Data Analytics Manager Perusahaan: Ashby Tentang Peran Ini Halo, saya Kevin. Saya mengelola tim Data dan produk analitik kami di Ashby. Saya sedang merekrut Data Analytics Manager pertama kami di titik penting dalam pertumbuhan Ashby, dan saya berharap Anda memiliki kesabaran untuk membaca Posting lowongan yang mungkin sedikit tidak konvensional. Anda akan mengelola 3 Data Analyst milik Ashby: 2 analis inti dan 1 analis yang berfokus pada Revenue Operations. UntukASYOG initially, Data Engineer akan tetap melapor langsung kepada saya. Oleh karena itu, peran ini sengaja dibuat lebih fokus pada sisi analitis tim, sekaligus tetap menjadi mitra dekat dalam ekosistem data yang lebih luas. Hasil utama dari manajemen yang berhasil adalah tim analis dengan penalaran yang sangat baik, metode teknis yang kuat, komunikasi yang jelas, dansense of ownership yang mendalam. Saya mencari orang yang dapat membantu tim tersebut melakukan pekerjaan yang lebih baik, memilih pekerjaan yang lebih baik, dan berkembang ke tahap berikutnya bersama Ashby dan perusahaan. Daripada memulai dengan daftar panjang perangkat atau pengalaman bertahun-tahun, saya ingin menyampaikan 4 pertanyaan yang menjadi inti peran ini. Jika Anda melamar, jawaban Anda harus “ya” untuk setiap pertanyaan. Jika kami sempat berbicara, hal yang benar-benar ingin saya pahami adalah nuansanya: bagaimana, mengapa, dan apa yang menjadi alasan unik di balik jawaban Anda. Bisakah Anda mengidentifikasi dan merekrut orang-orang berbakat? Kami akan terus memperbesar tim analis, dan Anda akan berperan penting dalam mencari serta menilai calon anggota tim di masa depan. Analis yang great menggabungkan penalaran teknis, rasa ingin tahu, komunikasi, konteks bisnis, serta kesediaan untuk mengambil tanggung jawab atas pekerjaan dari awal hingga akhir. Bisakah Anda mengenali kombinasi tersebut pada orang lain? Bisakah Anda mengembangkan dan memperkuat praktik data yang memungkinkan tim kecil menghasilkan pekerjaan berkualitas tinggi? Tim Data Ashby bersifat ramping, dan praktik kami harus berkembang seiring perusahaan menjadi lebih kompleks. Saya melihat peran ini sebagai kesempatan untuk memperbaiki cara kami memprioritaskan pekerjaan, meninjau pekerjaan, berbagi pengetahuan, menjaga kualitas, sertaцами执照 bekerja sama. Bisakah Anda memimpin tim melalui transisi dari konteks bersama yang luas menuju spesialisasi yang bermakna? Saat ini, setiap analis dapat mengenal banyak hal tentang perusahaan dan data stack. Hal itu akan menjadi lebihtantang seiring Ashby berkembang ke berbagai produk, wilayah, sistem, dan fungsi bisnis. Kami perlu mengembangkan konteks domain yang lebih kuat dan cara kerja yang lebih jelas tanpa menjadikan tim sebagai kumpulan spesialis yang sempit dan saling terpisah. Bisakah Anda membantu tim Data menavigasi implikasi AI yang berkembang dengan cepat? AI akan memengaruhi cara analis kami bekerja, cara perusahaan memenuhi kebutuhan analitik secara mandiri, dan cara tim lain menggunakan data bisnis internal. Banyak pekerjaan tersebut bergantung pada data dari warehouse yang tepercaya, memiliki model yang baik, dan dapat diakses secara sesuai. Anda akan membantu tim Data menjelajahi dan menilai perangkat, alur kerja, serta kemitraan yang relevan dengan Bringing ambition, practicality, dan standar tinggi untuk akurasi. Keempat pertanyaan tersebut mengarah pada kenyataan sederhana: Ashby tumbuh dengan cepat, dan kebutuhan data di sekitarnya menjadi semakin kompleks. Kami menjadi perusahaan multi-produk(global dengan lebih banyak sistem bisnis dan dinamika tim yang lebih besar. Ini adalah kesempatan yang sangat baik di perusahaan yang sangat baik, tetapi pekerjaannya akan sulit dan berdampak besar. Saya mencari seorang manajer yang bersemangat untuk membantu membentuk fungsi Data dan membangun tim yang sangat baik bagi anggota tim saat ini maupun di masa depan. Tanggung Jawab Sebagai Data Analytics Manager Untuk memahami peran ini, ada baiknya memahami bagaimana tim kami bekerja saat ini. Data Analyst di Ashby adalah anggota tim Data yang bekerja secara full-stack. Kami tidak memiliki pemisahan tradisional seperti Analytics Engineer yang membangun model dan Data Analyst yang hanya melakukan analisis atas dataset yang telah disiapkan. Analis kami bekerja dengan data mentah maupun data yang telah dimodelkan, berkontribusi pada model dbt dan definisi metrik, melakukan analisis mendalam, membangun dashboard serta produk data internal lainnya, dan bekerja sama secara langsung dengan mitra di seluruh perusahaan. Sebagai gambaran umum, tim menerima pekerjaan melalui proses permintaan yang terstandardisasi. Siapa pun dapat mengajukan permintaan; kami melakukan triage, menilai kebutuhan sebenarnya, lalu memutuskan apakah permintaan tersebut dapat ditangani dengan cepat atau sebaiknya menjadi proyek yang lebih terencana dengan kickoff dan rencana kerja. Saat ini, kami tidak mengatur diri sepenuhnya berdasarkan SLA, sprint, atau poin yang berlaku universal. Sebaliknya, kami strive untuk menjadi mitra yang baik: berkomunikasi dengan jelas, menilai kapasitas secara jujur, memprioritaskan dengan cermat, dan membuat pilihan yang sengaja regarding pekerjaan yang tidak perlu dilakukan. Anda akan memiliki banyak opportunities untuk membantu proses ini berjalan dengan baik. Ashby’s Operating Principles menempatkan berpikir berdasarkan prinsip di depan kecenderungan untuk langsung mengandalkan pengalaman atau konvensi sebelumnya. Dalam praktiknya, pekerjaan di Ashby tidak selalu dimulai dengan “mari ambil semua data dan metrik”. Data merupakan salah satu alat yang berguna untuk mengurangi ketidakpastian, tetapi tidak otomatis menjadi alat pertama atau satu-satunya. Mumbai yang demikian, seiring perusahaan berkembang dan semakin banyak tim yang mengoptimalkan pekerjaan mereka, permintaan terhadap data kemungkinan akan terus meningkat. Anda akan membantu kami memenuhi permintaan tersebut dengan penalaran yang baik. Mengapa Anda Seharusnya atau Tidak Seharusnya Melamar Pada ukuran Ashby saat ini, ini merupakan peran player-coach. Anda harus siapELY bekerja langsung dengan pekerjaan analitis sambil mempelajari bisnis dan tim, serta tetap cukup dekat dengan pekerjaannya untuk Able事人Wow MHz-guidance. Anda dapat menjadi kandidat yang kuat jika: • Memiliki penalaran analitis yang luar biasa. Anda dapat menyesuaikan kedalaman dan ketelitian analisis dengan keputusan yang sedang diambil: mengetahui kapan presisi penting, kapan ketidakpastian bersifat material, dan kapan tambahan pekerjaan tidak akan mengubah hasilnya. • Mampu menghasilkan dan mengevaluasi analisis yang transparan dan rigor. Anda dapat Agencies pembaca memahami konteks masalah, data yang dipertimbangkan, asumsi, langkah pembersihan atau reduksi yang bermakna, keterbatasan, jebakan statistik, dan kesimpulan praktis. • Menjadi komunikator visual dan tertulis yang kuat. Andaума-atency terhadap tabel dan grafik yang jelas, label dan definisi yang bermakna, narasi yang koheren, serta cara menjadikan pekerjaan kompleks dapat dipahami tanpa membesar-besarkan tingkat kepastian. • Memiliki pengalaman SQL yang mendalam secara langsung, serta fluensi kerja dalam pemodelan data bergaya dbt, cloud data warehouse, dan BI tools. Anda tidak harus pernah memiliki warehouse sebagai Data Engineer, tetapi harus nyaman bekerja di seluruh analytical data stack. • Pernah memimpin, mengelola, atau secara fungsional bertindak sebagai manajer bagi praktisi data di perusahaan yang tumbuh cepat. Formal people-management pengalaman bernilai, tetapi tidak wajib jika Anda telah menunjukkan penalaran, coaching, hiring, dan kemampuan memimpin tim yang setara. • Membawa naluri seperti product manager untuk menemukan kebutuhan inti di balik suatu permintaan, memahami pengguna dan konteks bisnis, serta mengubah pertanyaan ambigu menjadi pekerjaan yang berguna. • Pragmatis dan fleksibel secara intelektual. Anda melihat data sebagai salah satu input penting untuk penalaran yang baik, bersama riset kualitatif, kolaborasi, pemahaman pengguna, dan berpikir jernih. • Sangatamiliar dengan industri B2B SaaS, alur kerja, dan struktur organisasinya. • Memiliki ketelitian dan naluri untuk menyederhanakan, bukan menambah kompleksitas, dalam segala hal. • Memiliki pengalaman di perusahaan teknologi tahap pertumbuhan yang berorientasi produk dan bersemangat untuk membantu tim ramping berkembang. Anda dapat menghargai keseluruhan distribusi sama pentingnya dengan point estimator. Dengan kata lain, Anda sebaiknya tidak melamar jika: • Mencari peran manajemen murni yang terpisah dari detail pekerjaan analitis. Anda harus nyaman bekerja langsung sambil mempelajari tim dan membantu analis menyelesaikan masalah yang sulit. • Hanya pernah bekerja di lingkungan tempat analisis baru dimulai setelah tim lain sepenuhnya menyiapkan data. Data Analyst di Ashby diharapkan bekerja di seluruh stack, mulai dari pemodelan hingga analisis akhir dan dashboard. • Kerja analisis berbasis spreadsheet saja merupakan mode kerja pilihan Anda. • Fluensi dengan SQL di modern data warehouse sangat penting. • Anda lebih memilih menggunakan metrik, dashboard, eksperimen, atau proses secara default daripada terlebih dahulu menanyakan tingkat bukti yang sebenarnya diperlukan untuk mengambil keputusan yang baik. • Mencari proyek infrastruktur data berskala konsumen. Kami memiliki dataset yang besar dan menarik (lihat laporan Talent Trends kami!), tetapi kami adalah perusahaan B2B SaaS. Dibandingkan banyak layanan B2C, kami kecil, tetapi memiliki kemampuan yang luar biasa. • Mencari pengalaman kerja yang wajib dilakukan secara langsung. Ashby operates remotely, meskipun memiliki employee hotspots di seluruh dunia dan kami bertemu secara langsung pada berbagai acara sepanjang tahun. • Pernah secara formal mengelola tim data. Naturally, peran ini penting dan merupakan kombinasi dari berbagai keterampilan. Anda mungkin tidak memenuhi setiap dimensi secara sempurna, dan itu tidak masalah. Jika hasil kali antara skill vector Anda dan requirements vector ini mendekati 1,pertimbangkan untuk melamar, tetapi perlu dicatat bahwa hasilnya tidak harus 1,0. Budaya Data di Ashby Di Ashby, kami membedakan dengan jelas kapan harus melihat data sebagai “jawabannya” dan kapan harus menggunakan data untuk membantu berpikir berdasarkan prinsip dalam pengambilan keputusan. Secara umum, pertimbangan utamanya adalah apakah data diperlukan untuk membantu memperjelas hal-hal yang tidak pasti. Ketika data dianggap diperlukan, pertimbangan kedua adalah kedalaman data yang dibutuhkan. Pertanyaan data memungkinkan eksplorasi berkelanjutan seperti “bagaimana kalau...” atau “apa jika...”, yang mungkin penting dalam situasi tertentu, tetapi tidak selalu diperlukan. Dengan dinamika tersebut dalam pikiran, kami tidak fostering lingkungan di mana setiap keputusan harus didukung oleh data. Namun, kami foster lingkungan di mana anggota tim menanyakan apakah data sesuai dengan pekerjaan yang sedang dilakukan. Hal ini memungkinkan kami menjalankan tim ramping yang berfokus pada proyek-proyek yang benar-benar memberikan leverage terhadap tujuan bisnis dan produk secara keseluruhan. Sebagai poin terkait tetapi berbeda, budaya data Ashby sangat terbuka dalam hal transparansi dan akses. Kami menyediakan akses seluruh perusahaan terhadap kondisi keuangan, kemajuan, tujuan, dan secara umum membuat data serta hasil pelaporan tersedia secara luas. Selain keterbatasan terkait apakah seorang anggota tim memiliki akses ke perangkat tertentu, hampir tidak adaatasan dalam akses terhadap keadaan perusahaan sebagaimana disampaikan melalui data atau pelaporan. Secara umum, kami ingin terus memperluas akses terbuka terhadap data di seluruh perusahaan (dengan bantuan Anda!), tetapi tetap mempertimbangkan dampaknya dan tidak menggunakannya sebagai pengganti berpikir berdasarkan prinsip :) Proses Wawancara Proses wawancara kami Thorough, tetapi kami strive untuk menghargai total waktu kandidat yang diinvestasikan. Kamiinning untuk memastikan setiap orang yang bergabung dengan tim merupakan yang tepat untuk Ashby, serta menyediakan informasi yang cukup agar Anda dapat menentukan apakah Ashby tepat untuk Anda. Proses yang diharapkan untuk peran ini adalah sebagai berikut: Hiring Manager Screen (30 menit) Technical Screen (45 menit) Assessment: Mini Analysis and Write-up (45 menit) Final Round - Virtual Onsite (~2,5, dapat dibagi ke beberapa hari) (45 menit) Data Team: Analysis and Productivity (45 menit) Data Team: Analysis and Collaboration (30 menit) Business Partnership (30 menit) Chat with a Founder (15 menit) Follow-Up Conversation + Debrief with the Hiring Manager Catatan: jangan menghubungi anggota tim Ashby yang lebih luas untuk meminta informasi tambahan atau waktu untuk terhubung. Kami akan dengan cermat meninjau seluruh lamaran secara detail setelah periode posting publik berakhir. Manfaat Gaji dan equity yang kompetitif. Jangka waktu exercise untuk stock option selama 10 tahun. Anda tidak perlu merasa tertekan untuk membeli stock option jika meninggalkan Ashby—lakukan ketika Anda merasa nyaman secara finansial. PTO tanpa batas, dan kami akan mendorong Anda untuk mengambilnya. Cuti роди minimal 12 minggu dengan pembayaran penuh, yang ditanggung oleh Ashby. Untuk orang-orang di luar AS, cuti ini mungkin lebih lama untuk sesuai dengan persyaratan masing-masing wilayah. Anggaran yang besar untuk perangkat, perangkat lunak, dan perabot kantor. Dapatkan yang Anda butuhkan agar merasa happy dan produktif! Anggaran pendidikan US$100/bulan, dengan item yang lebih mahal seperti inadequately_my conferencesRAHIDATESAG expenses covered dengan persetujuan manajer. Jika Anda berada di AS, kami menawarkan′-Tier health insurance` untuk Anda dan tanggungan, dengan 100% premi ditanggung oleh Ashby. Di negara lain, kami menyediakan supplemental health insurance berkualitas tinggi untuk Anda dan tanggungan, yang juga sepenuhnya ditanggung oleh kami. Keberhasilan Ashby bergantung pada merekrut orang-orang hebat dan menciptakan lingkungan tempat kami dapat menjadi

Data Analytics Manager

Deskripsi Pekerjaan

Ringkasan

Lowongan Terkait Lainnya

AI Trainers Network - English

AI Data Quality Specialist - English (Philippines)

Sr. Revenue Operations Analyst

Senior Data Intelligence Engineer