KPI-architekt

Stack

Feladatok

• ▹Méréskeretrendszer meghatározása: az Value Builderekkel és projektmenedzserekkel együttműködve a felfedezési fázisban annak kidolgozása, hogyan mérik az egyes projektek sikerét
• ▹Homályos üzleti célok lefordítása konkrét, mérhető és cselekvésre alkalmas KPI-kra; kiindulási értékek, célok és értékelési kritériumok felállítása
• ▹Újrahasznosítható sablonok és módszertanok készítése a jövőbeli projektek gyorsítására
• ▹Ügyfelek igazítása a célokhoz: strukturált beszélgetések vezetése a sikerkritériumok tisztázására, számszerűsítésére és közös megállapodássá alakítására
• ▹Komplex elemzési kihívások támogatása: multi-touch attribúciós elemzés, prediktív modellezés, fejlett szegmentálás, különösen összetett adathalmazok értelmezése
• ▹Megoldások hatásának ellenőrzése a bevezetés után: elemzések személyes elkészítése, korreláció és ok-okozat megkülönböztetése, zavaró változók azonosítása, az eredmények helyes hozzárendelése; korrekciós javaslatok, ha a számok nem stimmelnek
• ▹Célvezérelt elemzés: minden elemzés világos céllal és következő lépéssel, az elemzési bénultság elkerülése
• ▹Az Exelab elemzési standardjainak kiépítése és karbantartása: módszertanok dokumentálása, sablonok és bevált gyakorlatok kidolgozása, a Value Builderek képzése
• ▹Portfólió-szemlélet: a több projektben megjelenő minták, visszatérő problémák, újrahasznosítható megoldások és referencia-benchmarkok azonosítása

Elvárások

• ▹Adatelemző eszközök és módszertanok magas szintű ismerete: SQL, Python/R statisztikai elemzéshez, BI-eszközök (Looker, Tableau, Power BI)
• ▹Jártasság a statisztikai elemzésben: szignifikanciatesztelés, regressziós elemzés, kohorszelemzés, A/B-tesztelési módszertan
• ▹Nagy adathalmazokkal és heterogén forrásokkal való munka képessége
• ▹Tapasztalat dashboardok és monitorozó rendszerek építésében
• ▹Mély üzleti megértés: hogyan működnek a vállalatok és mely mutatók számítanak igazán
• ▹Tapasztalat az ügyfélkapcsolati KPI-kal (konverziós arány, ügyfélszerzési költség, élettartam-érték, lemorzsolódás, NPS)
• ▹Az operatív mutatók pénzügyi hatáshoz kötésének képessége
• ▹Tudományos szemlélet: hipotézisek felállítása és tesztelése, a bizonyítékok építő szkepticizmussal való értékelése
• ▹Kiváló kommunikációs és érdekeltkezelési készség: összetett felismerések világos, cselekvésre alkalmas átadása a célközönséghez igazítva
• ▹Tapasztalat több párhuzamos projekttel/ügyféllel dolgozó környezetben (tanácsadó cég, ügynökség vagy erősen adatközpontú vállalat)
• ▹Autonómia és proaktivitás: felügyelet nélküli munka, saját idő beosztása több projekt között hatás szerint
• ▹Nyitottság az AI-eszközök tanulására és használatára az elemzésben
• ▹Olasz anyanyelv és legalább B2 szintű angol

Előny

• ▹CRM- és marketingtechnológiai ismeretek (jelentős előny)

Soft skillek

A munkáltatóról

Az Exelab nem egyetlen készterméket árul, hanem egyedi, innovatív megoldásokat épít, amelyek közvetlenül az ügyfelek üzleti céljait szolgálják (szoftver, AI-modellek, rendszerintegráció). Minden ügyfélprojektet mini termékfejlesztési ciklusként kezel, ahol a teljesítmény és az eredmények mérhetősége központi elem.