Medarbejderindsigtsingeniør

Om Dreamdata

Dreamdata er branchens førende inden for B2B-marketingattribution og aktivering. Vi har som mål at hjælpe B2B-marketingledere endelig at forbinde deres indsats direkte til reel omsætning — at løse et komplekst problem, som har plaget branchen i årenes løb.

Grundlagt i 2018 af tidligere Trustpilot (TRST:LSE) produkt- og ingeniørledere, blev Dreamdata født ud af et behov i den virkelige verden og bygger den platform, de altid havde ønsket sig.

Det virker. Vi har opnået stærk produkt-marked-fit og oplever eksplosiv, tredoblet årlig vækst . Denne momentum understøttes nu af en nylig $55.000.000 Series B-finansieringsrunde designet til at drive vores raket som vi skalerer globalt.

Vi udvider hurtigt og leder efter enestående, topkvalitetstalenter til at hjælpe os med at forme fremtiden for B2B-marketing.

Muligheden

Dreamdata-platformen bruges af førende B2B-virksomheder til marketingattribution og aktivering. Produktet er noget særligt: en unikt fuldkommen visning af, hvordan B2B-køb faktisk foregår, på tværs af alle kanaler, som en moderne B2B-køber berører.

De data er råmaterialet til de bedste benchmarks i branchen. Vores LinkedIn Ads Benchmarks-rapport er blevet downloadet tusindvis af gange og viser sig rutinemæssigt i tredjeparts nyhedsbreve, slides og LLM-svar, når folk spørger, hvordan B2B-marketing faktisk performer. Vi vil Have Dreamdata som den kanoniske, citerede kilde til sandheden for, hvad der virker i B2B-marketing.

Vi ansætter en Staff Insights Engineer til at bygge og skalere data-grundlaget, der gør det muligt. Dette er en dybt teknisk rolle: analytics-ingeniørarbejde, data science og lagringsansvar er kernen af jobbet .

Datagrundlaget er udgangspunktet. Før Dreamdata kan offentliggøre noget, som markedet vil citere, skal nogen modellere det underliggende datasæt, få aggregering og anonymisering korrekt, sikre at en metodik holder sig til kontrol, og opbygge værktøjer, der giver os mulighed for at publicere kvalitets-svar på spørgsmål inden for timer. Det er det, du er her for at gøre. Hvis dataene under en benchmark ikke er rigtige, er intet på toppen af det noget værd at offentliggøre.

Du vil ikke gøre dette alene og du vil ikke gøre det hele. Vores marketingsafdeling vil køre redaktionel kalender, fortællingen og brandet. Du ejer alt opstrøms for det , og du arbejder i tæt partnerskab med dem; de hjælper dig med at forstå de spørgsmål, som markedet interesserer sig for, og du sikrer, at svarene er korrekte, hurtige og korrekt forankrede.

Du ejer

• Selvbetjeningslaget og de interne værktøjer marketing kører på
• Lagermodellerne, pipelines og tests bag hver offentliggjort figur
• Aggregation, anonymisering og minimum-kø-højder
• Statistisk metodologi og de forbehold, der følger med hvert tal
• Analytisk korrekthed: den rigtige prøve, nævner og skala
• Teknisk godkendelse af offentliggjorte påstande

Marketing ejer, du supporterer

• Redaktionel kalender, udgivelsesrytme og kanal-miks
• Overskrifter, fortælling og visuel polering
• Dreamdatas sociale tilstedeværelse og brand-stemme
• Journalist-, nyhedsbrev- og analytikerrelationer
• Rapportpakning, lanceringer og events
• Efterspørgselsgenererende mål

Du vil blive målt på, om datafundamentet er korrekt, hurtigt og tillidsfuldt samt hvor lidt resten af teamet skal vente på dig.

Dennes rolle rapporterer ind i vores udviklingsorganisation, arbejder dagligt sammen med marketingteamet og udvikler sig til mere ejerskab over tid. Det er en sjælden kombination: lagerrums-teknisk arbejde hvis output hele branchen ser på, frem for endnu en intern dashboard.

Nøgleansvar

De første seks måneder: opbygning af fundamentet

• Lær Dreamdata-datamodellen fra ende til anden, sammen med vores ingeniørteam, og modeller benchmark-datasættet ovenpå.
• Forbedr lag for aggregering og anonymisering.
• Vanen med dataomforminger: versionskontrollerede modeller, tests, CI og dokumentation.
• Definér metrics-definitionerne og det semantiske lag, som marketing kan forespørge uden din tilstedeværelse i rummet.
• Fastlæg metodologi-standarden: prøvestørrelser, konfidensintervaller og hvordan vi håndterer og afslører udvælgelsesbias, givet at vores data beskriver virksomheder, der køber Dreamdata frem for hele markedet.

Pågående — kør det hurtigt

• Omdann en interessant spørgsmål til et forsvarligt svar hurtigt, og fortsæt med at sænke cyklustiden. I dag venter marketing på, at ingeniørerne kører en forespørgsel; dit job er at fjerne den flaskehals permanent.
• Ej analysen bag kvartalsvise benchmark-rapporter og den gentagne data, marketing publicerer.
• Funger som teknisk gennemlæser for at sikre, at vi ikke fremsætter påstande, som data ikke understøtter.
• Hold selvbetjeningslaget godt nok til at marketing kan besvare de fleste af sine egne spørgsmål uden dig.

Krav

Nødvendigt

• Produktion SQL, i dybden. Vinduesfunktioner, inkrementelle modeller og forespørgselsoptimering i lagermæssig skala over store hændelses- og rejse-tabeller. Du skriver og finjusterer forespørgslen selv i stedet for at brief someone else til at skrive den, og du ræsonnerer om omkostninger såvel som korrekthed.
• Dataingeniør-ejerskab. Du har arbejdet på et lagermålsprojekt fra ende til anden. Dette inkluderer dimensionel eller semantisk modellering, et transformationsrammeværk som Dataform eller dbt med modeller, tests, dokumentation og CI, orkestrering og disciplinen, der holder det fra at rådne. Vi kører BigQuery på Google Cloud.
• Rigtig statistisk begrundelse. Sampling, konfidensintervaller, signifikans, kohort- og tid-til-hændelse-analyse. Du ved, hvornår en forskel er støj, og du forstår, hvad udvælgelsesbias gør ved en benchmark trukket fra én leverandørs kundebase.
• Aggregation og privatlivspolitik. Erfaring med at offentliggøre eller dele resultater afledt af kundedata, med anonymisering og minimum-køhøjde-regler, som du kan forsvare over for en sikkerhedsrevisor. Dette er ikke til forhandling.
• Klar teknisk skrivning. Du kan skrive en metodik-notat, som en marketer forstår og en analytiker ikke kan klynge hul på, og klart angive, hvad et nummer viser og ikke viser.
• Analytisk korrekte diagrammer. Du kan producere et diagram, der er korrekt — korrekt udskæring, korrekt nævner, ærlige akser — og give det til marketing og design til polering. Du behøver ikke være designer, og du forventes ikke at skrive teksten omkring det.
• Ægte nysgerrighed omkring B2B go-to-market. Du vil vide, hvad data siger om, hvordan B2B-køb faktisk foregår. Vi kan lære dig domænet; vi kan ikke lære dig interessen.
• Autonomi og flydende anvendelse af AI-værktøj. Du planlægger dit eget arbejde med lidt vejledning, og du bruger værktøjer som Claude og Cursor til at forkorte din cyklustid i stedet for at arbejde omkring dem.

Rammer

• BigQuery og Google Cloud specifikt.
• dbt kørende i stor skala, eller et andet transformationsrammeværk du har ejet i produktion.
• At have været analytikeren bag et offentligt benchmark eller datarapport.
• Python til analyse: pandas, notebooks og visualization i matplotlib, Plotly, Vega eller Tableau.
• B2B martech, RevOps, eller tilstødende: attribution, CDP’er, ABM, vækstanalyse.
• En fungerende holdning til B2B SaaS, GTM og hvordan købere faktisk opfører sig.
• Komfort som den tekniske stemme i lokalet: et podcast-afsnit om metodik, et konferenceforedrag, et opkald med en analytiker. Velkommen, aldrig påkrævet.
• En interesse i at dele dit eget arbejde offentligt, sammen med hvad marketing offentliggør.

Fordele

• Placering: Vores kontor ligger i hjertet af København med en havneudsigt
• Ejerandel: Aktionærandel i en voksende virksomhed
• Frokost: Lækker frokost tilgængelig i vores kantine
• Inklusiv kultur: Vær en del af et støttende og dynamisk team, der gør en forskel inden for B2B-marketing
• Privat forsikring: Privat sundhedsforsikring, der følger vores pensionsordning
• Kontordog

Hos Dreamdata får du mulighed for at gøre en reel forskel. Slut dig til os i at forme fremtiden for B2B-marketinganalyse og aktivering, mens du udvikler dine færdigheder og din karriere.

Vi er forpligtet til at skabe en inkluderende, mangfoldig arbejdsplads, hvor alle kan trives. Hvis du bygger datafundamenter, som du ville sætte dit navn på, og du ønsker, at arbejdet bliver set af en hel industri, vil vi gerne høre fra dig.