Data Analyst (all genders)

United States Digital Space LLC; Hamburg; Vor Ort; EUR 70.000 - 110.000; Vollzeit

Benefits dieser Stelle

Flexible Arbeitsmodelle

Direkter Draht zu Gründern

Hybrides Arbeiten

Karriereperspektive

Zusammenfassung

the company sucht eine erfahrene Analytics Engineer, die die Datenlandschaft aufbaut und die Kennzahlen über den gesamten Funnel definiert. Du arbeitest an einem vernetzten Stack, entscheidest Architektur und Tools und bringst klare, überprüfbare Antworten auf zentrale Geschäftsfragen, von Angebot bis Time-to-Match.

Du arbeitest eigenständig, mit Fokus auf Kosteneffizienz und Wiederverwendbarkeit. Du entwickelst automatisierte Self-Serve-Reports, unterstützt Gründer, Marketing und Operations und

Qualifikationen

• Mehrere Jahre Erfahrung als Analyst:in oder Analytics Engineer.
• SQL ist Handwerk, mit Window Functions und CTEs.
• Python für Analysen und Pipeline-Arbeit.
• Erfahrung mit Reporting von null aufgebaut, nicht nur gepflegt.

Aufgaben

• Kernkennzahlen definieren und konsistent operationalisieren.
• Marktplatz-KPIs wie Angebot/Nachfrage/Filled Rate sichtbar machen.
• Datenquellen integrieren, robuste Pipelines aufbauen.
• Validierung und Fehlerbehebung, Backfills planen.

Kenntnisse

SQL

Python

Datenanalyse

Datenpipelines

Tools

Mixpanel

GA4

dbt

Modern Data Stack

Jobbeschreibung

Jede Entscheidung bei the company hängt an einer Zahl. Niemand soll sie suchen müssen.

the company verbindet Fahrer:innen mit freiem Laderaum mit Menschen und Unternehmen, die etwas transportieren müssen. Kein neuer Fuhrpark, keine neue Logistik. Bessere Nutzung von dem, was ohnehin unterwegs ist. Unser Marktplatz wächst über Korridore, also über einzelne Strecken, die dicht genug werden, um von selbst zu tragen. Ob eine Strecke trägt, ist keine Meinungsfrage, sondern eine Messung.

Dafür bauen wir das the company Brain: eine verbundene Schicht über unseren Systemen, in der Kennzahlen einmal definiert sind und Menschen wie AI-Agents dieselbe Antwort bekommen. Es wird immer mehr als ein System geben. Der Unterschied liegt darin, ob sie miteinander reden. Du baust das.

Du bist unsere erste dedizierte Datenstelle, berichtest an unseren CFO und arbeitest direkt mit dem Gründungsteam, Marketing und Operations. Du erbst keine Datenplattform, du entscheidest, was sie wird. Und du beantwortest die Fragen, an denen bei uns Geld hängt: Welcher Korridor kippt als Nächstes. Wo verlieren wir Nachfrage. Welcher Kanal bringt Matches statt Downloads.

Du arbeitest dabei AI-First: AI übernimmt die Ausführung, dir gehören Intention, logisches Denken und Korrektheit.

Hierfür suchen wir dich ab dem 01.10.2026 als Verstärkung für unser Team in Vollzeit

AufgabenEine Wahrheit, nicht fünf

Du definierst unsere Kernkennzahlen über den gesamten Funnel, einmal verbindlich, mit klarer Namenskonvention und einer Definition pro Metrik. Teile davon existieren bereits, sie sind nur nirgends operationalisiert. Du gleichst die Quellen ab, erklärst Abweichungen und sorgst dafür, dass eine Frage genau eine Antwort hat, egal wer sie stellt.

Den Marktplatz messbar machen

Unsere Analyseeinheit ist der Korridor, nicht die Stadt und nicht das Land. Du machst Angebot, Nachfrage, Fill Rate und Time-to-Match auf dieser Ebene sichtbar, inklusive der Fälle, die in keinem Standard-Funnel auftauchen. Ein Fahrer, der nichts findet, ist bei uns ein Signal, kein fehlender Datenpunkt.

Das the company Brain bauen

Heute: direktes SQL, Python-Skripte, API-Pulls. Du überführst das in einen leichtgewichtigen, verbundenen Stack und entscheidest über Architektur und Tools, vom Warehouse über den Transformations-Layer bis zum BI-Tool. Jedes Werkzeug kommt an dem Punkt rein, an dem es seine Kosten verdient, nicht früher. Lieber fünf verlässliche Modelle als fünfzig halb vertraute.

Pipelines, denen man vertraut

Du integrierst unsere Quellen mit Pipelines, die idempotent, testbar und dokumentiert sind. Du baust Validierung zwischen den Quellen und fängst Diskrepanzen ab, bevor sie ein Meeting erreichen. Wenn etwas bricht, findest du die Ursache statt das Symptom und planst Backfills mit Prüfung davor und danach.

Analysen, die Entscheidungen tragen

Wiederkehrendes Management-Reporting, Kohorten, Retention, Pricing, Funnel, Marketing-Performance Ende zu Ende. Ad-hoc-Fragen beantwortest du schnell. Die, die immer wiederkommen, überführst du in Self-Serve-Reports, damit das Team sich selbst bedient.

Das Team unabhängig von dir machen

Du nimmst Anforderungen von Gründern, Marketing und Operations auf und übersetzt sie in Modelle, die wiederverwendbar sind. Du dokumentierst Definitionen, Annahmen und Sonderfälle dort, wo sie hingehören, im Code und in der Doku, nicht in deinem Kopf. Datenfragen sollen nicht bei dir enden.

AI-Agents als Teil des Systems

Du baust und iterierst Agents für klar umrissene Aufgaben: wiederkehrende Reports, Dokumentation, Datenqualitätschecks. Du pflegst die maschinenlesbaren Kontextdateien, die unser Brain überhaupt erst nutzbar machen, mit unseren Konventionen, Definitionen und Domänenregeln. Du prüfst, was AI produziert, bevor es zählt. Die Korrektheit gehört dir, nicht dem Tool.

Qualifikation

Du hast mehrere Jahre Erfahrung als Analyst:in, Analytics Engineer oder in einer vergleichbaren Rolle und schon einmal ein Reporting von null aufgebaut, nicht nur eines gepflegt. SQL ist für dich Handwerk, nicht Hürde: Window Functions, CTEs, Query-Optimierung, und genug Tiefe, um einen Execution Plan zu lesen und ein Performanceproblem selbst zu finden. Python nutzt du für Analysen und Pipeline-Arbeit.

Was diese Rolle von klassischer Analyse unterscheidet:

Du bekommst keine Tickets. Du bekommst Entscheidungen, die anstehen, und findest selbst heraus, welche Zahl sie tragen muss, wer sie liest und was es dazu schon gibt.

Was bei uns funktioniert:

• Du fragst zuerst, welche Entscheidung an der Zahl hängt, bevor du die erste Query schreibst.
• Du formulierst eine Hypothese, bevor du sie prüfst, und änderst sie, wenn die Daten etwas anderes sagen.
• Du merkst, wenn eine Zahl zu gut ist, um wahr zu sein, und gehst ihr nach, bevor sie in ein Meeting kommt.
• Du arbeitest eigenständig und meldest dich, wenn etwas klemmt, nicht erst im Wochenmeeting.
• Du misst dich selbst an Ergebnissen, bevor es jemand anderes tut.
• Du dokumentierst so, dass die nächste Person dich nicht fragen muss.
• Du denkst in Kosten, bei Compute, Speicherung und Pipeline-Design, und handelst danach.
• Du teilst, was du weißt. Wissen, das nur bei dir liegt, ist bei uns ein Risiko, kein Vorteil.

Solides Analytics-Fundament: Kohorten, Funnels, Unit Economics und statistisches Grundverständnis. Praxiserfahrung mit Produkt- und Marketing-Analytics-Tools wie Mixpanel, GA4, Mobile Attribution oder Vergleichbarem. Engineering-Grundprinzipien auf Datenarbeit angewendet: Modularität, Idempotenz, Testbarkeit als Default. Datenschutzbewusste Modellierung ist für dich selbstverständlich, wir arbeiten mit Zahlungs- und Personendaten. AI-gestützte Workflows sind dein Alltag, mit voller Verantwortung für das Ergebnis.

Ein Plus, kein Muss:

dbt oder ein Modern Data Stack, den du selbst eingeführt hast. Erfahrung mit Payments-Daten. Marktplatz- oder Plattformhintergrund, also Liquidität, Take Rate, Angebots- und Nachfragedynamik. Early-Stage-Erfahrung, du hast schon ohne Playbook gearbeitet.

Deutsch und Englisch fließend.

Driven people > Degrees. Dein Mindset zählt mehr als dein Abschluss.

Benefits

• Dein Marktplatz, deine Zahlen: echte Ownership von Tag 1
• Flexible Arbeitsmodelle: Arbeite, wann es für dich am besten passt
• Direkter Draht zu den Gründern: kein HR-Filter, keine Hierarchie dazwischen
• Karriereperspektive: baue langfristig dein eigenes Team auf, in DACH und Europa
• Hybrides Arbeiten & Remote: Flexibilität ist bei uns Programm
• Offsites mit dem Team: Gemeinsam erreichen wir mehr
• Free the company Rides: Für dich entstehen keinerlei Nutzungsgebühren
• Corporate Benefits: Rabatte in hunderten Onlineshops

Mehr Infos zu unseren Benefits und unseren Firmenwerten findest du auf unserer Karriereseite.

Schick uns deinen CV und zwei, drei Sätze dazu: Welche Kennzahl würdest du bei uns als Erstes verbindlich definieren, und warum ausgerechnet die?

So läuft es ab: erstes Gespräch mit unserem CFO, dann eine fachliche Session an einem anonymisierten Fall aus unserem Marktplatz, dann Kennenlernen mit dem Team.

Fragen? Direkt an Katharina.

Let's get it the company.

Find Jobs in Germany on Arbeitnow