Gründungsanalytiker

Wer wir sind
Zefir baut einen KI-Autopiloten für Hausverkäufe in Europa, beginnend in Frankreich: Ein KI-Agent leitet die gesamte Verkaufs- und Kaufreise durchgängig und orchestriert lokale Makler, Portale, Käufer und Dokumente.
Unterstützt durch über 55 Millionen US-Dollar von Top-Investoren wie Sequoia Capital setzen wir uns dafür ein, die Lebensveränderungen von Millionen aktueller und zukünftiger europäischer Hausbesitzer zu beschleunigen.
Ein KI-Agent, der eine Immobilientransaktion End-to-End durchführt, funktioniert nur, wenn die zugrunde liegenden Daten verfügbar, zuverlässig und kontrolliert sind. Das ist der Job.

Warum es diese Rolle gibt
Dies ist die erste dedizierte Datenanstellung seit Jahren. Die Grundlagen laufen, die Steuerung liegt bei Ihnen.
Obwohl BigQuery bereits die meisten unserer Daten speichert, fehlen uns immer noch wichtige Wachstumsdaten und ein zusammenhängendes Daten-Governance-Framework. Wir brauchen einheitliche Definitionen, ein kanonisches Schema und eine robuste semantische Schicht, die es Wachstum, Finanzen, Betrieb und Produkt ermöglichen, Erkenntnisse effizient und zuverlässig selbst zu nutzen.
Heute hält der Stapel, weil Einzelpersonen aus den Bereichen Betrieb, Wachstum, Finanzen und Technik vor Ort kompensieren. Sie lernten die Besonderheiten kennen und entwickelten Problemumgehungen. Es funktioniert, ist aber fragil: KPIs schwanken zwischen den Tools, Unterbrechungen werden stillschweigend verfolgt, die Kosten steigen und niemand ist für die Übersetzung zwischen technischen Rohdaten und entscheidungsreifer Wahrheit verantwortlich.
Sie sind der alleinige verantwortliche Eigentümer dieser Ebene. Keine Supportfunktion, kein Ticketschalter, keine BI-Fabrik.

Was Sie besitzen werden
Kanonische Modelle und metrische Definitionen. Eine dokumentierte semantische Ebene mit kanonischen Entitäten (Käufer, Verkäufer, Vermögenswert, Agent) und Bronze-/Silber-/Goldschichten. Klare Verträge zwischen dem, was das Engineering bereitstellt, und dem, was jede Funktion verbraucht, sodass KPI-Debatten auf derselben Metrik ausgerichtet sind.
Self-Service-Unterstützung. Der untergetauchte Teil des Eisbergs: saubere Modelle, konsistente BI-Grundelemente, Sicherheit auf Zeilen- und Spaltenebene, sodass Betriebs-, Wachstums-, Finanz- und Account-Manager ihre eigenen Dashboards erstellen können, ohne Kompromisse bei der Genauigkeit einzugehen.
Analyse und Tracking-Governance. Die globale Event-Taxonomie und Tracking-Roadmap, eine hybride client- und serverseitige Event-Strategie, konsistente Synchronisierung über CRMs und Marketing-Plattformen hinweg sowie DSGVO-Einwilligungsflüsse durch Design, sodass die Akquiseausgaben auf der Attribution basieren, der wir vertrauen können.
Zuverlässigkeit, Sicherheit und Kosten der Plattform. Einmalig und nicht von Team zu Team festgelegte Standards: getestete und versionierte Transformationen, Überwachung von Aktualität, Fehlern und Nutzung, vernünftige Aufnahmemuster (Lesereplikate, CDC, Batch) und kein Produktionscodepfad abhängig von BI-Tabellen.
Daten und KI treiben Entscheidungen voran. Unser internes KI-Tooling fragt bereits das Data Warehouse nach Analysen ab. Was fehlt, ist die Kerngrundlage: standardisierte Metrikdefinitionen, wiederverwendbare Logik und vorberechnete Datenmodelle.

Wie der Erfolg nach 12 Monaten aussieht

• Eine dokumentierte Ereignistaxonomie, die tatsächlich von Engineering, Growth und CRM verwendet wird.

• Eine semantische Ebene, in der jeder gemeinsame KPI eine einzige Definition, einen einzigen Eigentümer und einen Versionsverlauf hat. Neueinsteiger verstehen das Datenmodell in Tagen, nicht in Monaten.

• Veröffentlichte Aktualitäts- und Fehler-SLAs, eine explizite Aufnahmetopologie und kein von BI-Tabellen abhängiger Produktionspfad.

• Betriebs-, Wachstums-, Finanz- und AM-Abteilungen erstellen die meisten ihrer wiederkehrenden Dashboards selbst, und KI-Agenten fragen die Datenschicht sicher über kuratierte MCPs ab.

• Die Wachstumszuordnung ist vertrauenswürdig genug, dass Entscheidungen über jährliche Akquisitionsausgaben durchgängig vertretbar sind.

Was wir suchen

• Mehr als 7 Jahre Erfahrung als Daten-, Analyse- oder Plattformingenieur, idealerweise mit einer Tätigkeit bei einem schnelllebigen Verbraucher- oder Marktplatzunternehmen. Mitarbeiter- oder Führungsexposition erwartet.

• Praktischer Umgang mit dem modernen Datenstapel: BigQuery (oder Snowflake, Redshift), dbt oder gleichwertig, erweiterte SQL- und Datenmodellierung, Python für Pipelines, Orchestrierung (Airflow, Dagster, Prefect).

• Sie haben Ereignisverfolgung und -instrumentierung in der Produktion bereitgestellt, durchgängig: Taxonomie, client- und serverseitige Ereignisse, Zuordnung, DSGVO-konformes Opt-out, nachgelagerte Weitergabe.

• Bequem mit Aufnahmemustern (Fivetran, Airbyte, CDC), Reverse-ETL (Hightouch, Census, Segment) und Zugriffsverwaltung (IAM, Sicherheit auf Zeilen- und Spaltenebene, PII-Tagging).

• Sie haben eine Semantik- oder Metrikebene erstellt und besitzen diese und können Metrikdefinitionen mit Finanzen, Betrieb und Wachstum vereinbaren, ohne mit der Wimper zu zucken.

• Sie behandeln KI-Agenten als erstklassige Datenkonsumenten: Sie stellen Daten über MCPs, semantische APIs oder Text-to-SQL mit geeigneten Schutzmaßnahmen bereit.

• Starke Eigenverantwortung: Sie schreiben die Standards, verteidigen sie und reparieren, was kaputt ist, ohne auf die Erlaubnis zu warten.

• Ein klarer Kommunikator, der „Ping the data person“-Rituale in eigennützige Übergaben umwandelt.

• Fließend Englisch und Französisch.

Der ehrliche Kompromiss
Es gibt kein zu verwaltendes Datenteam und auch keines ist kurzfristig geplant. Sie erhalten echte Autonomie und einen direkten Draht zu den Gründern und Funktionsleitern, im Gegenzug dafür, dass Sie alleine aufbauen, bevor Sie vielleicht ein Team aufbauen. Bei einem vergleichbaren Proptech würden Sie einem bestehenden Team und einer bestehenden Roadmap beitreten. Was eine Metrik bei Zefir bedeutet, ist hier noch nicht entschieden, und Sie sind derjenige, der darüber entscheidet.
Es passt zur Denkweise eines Machers, auch von jemandem, der bereits geführt hat und wieder mit dem Bauen beginnen möchte.

Einstellungsprozess

• Vorführung mit David, Talent (30 Min.)

• Tiefer Einblick mit Gabriel, technischer Leiter: Ihre bisherigen Erfahrungen und was Sie als nächstes wollen (45 Min.)

• Technisches Interview mit Diane, Ihrer zukünftigen Managerin: Datenplattform, Modellierung und Tracking (1 Stunde)

• Kulturelles Interview mit Louis, Mitbegründer, plus ein informeller Austausch mit einem Funktionsleiter (1 Stunde)

• Referenzanrufe, dann Angebot 🎉

Vorteile
Das Folgende gilt nur für Festangestellte. Für andere Verträge (Praktikanten, Lehrlinge, befristete Verträge usw.) wenden Sie sich bitte an Ihren Personalvermittler.

• Wettbewerbsfähiges Gehalt: Mit unserem Gehaltsrechner können Sie Ihre eigene Simulation durchführen.

• BSPCE (Aktienoptionen): Verfügbar für alle, mit monatlicher Sperrfrist nach dem ersten Jahr über einen Zeitraum von 4 Jahren.…

Quelle: Arbeitnow (https://www.arbeitnow.fr/jobs/companies/zefir/founding-analytics-engineer-paris-74468)