Data Analyst (all genders)

Data Analyst (all genders)

Hamburg Vollzeit 45000 - 55000 € / Jahr (geschätzt) Homeoffice (teilweise)
J

Auf einen Blick

  • Aufgaben: Definiere und optimiere unsere Kernkennzahlen für den Marktplatz.
  • Unternehmen: Innovatives Unternehmen, das Fahrer:innen mit Transportbedarf verbindet.
  • Vorteile: Echte Ownership, flexible Arbeitszeiten und direkte Kommunikation mit Gründern.
  • Weitere Informationen: Hybrides Arbeiten, Karriereperspektiven und tolle Team-Events.
  • Warum dieser Job: Gestalte die Datenlandschaft und trage zu wichtigen Entscheidungen bei.
  • Qualifikationen: Erfahrung in Datenanalyse, SQL und Python sind ein Muss.

Das prognostizierte Gehalt liegt zwischen 45000 - 55000 € pro Jahr.

Jede Entscheidung bei MUVN hängt an einer Zahl. Niemand soll sie suchen müssen. MUVN 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 MUVN 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 als Verstärkung für unser Team in Vollzeit.

Aufgaben

  • Eine 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 MUVN 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: 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 MUVN 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. Fragen? Direkt an Katharina. Let's get it muvn.

Data Analyst (all genders) Arbeitgeber: Jackalope Digital LLC

MUVN ist ein hervorragender Arbeitgeber, der dir die Möglichkeit bietet, von Tag 1 echte Verantwortung zu übernehmen und aktiv an der Gestaltung unserer Datenarchitektur mitzuwirken. Mit flexiblen Arbeitsmodellen, direktem Kontakt zu den Gründern und der Chance, dein eigenes Team aufzubauen, fördern wir eine offene und innovative Unternehmenskultur, die auf Zusammenarbeit und persönlichem Wachstum basiert. Zudem bieten wir attraktive Benefits wie kostenlose MUVN-Fahrten und Rabatte in zahlreichen Onlineshops, die deinen Arbeitsalltag bereichern.

J

Kontaktdaten:

Jackalope Digital LLC Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so Data Analyst (all genders) erhalten könntest

Wende dich an die richtigen Communities

Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.

Präsentiere deine Daten-Projekte

Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!

Nimm an Meetups und Hackathons teil

Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.

Direkte Bewerbungen über unsere Seite

Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Jackalope Digital LLC zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!

Wir glauben, dass du diese Fähigkeiten brauchst, um Data Analyst (all genders) mit Bravour zu bestehen

SQL
Python
Datenanalyse
Reporting
Modularität
Idempotenz
Testbarkeit

Einige Tipps für deine Bewerbung 🫡

Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.

Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!

Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!

Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Data Analyst (all genders) bei Jackalope Digital LLC gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei Jackalope Digital LLC vorbereitet

Bereite deine technischen Skills vor

In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!

Verschaffe dir einen Überblick über Projekte

Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!

Vorbereitung auf case studies

In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!

Zeige deine Leidenschaft für Daten

Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Jackalope Digital LLC entscheidend sein!