Data Analyst
Data Analyst — Pillar Milano · Full-time · In presenza Il contesto Pillar è l'operating system dell'edilizia. ~600 aziende clienti, oltre €2 M di ARR in meno di 10 mesi, un team che è passato da 5 a 60 persone in 6 mesi. Stiamo costruendo ERP, procurement, marketplace e servizi finanziari per un settore che vale triliardi e gira ancora su Excel e telefonate. Generiamo già una quantità enorme di dati su clienti, ricavi, utilizzo, onboarding ma i dati da soli non valgono niente. Cerchiamo qualcuno che li trasformi in comprensione.
Non in grafici: in decisioni. Quali clienti rimangono e quali no, e cosa li distingue già al giorno zero? Quale tipo di onboarding produce i clienti che restano e si espandono? etc. Tu sei la persona che va a trovare le risposte. Cosa farai Costruirai e manterrai le dashboard sulle metriche che contano davvero: ARR, NRR/GRR, retention, churn, expansion, utilizzo per modulo. Non vanity metrics i numeri su cui prendiamo decisioni. Vivrai dentro le cohort.
Segmenterai i clienti in ogni modo possibile data di firma, dimensione azienda, tipo di azienda, canale di acquisizione, tipo di onboarding, modulo attivato e cercherai i pattern. Perché questa cohort ritiene e quella no? Cosa cambia tra chi espande e chi se ne va? Analizzerai revenue retention e usage cohort: curve di retention nette e lorde, decadimento dell'utilizzo, attivazione, time-to-value. Capirai non solo che un numero si muove, ma perché. Lavorerai fianco a fianco col team di prodotto sull'instrumentation.
Quando il dato che ti serve non esiste, non ti fermi: definisci gli eventi,
ti coordini con prodotto ed engineering e lo fai tracciare. Trasformerai domande ambigue in risposte difendibili. "Perché la NRR è a questo livello%?" non è un ticket: è un'indagine che segmenti, diagnostichi e chiudi con una raccomandazione. Porterai gli insight in tavola prima che qualcuno te li chieda. Founder, GTM e prodotto si fideranno dei tuoi numeri e delle tue letture. Zero margin of error. Cosa NON farai Non sarai un produttore di dashboard a comando.
Non costruiamo grafici belli che nessuno guarda. Se una dashboard non cambia una decisione, non esiste. Non sarai un data engineer. Devi capire da dove arrivano i dati e saperli interrogare, ma non passerai le giornate a manutenere pipeline. Se ogni tanto ci metti mano, bene ma non è questo il lavoro. Non farai data science / ML. Questo non è un ruolo da modelli predittivi e training. È analisi di business, fatta con rigore. Niente teatro dell'AI. Non aspetterai il dataset perfetto. Nessuno ti consegnerà dati puliti e una domanda chiara.
Parte del lavoro è farti la domanda giusta e andare a costruire il dato che manca. Non lavorerai in un silos. Non sei un service desk che evade richieste. Sei in stanza con chi decide,
e ci aspettiamo che tu abbia opinioni. Non farai reporting fine a sé stesso. Niente report mensili compilati perché "si è sempre fatto così". Ogni cosa che produci ha un perché.
Cosa cerchiamo Esperienza solida (idealmente 3+ anni) in analytics di business in una Saa S / scale-up. La cohort analysis dev'essere una seconda natura, non qualcosa che hai sentito nominare. SQL fluente non negoziabile. Resistente con almeno un tool di BI (Metabase, Looker, Tableau o simili). Python è un must. Bonus se hai già lavorato con product analytics (es. Post Hog) e Postgres/Supabase. Padronanza vera delle metriche Saa S: ARR, NRR/GRR, retention per cohort, LTV/CAC, attivazione, expansion. Sai cosa significano e sai quando mentono.
Mentalità da cacciatore di pattern: curioso, scettico verso le medie, guardi le distribuzioni e non solo i totali. Quando un numero ti sorprende, scavi finché non capisci. A tuo agio nell'ambiguità. Sai trasformare una domanda vaga del founder in un'analisi chiara, e sai dire "questo numero non vuol dire quello che pensi". Sai parlare due lingue: quella tecnica con prodotto ed engineering (eventi, tracking, schema) e quella di business con founder e GTM. Italiano e inglese fluenti.
Curiosità per l'edilizia, il fintech o il vertical Saa S è un bonus. Come lavoriamo Siamo diretti, veloci e allergici alla fuffa. Diamo contesto e autonomia, non micromanagement. Preferiamo una verità scomoda a una slide ottimista. Comp Salary starting at 40k 2k welfare buoni pasto ESOP Se questo ti suona come casa, scrivici.
Non in grafici: in decisioni. Quali clienti rimangono e quali no, e cosa li distingue già al giorno zero? Quale tipo di onboarding produce i clienti che restano e si espandono? etc. Tu sei la persona che va a trovare le risposte. Cosa farai Costruirai e manterrai le dashboard sulle metriche che contano davvero: ARR, NRR/GRR, retention, churn, expansion, utilizzo per modulo. Non vanity metrics i numeri su cui prendiamo decisioni. Vivrai dentro le cohort.
Segmenterai i clienti in ogni modo possibile data di firma, dimensione azienda, tipo di azienda, canale di acquisizione, tipo di onboarding, modulo attivato e cercherai i pattern. Perché questa cohort ritiene e quella no? Cosa cambia tra chi espande e chi se ne va? Analizzerai revenue retention e usage cohort: curve di retention nette e lorde, decadimento dell'utilizzo, attivazione, time-to-value. Capirai non solo che un numero si muove, ma perché. Lavorerai fianco a fianco col team di prodotto sull'instrumentation.
Quando il dato che ti serve non esiste, non ti fermi: definisci gli eventi,
ti coordini con prodotto ed engineering e lo fai tracciare. Trasformerai domande ambigue in risposte difendibili. "Perché la NRR è a questo livello%?" non è un ticket: è un'indagine che segmenti, diagnostichi e chiudi con una raccomandazione. Porterai gli insight in tavola prima che qualcuno te li chieda. Founder, GTM e prodotto si fideranno dei tuoi numeri e delle tue letture. Zero margin of error. Cosa NON farai Non sarai un produttore di dashboard a comando.
Non costruiamo grafici belli che nessuno guarda. Se una dashboard non cambia una decisione, non esiste. Non sarai un data engineer. Devi capire da dove arrivano i dati e saperli interrogare, ma non passerai le giornate a manutenere pipeline. Se ogni tanto ci metti mano, bene ma non è questo il lavoro. Non farai data science / ML. Questo non è un ruolo da modelli predittivi e training. È analisi di business, fatta con rigore. Niente teatro dell'AI. Non aspetterai il dataset perfetto. Nessuno ti consegnerà dati puliti e una domanda chiara.
Parte del lavoro è farti la domanda giusta e andare a costruire il dato che manca. Non lavorerai in un silos. Non sei un service desk che evade richieste. Sei in stanza con chi decide,
e ci aspettiamo che tu abbia opinioni. Non farai reporting fine a sé stesso. Niente report mensili compilati perché "si è sempre fatto così". Ogni cosa che produci ha un perché.
Cosa cerchiamo Esperienza solida (idealmente 3+ anni) in analytics di business in una Saa S / scale-up. La cohort analysis dev'essere una seconda natura, non qualcosa che hai sentito nominare. SQL fluente non negoziabile. Resistente con almeno un tool di BI (Metabase, Looker, Tableau o simili). Python è un must. Bonus se hai già lavorato con product analytics (es. Post Hog) e Postgres/Supabase. Padronanza vera delle metriche Saa S: ARR, NRR/GRR, retention per cohort, LTV/CAC, attivazione, expansion. Sai cosa significano e sai quando mentono.
Mentalità da cacciatore di pattern: curioso, scettico verso le medie, guardi le distribuzioni e non solo i totali. Quando un numero ti sorprende, scavi finché non capisci. A tuo agio nell'ambiguità. Sai trasformare una domanda vaga del founder in un'analisi chiara, e sai dire "questo numero non vuol dire quello che pensi". Sai parlare due lingue: quella tecnica con prodotto ed engineering (eventi, tracking, schema) e quella di business con founder e GTM. Italiano e inglese fluenti.
Curiosità per l'edilizia, il fintech o il vertical Saa S è un bonus. Come lavoriamo Siamo diretti, veloci e allergici alla fuffa. Diamo contesto e autonomia, non micromanagement. Preferiamo una verità scomoda a una slide ottimista. Comp Salary starting at 40k 2k welfare buoni pasto ESOP Se questo ti suona come casa, scrivici.