Senior Data Analyst (Engineering)

Scrambly ist eines der am schnellsten wachsenden Adtech-Startups der Welt, das in nur 3,5 Jahren im AppsFlyer Performance Index und Singular ROI Index vorgestellt wurde. Wir wachsen jährlich um über 250 % in Bezug auf Umsatz, Team, Produkt und Technologie – vollständig bootstrapped und profitabel. Wir bauen die Zukunft der App-Entdeckung: eine belohnungsbasierte Alternative zum App Store und Google Play. Unser loyalitätsgetriebenes Ökosystem verbindet Millionen von Nutzern mit den besten Apps der Welt und bietet unvergleichliches, ROI-orientiertes Wachstum für mobile Werbetreibende. Unsere Mission ist es, eine echte Alternative zu traditionellen App-Stores zu schaffen – angetrieben von Belohnungen und Daten – und eine neue, leistungsorientierte Wachstumsmaschine für mobile App-Werbetreibende zu entwickeln.

Über die Rolle

Wir suchen einen Senior Analytics Engineer, um die Datenplattform hinter dem kommerziellen Bereich von Scrambly aufzubauen und zu betreiben – die Pipelines und Modelle, die unterliegen, wie wir ausgeben, wie wir belohnen und wie wir das Ökosystem schützen. Diese Entscheidungen sind täglich von echtem Geldwert, basierend auf Zahlen, die Sie produzieren. Die Rolle besteht zur Hälfte aus Aufbau und zur Hälfte aus Beantwortung. Sie werden die Pipelines pflegen, die rohe Ereignisse, Attributionsdaten und Werbetreibenden-Feeds in Tabellen umwandeln, denen die Menschen vertrauen, und Sie werden diese Tabellen selbst nutzen – Chancen bewerten, Schwellenwerte festlegen und dem Unternehmen mitteilen, was die Daten sagen.

Wir werden die Einzelheiten während des Prozesses mit Ihnen durchgehen. Dies ist eine frühe Einstellung in einem Daten-Team, das von Grund auf neu aufgebaut wird. Sie werden täglich mit dem Head of Data arbeiten, zusammen mit Data Scientists, die hinzukommen, und in enger Partnerschaft mit Backend, User Acquisition und Account Management. Ein Teil der Plattform existiert bereits und ein Teil nicht – Sie werden das, was vorhanden ist, übernehmen, verbessern und das, was fehlt, aufbauen. Wir sind flexibel in Bezug auf das Niveau. Der Titel spiegelt das Eigentum und die Unabhängigkeit wider, die die Rolle mit sich bringt, nicht eine strenge Erfahrungshürde. Wenn Sie etwa drei Jahre Erfahrung haben und der Umfang unten Sie begeistert, würden wir uns trotzdem freuen, von Ihnen zu hören – wir werden das Niveau, den Titel und die Vergütung anpassen, um das, was Sie mitbringen, widerzuspiegeln.

Hauptverantwortlichkeiten

• Aufbauen und Modellieren: Entwerfen und Pflegen analytischer Pipelines in Dataform auf BigQuery, von Quelldaten bis zu den Tabellen, die Teams und nachgelagerte Modelle konsumieren, einschließlich der Datensätze hinter neuen Produkten, während wir sie entwickeln.
• Analysieren und Empfehlen: Beantworten kommerzieller Fragen mit Daten und Entwerfen sowie Abstimmen der Regeln und Schwellenwerte, die hinter täglichen Entscheidungen stehen. Ergebnisse in Empfehlungen umwandeln, die nicht-technische Teams umsetzen können.
• Verantwortung übernehmen: Übernehmen etablierter Pipelines, die Sie nicht geschrieben haben – herausfinden, wie sie funktionieren, dokumentieren und in der Produktion am Laufen halten.
• Daten vertrauenswürdig machen: Die Test-, Assertions- und Alarmierungsschicht auf den Modellen aufbauen, die kommerzielle Entscheidungen antreiben, damit wir herausfinden, wann etwas nicht mehr funktioniert, bevor es ein Stakeholder tut. Probleme untersuchen und beheben, wenn eine Zahl falsch aussieht.
• Ingenieurstandards erhöhen: Kosten und Abfrageleistung des Warehouses verwalten, Duplikate und manuelle Arbeiten reduzieren und gute Praktiken für Daten etablieren – Code-Überprüfung, CI, Dokumentation, Veröffentlichungsrichtlinien.
• Zusammenarbeiten: Mit dem Head of Data bei der Abgrenzung und Priorisierung, mit Data Scientists bei Trainingsdaten und dem In-Produktion-Bringen von Modellen, mit Backend bei Ereignisverträgen und Automatisierung des Loop in Produktsysteme und mit kommerziellen Teams, die diese Zahlen täglich nutzen.

Voraussetzungen

• 4+ Jahre Erfahrung in Analytics Engineering, Data Engineering, BI-Entwicklung oder einer eng verwandten Rolle, mit Pipelines, die in der Produktion laufen. Uns ist wichtiger, was Sie besessen haben, als die Anzahl.
• Starke SQL-Kenntnisse und solides analytisches Datenmodellieren: geschichtete Warehouse-Designs, inkrementelle Modelle und Komfort mit unordentlicher realer Geschäftlogik.
• Analytisches Urteilsvermögen – in der Lage, eine offene kommerzielle Frage zu nehmen, zu entscheiden, was gemessen werden soll, und mit einer Antwort und einer Empfehlung zurückzukommen, anstatt nur mit einer Tabelle.
• Erfahrung mit Google Cloud ist stark bevorzugt, da unsere gesamte Plattform darauf läuft: BigQuery, Dataform, Cloud Functions, Cloud Scheduler, Pub/Sub, IAM. Wir ziehen auch Personen von AWS oder Azure in Betracht, die das Äquivalent gemacht haben – ein Cloud-Warehouse, ein Transformationsframework (Dataform oder dbt) und serverlose Funktionen und Planung.
• Python für Datenarbeit und Vertrautheit mit Git und Code-Überprüfung – plus ein Instinkt, Daten zu testen, anstatt anzunehmen, dass sie korrekt sind.
• Neugier und Komfort mit unbekannten Systemen: bereit, in Code oder Daten einzutauchen, die Sie nicht geschrieben haben, herauszufinden, was sie tun, und es für andere aufzuschreiben.
• Eine proaktive, selbstgesteuerte Arbeitsweise und das Vertrauen, Fragen zu stellen und zu sagen, wenn etwas nicht richtig aussieht. Sie werden in einem sehr kleinen Team sein.
• Englischkenntnisse auf B2+-Niveau, schriftlich und mündlich – Sie werden Systeme dokumentieren, auf die andere angewiesen sind, und täglich mit einem internationalen Team arbeiten.

Nice to Have

• Adtech- oder Performance-Marketing-Daten – Attributions- und MMP-Daten, Kohorten-LTV oder ROAS, Kampagnenkosten und Umsatzabgleich.
• Betrugs-, Anomalieerkennung oder Vertrauens- und Sicherheitsdatenarbeit.
• Ereignisgesteuerte oder nahezu Echtzeit-Pipelines – Pub/Sub, Eventarc, Kafka oder Bereitstellung von Daten über einen latenzarmen Speicher wie Redis.
• Experimentierung (A/B-Design und Auswertung) oder Unterstützung von Produktions-ML (Feature-Pipelines, Modellüberwachung).

Was wir bieten

• Vielfalt – Sie werden die Pipelines aufbauen und sie nutzen, um die Fragen zu beantworten, die wichtig sind, anstatt nur das eine oder das andere.
• Direkte Arbeit, die mit Umsatz verbunden ist, mit sichtbarem Einfluss auf das Geschäft innerhalb von Wochen.
• Eine enge Zusammenarbeit mit dem Head of Data, ein echtes Mitspracherecht beim Aufbau der Datenfunktion und Raum, um in eine Senior- oder Führungsrolle zu wachsen.
• Ein Niveau und eine Vergütung, die an das angepasst sind, was Sie mitbringen, anstatt an den Titel in der Anzeige.
• Ein profitables, bootstrapped Unternehmen, das jährlich um über 250 % wächst, wo Investitionen in Daten durch Ergebnisse und nicht durch Budgetzyklen gerechtfertigt sind.