Datenanalyst

RevenueCat bietet App-Unternehmen die Infrastruktur und Tools zum Aufbau, Betrieb und zur Verbesserung ihrer Monetarisierung. Seit dem Abschluss der S18-Reihe von YC haben wir uns zur Standard-Monetarisierungsplattform für Mobilgeräte entwickelt.

Wir sind an über 50 % der neu ausgelieferten Abonnement-Apps beteiligt, verarbeiten ein jährliches Kaufvolumen von über 16 Milliarden US-Dollar und helfen jedem, vom Einzelentwickler bis zum OpenAI-Mobile-Team, seinen Umsatz zu verstehen und zu steigern.

Wir sind ein Remote-First-Team aus über 150 Mitarbeitern in über 25 Ländern, das sich an den Werten orientiert, die wir tatsächlich praktizieren: Kundenbesessenheit, Always Be Shipping, Own It und Balance.

Das ist nicht für jeden das Richtige. Die Systeme, die Sie hier bauen, verwalten Milliarden von Dollar und erreichen Hunderte Millionen Endbenutzer, und das nehmen wir nicht auf die leichte Schulter. Von Ihnen wird erwartet, dass Sie hart arbeiten und die Messlatte für das, was Sie liefern, hoch legen, zusammen mit einigen der klügsten und ehrgeizigsten Menschen, mit denen Sie je zusammengearbeitet haben. Wenn das eher anregend als anstrengend klingt, lesen Sie weiter.

Die Rolle

Wir stellen einen Datenanalysten ein, der so nah wie möglich an den Teams arbeitet, die das Geschäft von RevenueCat leiten, einschließlich Marketing, Vertrieb, Finanzen, Personal, Betrieb, Produkt usw.

Das Wertvollste in unserem Analytics-Team ist heute nicht SQL, sondern Domänenwissen. Zu wissen, worauf es bei einem Teststart ankommt, warum verfolgte Umsätze und realisierte Umsätze unterschiedlich sind, wie Filialrückerstattungen in unseren Daten landen und welches Modell eine Frage beim ersten Mal richtig beantwortet. Dieses Wissen macht aus einer halbfertigen Slack-Frage eine Zahl, auf die jemand innerhalb einer Stunde reagieren kann.

Daher verbringen Sie die meiste Zeit mit Geschäftsteams: Verstehen Sie, was sie zu entscheiden versuchen, wandeln Sie vage Fragen in Analysen um und liefern Sie die Datensätze und Dashboards, auf die sie sich verlassen. Durch die tägliche Arbeit mit der Person, die hier derzeit für Analytics zuständig ist, bauen Sie dieses Fachwissen schnell auf. Er wird Ihr engster Partner und die Person sein, die Ihnen hilft, in die Domäne hineinzuwachsen.

Das Zweite, was diese Rolle spannend macht, ist die Art und Weise, wie wir von Ihnen erwarten, dass Sie arbeiten. Wir bauen die Infrastruktur auf, die es KI-Agenten ermöglicht, sicher auf unsere Daten zuzugreifen, und Agententools, die Fragen beantworten, die auf unserer semantischen Ebene basieren und nicht auf Vermutungen. Sie werden einer der intensivsten Benutzer und einer der Menschen sein, die es vertrauenswürdig machen: Sie kümmern sich um den semantischen Kontext, erkennen die Antworten, die richtig erscheinen und nicht, und übertragen Definitionen zurück in dbt und LookML, wo sie hingehören. Wir stellen nicht jemanden ein, der das gleiche Arbeitsvolumen schneller erledigt, sondern jemanden, der mehrere Teams gut unterstützt und diese Sammlung neuer Tools als Kraftmultiplikator nutzt.

Was Sie tun werden

•
Arbeiten Sie regelmäßig mit Marketing-, Vertriebs-, Finanz- und Produktteams zusammen. Erfahren Sie mehr über ihre Ziele, ihre Kennzahlen und die Entscheidungen, an denen sie tatsächlich festhalten.

•
Eigene Analyse durchgängig: Klären Sie die eigentliche Frage, erstellen oder wählen Sie den richtigen Datensatz aus, liefern Sie die Antwort und stellen Sie sicher, dass eine Entscheidung folgt.

•
Gehen Sie tief in unsere Abonnementdomäne ein und schreiben Sie es dann auf. Metrikdefinitionen, Vorbehalte, Immerfilter, bekannte Fallstricke. Domänenwissen, das nur in Ihrem Kopf lebt, lässt sich nicht skalieren, und es zu skalieren ist der Sinn dieser Rolle.

•
Erstellen Sie Analyseressourcen, denen Menschen vertrauen, ohne Sie vorher zu fragen: Modelle in DBT, Erkundungen in LookML, Dashboards, die standhalten.

•
Nutzen Sie unsere Agenten-Tools als Kraftmultiplikator und tragen Sie dazu bei. Füttere es mit semantischem Kontext, kennzeichne falsche Antworten und härte die Definitionen aus, von denen es abhängt.

•
Tragen Sie zur Datenplattform bei, wo sie Sie entsperrt. Kleine Modell- und Pipeline-Verbesserungen, Fehlerbehebung bei Unstimmigkeiten, Aushelfen, wenn etwas kaputt geht.

•
Übersetzen Sie in beide Richtungen: Geschäftskontext in belastbare Analyse, Datenrealität in Sprache, auf die ein technisch nicht versierter Stakeholder reagieren kann.

Über dich

Mehr als 3 Jahre in einer Analytics-Position (Datenanalyst, BI-Analyst, Business Analyst, Analytics Engineer oder ähnlich), einschließlich echter Erfahrung als direkter Analytics-Partner eines Geschäftsteams wie Marketing, Vertrieb oder Finanzen.

Neugier ist das, worauf wir eigentlich achten:

•
Es ist Ihnen unangenehm, wenn Sie nicht verstehen, warum eine Zahl das ist, was sie ist, und so lange graben, bis Sie es verstehen.

•
Sie stellen die Frage hinter der Frage. Wenn jemand nach einem Dashboard fragt, erfahren Sie, für welche Entscheidung es gedacht ist.

•
Sie lernen lieber eine neue Domäne als ein neues Tool kennen.

•
Sie fühlen sich wohl, auch wenn keine vollständig formulierten Anforderungen vorliegen, und Sie schaffen Strukturen, wo noch keine vorhanden sind.

•
Sie legen mehr Wert auf Nützlichkeit und Übersichtlichkeit als auf ausgefeilte Armaturenbretter.

•
Sie möchten ein Partner des Unternehmens sein und nicht in der Warteschlange für Anfragen.

Aus fachlicher Sicht bringen Sie Folgendes mit:

•
Starkes SQL und echter Komfort beim Arbeiten direkt in einem Lager. Sie können zu einer Antwort gelangen, ohne Händchen halten zu müssen.

•
Erleben Sie den Besitz von Datensätzen und Dashboards, auf die nicht-technische Teams angewiesen sind.

•
Komfortables Arbeiten in einem Repo: Git, Branches, Pull Requests, Codeüberprüfung. Unsere Analysen basieren auf versionierten DBT- und LookML-Repos, nicht auf gespeicherten Abfragen.

•
Sie arbeiten bereits täglich mit KI-Agenten zusammen und stehen ihnen entsprechend skeptisch gegenüber. Sie können erklären, wie Sie eine Antwort überprüft haben, nicht nur, wie Sie eine Antwort erstellt haben.

•
Klare schriftliche Kommunikation, insbesondere über Grenzen, Vorbehalte und was eine Zahl nicht aussagt.

Schön zu haben und wirklich nicht erforderlich:

•
Python, dbt, Looker oder LookML, Snowflake oder ClickHouse

•
Erfahrung mit Abonnements oder Fintech-Domains

•
Große Datenmengen

Was wir bieten:

•
Wettbewerbsfähiges Eigenkapital in einem schnell wachsenden Startup der Serie C, das von erstklassigen Investoren, darunter Y Combinator, unterstützt wird

•
10-Jahres-Fenster zur Ausübung unverfallbarer Aktienoptionen

•
Eine vollständig abgelegene Umgebung, die auf Autonomie und Flexibilität ausgelegt ist

•
4-5 Wochen flexible Freizeit pro Jahr

•
Bezahlter Schreibtisch in einem Co-Working-Space

•
Arbeitsplatzbudget und Stipendium für kontinuierliches Lernen

Vorstellungsgespräch bei RevenueCat…

Quelle: Jobicy (https://jobicy.com/jobs/155241-data-analyst-4)