Seniorindsigtsingeniør

Om Dreamdata

Dreamdata er førende inden for B2B-marketing attribution og aktivering. Vi har en mission om at hjælpe B2B-marketingledere endelig forbinde deres indsats direkte til reel omsætning — at løse et komplekst problem, der har plaget branchen i årevis.

Grundlagt i 2018 af tidligere Trustpilot (TRST:LSE) produkt- og ingeniørledere blev Dreamdata båret af et virkelighedsbehov og bygget den platform, de altid havde ønsket sig.

Det virker. Vi har opnået stærk product-market-fit og oplever eksplosiv, tredoblet-sifret vækst å/å. Denne momentum er nu understøttet af en nylig $55.000.000 Serie B-finansieringsrunde , der skal drive vores raket som vi vokser globalt.

Vi udvider hurtigt og søger exceptionel, topkvalitetstalenter til at hjælpe os med at bygge fremtiden for B2B-marketing.

Muligheden

Dreamdata Platformen bruges af førende B2B-virksomheder til at udføre marketing attribution og aktivering. Produktet er noget sjældent: et unikt fuldstændigt billede af, hvordan B2B-køb faktisk foregår, på tværs af alle kanaler, som en moderne B2B-køber berører.

Disse data er råmaterialet til de bedste benchmarks i branchen. Vores LinkedIn Ads Benchmarks-rapport er blevet downloadet tusindvis af gange og dukker rutinemæssigt op i tredjeparts nyhedsbreve, slides og LLM-svar, når folk spørger, hvordan B2B-markedsføring faktisk performer. Vi ønsker, at Dreamdata bliver den kanoniske, citerede kilde til sandheden for, hvad der virker i B2B-markedsføring.

Vi ansætter en Staff Insights Engineer for at bygge og skalere datafundamentet, der gør det muligt. Dette er en dybt teknisk rolle: analytics engineering, data science og lager-ejerskab er kernen i jobbet.

Datafundamentet er udgangspunktet. Før Dreamdata kan offentliggøre noget, som markedet vil citere, skal nogen modellere underliggende datasæt, få aggragation og anonymisering rigtigt, sikre at en metodologi står til enhver prøvelse, og bygge de værktøjer, der gør os i stand til at publicere kvalificerede svar på spørgsmål inden for timer. Det er, hvad du er her for at gøre. Hvis dataene under en benchmark ikke er rigtige, er intet, der bygges ovenpå værd at offentliggøre.

Du vil ikke gøre dette alene, og du vil ikke gøre det hele. Vores marketingteam vil køre redaktionel kalender, narrativet og brandet. Du ejer alt upstream for det , og du arbejder i tæt partnerskab med dem; de hjælper dig med at forstå, hvilke spørgsmål markedet interesserer sig for, og du sørger for, at svarene er rigtige, hurtigt og korrekt caveaterede.

Du ejer

• Self-service laget og de interne værktøjer, som marketing kører på
• Lagermodelle, pipelines og tests bag hver offentliggjort tal
• Aggregation, anonymisering og minimum-kohortetærskler
• Statistisk metodologi og de forbehold, der følger med hvert tal
• Analytisk korrekthed: det rigtige udvalg, nævner og skala
• Teknisk godkendelse af offentliggjorte påstande

Marketing ejer, du støtter

• Redaktionel kalender, udgivelsesrytme og kanal-mix
• Overskrifter, narrativ og visuel polering
• Dreamdatas sociale tilstedeværelse og brand-stemme
• Journalist-, nyhedsbrev- og analytikerrelationer
• Rapportpakning, lanceringer og events
• Efterspørgselsgenerering mål

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

Denne rolle rapporterer til vores ingeniørorganisation, arbejder dagligt sammen med marketingteamet og vokser i mere ejerskab over tid. Det er en sjælden kombination: lagerværk- teknisk arbejde, hvis output hele branchen ser, i stedet for endnu en intern dashboard.

Nøgleansvar

De første seks måneder — bygge fundamentet

• Lær Dreamdata-data modellen fra begyndelse til slut, integreret med vores ingeniørteam, og modeller benchmark-datasættet oven på den.
• Forbedre aggregations- og anonymiseringslaget.
• Stand up data transformationer ordentligt: versionsstyrede modeller, tests, CI og dokumentation.
• Definer metrikdefinitioner og det semantiske lag, som marketing kan forespørge uden dig i rummet.
• Fastlæg metodologi-standard: stikprøvestørrelser, konfidensintervaller og hvordan vi håndterer og afslører selektionsbias, givet at vores data beskriver virksomheder, der køber Dreamdata, fremfor hele markedet.

Fortsat — kør det hurtigt

• Gør et 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.
• Eje analysen bag kvartalsvise benchmark-rapporter og de tilbagevendende data, marketing offentliggør.
• Funktion som teknisk gennemgang for at sikre, at vi ikke fremsætter påstande, som data ikke understøtter.
• Hold self-serve laget godt nok, så marketing kan besvare de fleste af sine egne spørgsmål uden dig.

Krav

Must have

• Produktion SQL, i dybden. Vinduesfunktioner, inkrementelle modeller og forespørgselsoptimering i et lager-skala over store hændelses- og rejse-tabeller. Du skriver og finjusterer forespørgslen selv i stedet for at briefing nogen anden til at skrive den, og du tænker på omkostning såvel som korrekthed.
• Data engineering-ejerskab. Du har arbejdet på et lagerprojekt fra ende til anden. Dette inkluderer dimensional eller semantic modellering, et transformationsrammeværk som Dataform eller dbt med modeller, tests, docs og CI, orkestrering og den disciplin, der holder det fra at rådne. Vi kører BigQuery på Google Cloud.
• Real statistisk forankring. Udvælgelse, konfidensintervaller, signifikans, kohort- og tid-til-event-analyse. Du ved, hvornår en forskel er støj, og du forstår, hvad selektionsbias gør ved en benchmark trukket fra en leverandørs kundebase.
• Aggregations- og privatlivsdisciplin. Erfaring med at offentliggøre eller dele fund der opviser udledt fra kundedata, med anonymisering og minimum-kohort-regler, som du kan forsvare over for en sikkerhedsrevisor. Dette er ikke til forhandling.
• Klar teknisk skriftlighed. Du kan skrive en metodologianotat, som en markedsfører forstår og en analytiker ikke kan få hul i, og klart angive, hvad et tal viser og ikke viser.
• Analytisk korrekte figurer. Du kan producere en grafik, der er rigtig — korrekt udskæring, korrekt nævner, ærlige axer — og give den videre til marketing og design for polering. Du behøver ikke være designer, og du forventes ikke at skrive teksten, der omgiver den.
• Ægte nysgerrighed omkring B2B go-to-market. Du vil vide, hvad dataene siger om, hvordan B2B-køb faktisk foregår. Vi kan lære dig domænet; vi kan ikke lære dig interessen.
• Autonomi og flydende i AI-værktøj. Du afgrænser dit eget arbejde med lidt vejledning, og du bruger værktøjer som Claude og Cursor for at komprimere din cyklustid snarere end at arbejde omkring dem.

Nice to have

• Specifikt BigQuery og Google Cloud.
• dbt kørende i skala, eller et andet transformationsrammeværk, du har ejet i produktion.
• At have været analytiker bag en offentlig benchmark eller dataprodukt.
• Python til analyse: pandas, notebooks, og visualisering i matplotlib, Plotly, Vega eller Tableau.
• B2B martech, RevOps eller beslægtet: attribution, CDP’er, ABM, vækstanalyse.
• Et fungerende syn på B2B SaaS, GTM og hvordan købere faktisk opfører sig.
• Fornemmelse for at være den tekniske stemme i rummet: en podcast-segment om metodologi, en konferencepræsentation, et opkald med en analytiker. Velkommen, aldrig påkrævet.
• En interesse i at dele dit eget arbejde offentligt, sammen med det marketing offentliggør.

Fordel

• Placering: Vores kontor ligger i hjertet af København med udsigt over havnen
• Ejerandel: Aktier i en voksende virksomhed
• Frokost: Lækker frokost til rådighed i vores kantine
• Inkluderende kultur: Vær en del af et støttende og dynamisk team, der gør en forskel i B2B-markedsføringsområdet
• Privat forsikring: Privat sundhedsforsikring, der følger vores pensionsordning
• Kontordyr

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

Vi er forpligtet til at skabe et inkluderende, mangfoldigt arbejdsmiljø, hvor alle kan trives. Hvis du bygger datafundamenter, som du ville sætte dit navn på, og du vil have det arbejde set af en helt industri, vil vi gerne høre fra dig.

København