Старший аналитик коммерческой отчетности (SaaS, Python, SQL)

Что предстоит делать

О вакансии Наш клиент — частный инвестор, вкладывающий средства в софтверные компании на стадии роста. Компании из его портфеля обладают сильным product-market fit, но, будучи молодыми, не имеют единых определений коммерческих KPI — поэтому отсутствует четкое, сопоставимое представление об эффективности. Эта практическая временная роль заключается во внедрении стандартизированной отчетности уровня совета директоров в эти компании по одной за раз, начиная с ARR и аналитики "снежного кома", пока отчетность не будет построена, проверена и передана. Чем вы будете заниматься По одной компании за раз. Встраиваетесь в портфельную компанию и проводите ее через кривую зрелости данных; каждая компания — отдельный проект, выполняемый последовательно один за другим. Строите цифры. Создаете единую коммерческую отчетность с нуля, начиная с ARR и анализа "снежного кома" (New, Upsell, Downsell, Churn), чтобы предоставить руководству точное представление об эффективности. Находите истину. Выясняете, кого спрашивать и где хранятся данные; работаете напрямую с CFO или руководителем уровня C-1 и с командой данных компании, если таковая существует. Добиваетесь точности. Собираете, очищаете и сверяете данные из разрозненных систем (биллинг, главная книга, контракты, CRM) в единый источник истины, сверенный с финансовой книгой — точность является наиболее важным результатом. Передаете. После построения и валидации передаете владение портфельной компании и переходите к следующему проекту. Что мы ожидаем Экспертиза в финансах и данных. Глубокая экспертиза в финансах, данных и их анализе — способность отстаивать свои цифры и аргументированно возражать заинтересованным сторонам уровня C на основе этой экспертизы. Владение SaaS-метриками. Уверенное владение ARR, NRR, churn, "снежными комами" и сверкой биллинга с выручкой. Бизнес × техническая часть. Действительно комфортно на стыке бизнеса и технологий — одинаково легко как в коммерческой беседе, так и в практической разработке. Это самое важное; это не чисто инженерная роль по работе с данными. Практическая реализация. Способность самостоятельно строить анализ "от начала до конца" на современном стеке данных — Python и SQL, в средах типа Databricks, Azure или GCP — работая независимо в разных компаниях, как с собственными командами данных, так и без них. Инструментарий вокруг ядра может обрабатываться прагматично, в том числе с помощью AI. Детали сотрудничества Формат. Временный контракт, полная занятость; последовательные проекты по всему портфелю. Отдельные проекты длятся от ~3 месяцев до более года в зависимости от размера и сложности. Локация. Полностью удаленная работа. Возможны occasional поездки (несколько дней в месяц), но это не строгое требование. Некоторые компании могут предоставить собственное устройство. Команда и рост. Первый из нескольких последовательных наймов по мере масштабирования портфеля. Начало как можно скорее; ожидается период адаптации.