Senior Analytics Engineer – USA

Luxury Presence baut die KI-Wachstumsplattform für Immobilien auf. Mit der Unterstützung von Bessemer Venture Partners und anderen Top-Investoren sind wir ein Unternehmen der Serie C, das einen jährlichen wiederkehrenden Umsatz von 100 Millionen US-Dollar erzielt. Mehr als 90.000 Immobilienfachleute, darunter über 30 % der Top-100-Makler von WSJ Real Trends in den Vereinigten Staaten, nutzen uns, um ihr Geschäft zu führen und auszubauen.

Die Rolle

Wir suchen einen Senior Analytics Engineer, der die analytische Grundlage aufbaut und skaliert, die die Entscheidungsfindung in den Go-to-Market-, Produkt-, Finanz-, Personal- und Betriebsteams unterstützt.

Sie befinden sich an der Schnittstelle zwischen Datentechnik und Analyse: Sie verwandeln rohe Produkt-, Marketing-, Finanz- und Betriebsdaten in saubere, gut modellierte und vertrauenswürdige Datensätze. Ihre Arbeit wird alles vorantreiben, von Executive Dashboards und Kohortenanalysen bis hin zu Experimenten, Abrechnungsvorgängen, KI-gestützter Öffentlichkeitsarbeit und semantischen Ebenen, die es KI-Agenten ermöglichen, Fragen von Stakeholdern autonom zu beantworten.

Dies ist eine äußerst funktionsübergreifende Rolle – Sie arbeiten eng mit Produktmanagement, Marketing, RevOps, Finanzen, People Ops und Engineering zusammen, um sicherzustellen, dass unser Analyse-Stack robust, skalierbar und auf das Unternehmen abgestimmt ist.

Verantwortlichkeiten

Bauen Sie die Datengrundlage auf und besitzen Sie sie

•
Besitzen und entwickeln Sie unser dbt-Projekt weiter – stellen Sie sicher, dass die Modelle leistungsfähig, gut getestet und dokumentiert sind.

•
Entwerfen und pflegen Sie das Snowflake Data Warehouse und die Aufnahmeprozesse.

•
Nutzen Sie moderne Best Practices für die Datenmodellierung, um Kerneinheiten und Datensätze zu erstellen, die komplexe Geschäftsprozesse und Logik berücksichtigen.

•
Erstellen und pflegen Sie benutzerdefinierte Python/Airflow-Pipelines, um Daten von Drittanbieter-APIs in Snowflake aufzunehmen.

•
Entwerfen und betreiben Sie systemübergreifende Abstimmungsmodelle, die Daten über Quellsysteme hinweg vergleichen, um Diskrepanzen aufzudecken und den Umsatz zu schützen.

Fördern Sie Datenqualität und Automatisierung

•
Implementieren Sie Tests und Beobachtbarkeit für Analysepipelines.

•
Setzen Sie CI/CD-Best Practices wie Automatisierung, Linting, Tests, Codeüberprüfung und Genehmigungen durch.

•
Standardisieren Sie Metrikdefinitionen und stellen Sie sicher, dass sie in allen Tools konsistent berechnet werden.

•
Untersuchen und dokumentieren Sie Datenvorfälle durchgängig – von der Ursachenanalyse über die Nachverfolgung von Abhilfemaßnahmen bis hin zur Stakeholder-Kommunikation.

Funktionsübergreifende Zusammenarbeit

•
Fungieren Sie als Datenverbindung zwischen Engineering, GTM und Finanzen und stellen Sie konsistente Metrikdefinitionen und eine ordnungsgemäße Systeminstrumentierung sicher.

•
Ermöglichen Sie Stakeholdern den Self-Service-Zugriff auf vertrauenswürdige Erkenntnisse.

•
Fördern Sie die Datenkompetenz: Propagieren Sie Best Practices für die Abfrage, das Dashboarding und die Interpretation von Metriken. Coachen Sie Stakeholder in Richtung Selbstbedienung.

Erstellen Sie eine KI-fähige Dateninfrastruktur

•
Entwerfen und pflegen Sie semantische Ansichten von Snowflake Cortex, die als gesteuerte Datenschnittstelle für KI-Agenten und LLM-gestützte Tools dienen.

•
Arbeiten Sie mit KI-/Produktteams zusammen, um die Definitionen der semantischen Ebene, die interne KI-Assistenten unterstützen, zu spezifizieren, zu erstellen und zu validieren.

•
Erstellen Sie Messrahmen für KI-gestützte Initiativen – einschließlich Experimentdesign und Attributionsmodellierung.

Qualifikationen

Muss haben:

•
Mehr als 5 Jahre Erfahrung als Analyseingenieur, Dateningenieur oder in einer ähnlichen Rolle in einer SaaS-Umgebung.

•
Umfangreiches Fachwissen in SQL, DBT und modernen Best Practices für die Datenmodellierung.

•
Kenntnisse in Python für Pipeline-Entwicklung, API-Integrationen und Automatisierung.

•
Erleben Sie die Modellierung von Salesforce-Daten – Opportunities, Verträge, Abonnements, Fälle und Feldverlauf.

•
Nachgewiesene Erfahrung beim Aufbau benutzerdefinierter ELT-Pipelines, die Daten von Drittanbieter-APIs in ein Cloud-Data-Warehouse aufnehmen.

•
Erfahrung im Entwerfen systemübergreifender Abstimmungsmodelle – Zusammenführen, Deduplizieren und Vergleichen von Daten über mehrere Quellsysteme hinweg, um Diskrepanzen aufzudecken.

•
Nachgewiesene Erfahrung im Umgang mit ereignisbasierten Daten und Produktnutzungsdaten (z. B. Posthog, Mixpanel).

•
Erfahrung in der Verbindung von Marketingdaten (bezahlte Anzeigen, Kampagnen, Attribution) mit Produktanalysen – idealerweise mit dem Aufbau von End-to-End-Pipelines von Werbeplattformen bis hin zu Conversion- und Retention-Metriken.

•
Erfahrung im Entwerfen und Verwalten semantischer Schichten, die als gesteuerte Datenschnittstellen dienen (dbt Semantic Layer, Snowflake Cortex oder ähnliches).

•
Sicherer Umgang mit großen Datensystemen (Snowflake, BigQuery, Redshift).

•
Gute Vertrautheit mit CI/CD, Git-basierten Workflows und automatisierten Tests.

•
Erfahrung in der funktionsübergreifenden Zusammenarbeit mit Ingenieuren, Analysten und Produktmanagern.

•
Nachgewiesener Erfolg beim Einsatz von Analysen zur Entscheidungsfindung in einer technischen oder produktorientierten Umgebung.

•
Komfort, die Verantwortung für mehrdeutige Probleme zu übernehmen und End-to-End-Lösungen zu entwerfen.

Schön zu haben:

•
Erleben Sie den Aufbau und die Wartung von Airflow-DAGs und die Orchestrierung von Multi-Source-API-Ingestion-Pipelines.

•
Starke Grundlagen in Statistik und Experimentdesign – A/B-Tests, Signifikanztests und Messung der inkrementellen Wirkung.

•
Erfahrung mit den Grundlagen der prädiktiven Modellierung – Klassifizierung, Merkmalsauswahl und Modellbewertung.

•
Vertrautheit mit finanziellen SaaS-Kennzahlen und Abrechnungsvorgängen (ARR/MRR/NRR, Abonnementabstimmung, Umsatzrealisierung).

•
Erfahrung mit Personalanalysen (Mitarbeiterzahl, Fluktuation, Vergütungsbenchmarking).

Wie Erfolg aussieht

•
Richten Sie eine vertrauenswürdige, gut modellierte Analyseebene ein, auf die sich Produktmanager, Vermarkter und Führungskräfte täglich verlassen.

•
Verbessern Sie die Datenqualität und -zuverlässigkeit mit klaren SLAs und Beobachtbarkeit rund um unsere kritischsten Modelle.

•
Verkürzen Sie die Time-to-Insight, indem Sie den Self-Service-Zugriff auf hochwertige Datensätze und Metriken ermöglichen.

•
Extreme Verantwortung für kritische Infrastrukturen und Datenmodelle, die sich direkt auf Produktentscheidungen und das Geschäftswachstum auswirken.

•
Arbeiten Sie mit Dateningenieuren und Analysten zusammen, um eine semantische Ebene aufzubauen, mit der KI-Agenten Fragen von Stakeholdern beantworten können – und pflegen Sie aktiv die semantischen Ansichten, die diese Agenten antreiben.…

Quelle: Jobicy (https://jobicy.com/jobs/151266-senior-analytics-engineer-us)