデータ品質を把握し、31〜60日で改善提案の効果測定を設計します。61〜90日で、1テーマについて提案、効果測定、次回反映までの学習ループを試作します。
Q勤務時間と休日を教えてください。
勤務時間は9:00〜18:00で休憩60分です。完全週休2日制で土日祝休み、年間休日は126日です。
Q選考の流れを教えてください。
現行求人では、応募、書類選考、Web面接、対面面接、採用の順です。応募後3営業日以内の返信と記載されていますが、選考内容は変更される場合があるため応募時の案内も確認してください。
この仕事で、 プロパゲートの次をつくる。
NEXT
この職種ではないかも、と思ったら
近い強みを使う、別の2職種。