Product Data Scientist SaaS

DotWorld SA; France; Remote; EUR 65,000 - 95,000; Full time

Job summary

DotWorld est une société SaaS qui opère des produits par abonnement à l’international. Le candidat contribuera à transformer les données en analyses fiables, en recommandations concrètes et en expérimentations mesurables qui éclairent les décisions business.

Le poste est fortement orienté business et expérimentation, avec un accent sur l’A/B testing et l’amélioration des cadres d’expérimentation, pour accompagner les équipes produit, marketing et paiement.

Qualifications

• Bonnes bases en statistiques et inférence.
• Conception et analyse d'expérimentations avec métriques et cohorte.
• Capacité à communiquer résultats et incertitudes clairement.
• Expérience avec produits SaaS à fort trafic est un plus.

Responsibilities

• Expérimentation & A/B testing : améliorer le cadre et les règles de décision.
• Analyse du parcours client et de la performance : comprendre les leviers de croissance et de revenu.
• Valeur client & acquisition : analyser LTV, CAC et payback par canal et produit.
• Collaboration & aide à la décision : transformer les questions en analyses et protocoles.

Skills

Statistiques

Analyse de données

Conception d'expérimentations

Communication des résultats

Tools

SQL avancé

Python

Entrepôt de données

Job description

Veuillez noter que la maîtrise du français est requise, car c’est notre langue principale d’affaires. L’anglais est considéré comme langue de travail secondaire.

Date de démarrage : T1 2027. Préavis de 3 mois accepté.

Type de contrat : CDI - temps plein. Séniorité : Confirmé(e). Localisation : 100% Remote (Europe) ou hybride à Lausanne.

Description du poste

DotWorld opère plusieurs produits SaaS par abonnement, vendus dans le monde entier. Nous maîtrisons l'ensemble du parcours client : acquisition, conversion, paiement, utilisation et fidélisation. Nous recherchons un(e) Product Data Scientist SaaS pour nous aider à prendre de meilleures décisions tout au long de ce parcours. Ta mission : transformer les données en analyses fiables, en recommandations concrètes et en expérimentations capables de mesurer ce qui crée réellement de la valeur. Tu auras un rôle central dans l'évolution de notre pratique de l’A/B testing : challenger les méthodes existantes, renforcer le cadre d'expérimentation et accompagner les équipes dans la conception et l'interprétation de leurs tests. Tu pourras aussi analyser des sujets variés, de la valeur client par canal d’acquisition à la performance des paiements et à la rétention. C’est un poste très orienté business et expérimentation. L’entraînement de modèles de machine learning n’est pas au cœur du rôle : ce qui compte, c’est ta capacité à mobiliser les bonnes méthodes pour éclairer une décision et en mesurer l’impact. Tu interviens sur l’ensemble de nos produits SaaS.

Description de l'équipe

Tu seras rattaché(e) à Youssef JANJAR, notre Chief Data Officer. Tu rejoins un département Data en plein essor, aux côtés d'un Data Engineer et d'un(e) Data Analyst. Tu travailles en étroite collaboration avec l'équipe Data, le CEO, les Product Managers et les équipes Marketing, Paiement et développement. Tu aides les équipes à formuler leurs questions, à construire des tests pertinents et à transformer leurs résultats en décisions.

Tes responsabilités

Expérimentation & A/B testing

• Challenger notre processus actuel de conception et d'analyse des A/B tests, identifier ses limites et proposer des améliorations.
• Faire évoluer et mettre en place un cadre d'expérimentation robuste : formulation des hypothèses, choix des métriques, calcul de puissance, durée des tests et règles de décision.
• Concevoir et relire les plans de test avec les équipes avant lancement, puis challenger leur design et leur interprétation.
• Analyser les résultats à maturité, expliciter leurs limites et recommander les décisions à prendre.
• Faire évoluer les méthodes et les outils tout en les gardant suffisamment simples pour rendre les équipes autonomes.

Analyse du parcours client & de la performance

• Explorer les données d'acquisition, de conversion, d'usage, de paiement et de rétention pour comprendre les leviers de croissance et de revenu.
• Analyser les funnels et les cohortes, identifier les points de friction et proposer des hypothèses ou des tests à fort impact.
• Collaborer avec l'équipe Paiement sur les analyses et expérimentations liées à la performance des transactions et au risque.

Valeur client & acquisition

• Analyser la valeur des client(e)s par cohorte, canal d'acquisition, produit ou segment, en tenant compte de la maturité des données.
• Faire évoluer les analyses de LTV, de coût d'acquisition et de payback pour éclairer les décisions marketing et business.
• Avec le Data Engineer, explorer et améliorer l'utilisation des signaux de valeur dans les plateformes publicitaires, puis en mesurer l'impact.

Collaboration & aide à la décision

• Transformer les questions de la direction et des équipes en analyses et protocoles adaptés.
• Travailler avec le ou la Data Analyst et le Data Engineer pour fiabiliser les données et partager des définitions de métriques cohérentes.
• Communiquer clairement les résultats, les incertitudes et les recommandations à des interlocuteur(rice)s techniques et business.

Ton profil

Expérience

• 3 à 5 ans d’expérience en Data Science produit, growth ou dans un rôle analytique comparable.
• Expérience sur un produit à fort trafic ou avec des volumes de données importants, en SaaS, abonnement, e-commerce ou dans un contexte comparable.
• Expérience pratique de la conception et de l'analyse d'expérimentations, et de l'amélioration d'un produit ou d'une performance business grâce à la donnée.
• Une familiarité avec les données marketing, les interactions utilisateur(rice)s ou les paiements est appréciée ; tu n'as pas besoin d'être spécialiste de tous ces domaines.

Compétences techniques

• Solides bases en statistiques et en inférence, et capacité à choisir une méthode adaptée à la question posée.
• Design et analyse d'expériences : hypothèses, puissance statistique, tests multiples, métriques et maturité des cohortes.
• SQL avancé et Python pour l'analyse de données et les statistiques.
• Analyse de funnels et de cohortes, rétention et valeur client ; connaissance de la modélisation de LTV appréciée.
• Expérience avec un entrepôt de données.