Du weißt, dass gute Datenarbeit nicht bei Dashboards anfängt — sondern bei der Frage, was eine Metrik überhaupt bedeutet Du hast schon mal Daten aus einer Produktivdatenbank in einen Analytics-Layer gebracht — und weißt, warum man das nicht einfach so macht Du arbeitest lieber in einem unfertigen Umfeld mit echtem Gestaltungsraum als an einem polierten Stack, den du nur verwaltest Das kommt dir bekannt vor? Dann ist es Zeit für etwas Neues! Bei uns bist du Teil einer Multi-Tenant-Plattform für E-Commerce-Buchhaltung — an der Schnittstelle von Amazon, Stripe, DATEV und allem, was Onlinehändler buchhalterisch bewegt.
Über unsere Daten wissen wir bisher erstaunlich wenig.
Du änderst das.
Aufgaben In den ersten Monaten: Du baust den Weg von unserer geshardeten MariaDB in einen Analytics-Layer, den man abfragen kann, ohne die Produktion auszubremsen Du modellierst darauf saubere, dokumentierte Datenmodelle statt gewachsener Query-Sammlungen Du legst fest, was unsere Metriken überhaupt bedeuten.
Wann ist ein Kunde aktiv? Was zählt zu MRR? Ab wann ist jemand abgewandert? Das sind fachliche Fragen — und aktuell beantwortet sie jede Abteilung anders Danach dauerhaft: Kern-Dashboards für Geschäftsführung, Sales und Support: Umsatz und MRR, Onboarding-Funnel, Churn und Churn-Frühwarnung, Feature-Adoption Ad-hoc-Analysen für konkrete Entscheidungen: Preisgestaltung, Priorisierung, wo Kunden im Produkt hängenbleiben Schnittstellen-Health: Wir haben Dutzende Anbindungen (Marktplätze, Payment-Provider, ERP-Systeme wie JTL, Xentral, Plentymarkets).
Welche laufen sauber, welche produzieren still Fehler, welche verursachen unsere Support-Last? Self-Service ermöglichen, damit nicht jede Frage über deinen Schreibtisch läuft Qualifikation SQL auf hohem Niveau — Window Functions, Query-Pläne lesen, verstehen warum eine Abfrage die Datenbank umbringt.
Bei uns hängt an derselben Datenbank die Produktion Erfahrung, Daten aus einer Produktivdatenbank in einen Analytics-Layer zu bekommen (.