Data Scientist Customer Intelligence

Die Rolle

LEAP transformiert sich vom kanalbasierten Agenturmodell zum Growth Intelligence Operating System. Das bedeutet: Wir ubernehmen Verantwortung nicht nur fur Manahmen, sondern fur messbaren Unternehmenswert beim Kunden. Dieser Anspruch steht und fallt mit der Fahigkeit, Wirkung zu beweisen, nicht zu behaupten.

Du bist die Person, die diese Beweislage herstellt. Du verbindest Data Science Methodik mit tiefem Geschaftsverstandnis: Du durchdringst das Geschaftsmodell des Kunden, fuhrst heterogene Datenquellen zusammen, baust Modelle, die Zusammenhange sichtbar machen, und ubersetzt das Ergebnis in eine Sprache, die auf Vorstandsebene Entscheidungen auslost.

Du arbeitest eng mit dem Customer Success Team zusammen. Der CSM fuhrt die Kundenbeziehung und nutzt deine Analysen, um auf Entscheider-Ebene zu argumentieren, zu priorisieren und zu uberzeugen. Gleichzeitig entwickelst du LEAPs analytische Architektur weiter: neue Methoden, bessere Modelle, smartere Infrastruktur auf einem modernen AI- und MCP-Stack.

Was du tust

Geschaftsmodelle durchdringen

- Das Business des Kunden verstehen: Welche Hebel treiben Umsatz und Marge? Wo verliert der Kunde Wert, und wie druckt sich das in Daten aus?

- KPI-Frameworks entwickeln, die auf Vorstandsebene bestehen: Umsatz, Marge, CAC, Customer Lifetime Value, Marktanteil

- Fachliche Themen (SEO, CRO, AI-Sichtbarkeit) in Geschaftswirkung uberfuhren: was zahlt wie stark auf welches Ziel ein?

Daten zusammenfuhren und modellieren

- Heterogene Datenquellen verbinden: GA4, Shop-Systeme, CRM, Ads, ERP, Third Party Benchmarks

- First Party, anonyme Webdaten und Third Party Data bewerten, kombinieren und Aussagekraft einschatzen

- Statistische Modelle und Scoring-Ansatze entwickeln: Attribution, Kohortenanalyse, Funnel-Diagnostik, Predictive Signals

- Data Governance beim Kunden beurteilen: Tracking-Qualitat, Consent, Attributionslucken, fehlende Baselines

Architektur und AI-Stack weiterentwickeln

- LEAPs analytische Infrastruktur auf einem modernen MCP-Stack konzipieren und weiterentwickeln

- AI-gestutzte Analysemodule aufsetzen: LLM-basierte Datenanalyse, automatisierte Insights, Predictive Modelling

- Skalierbare Analyse-Frameworks bauen, die uber einzelne Kunden hinweg funktionieren

- Neue Methoden und Tools evaluieren und in den Arbeitsalltag integrieren

Ergebnisse ubersetzen

- Komplexe Zusammenhange so erklaren, dass ein CSM sie im Vorstandsgesprach einsetzen kann

- QBR-Substanz liefern: Trends, Benchmarks, Wettbewerbskontext, so verdichtet, dass in funf Minuten eine Entscheidung moglich ist

- Handlungsempfehlungen mit klarer Priorisierung: Was sind die drei Hebel mit dem groten Wertbeitrag?

- Das Datenmessmodell dokumentieren und verbessern: jedes Kundenprojekt scharft das Framework fur das nachste

Dein Profil

Ausbildung

- Einschlagiges Studium: Data Science, Statistik, Wirtschaftsinformatik, Mathematik, Physik, Wirtschaftswissenschaften mit quantitativem Schwerpunkt oder vergleichbar

- Promotion oder weiterfuhrende Spezialisierung ist ein Plus, aber kein Muss, wenn die praktische Erfahrung stimmt

Kern

- Data Science Methodik: statistische Modellierung, Predictive Analytics, Scoring, Clusteranalyse, Zeitreihenanalyse. Du baust Modelle, die Zusammenhange aufdecken, nicht nur beschreiben.

- Web Analytics auf exzellentem Niveau: GA4, Attribution, E-Commerce KPIs, Cross-Channel

- Heterogene Datenquellen zusammenfuhren: First Party, anonyme Webdaten, Third Party. Du weit, was belastbar ist und was nicht.

- Python fur Datenanalyse und Modellierung. SQL sicher. Mindestens ein BI-Tool auf professionellem Niveau: Tableau, Power BI oder Looker.

- Architektonisches Denken: Du kannst einen Analytics-Stack konzipieren, nicht nur darin arbeiten. Erfahrung mit MCP-Architekturen, API-Integrationen oder vergleichbaren modernen Dateninfrastrukturen.

- Du kannst komplexe Zusammenhange erklaren, sowohl schriftlich als auch mundlich, so dass Nicht-Techniker darauf Entscheidungen treffen

- Deine Deutschkenntnisse entsprechen dem C1 Niveau in Wort und Schrift

Stark von Vorteil

- Berufserfahrung in einer Rolle, in der du Geschaftsmodelle von Kunden durchdringen musstest: Agentur mit strategischem Anspruch, Beratung, oder Data-Rolle auf Kundenseite im E-Commerce

- Erfahrung mit LLM-gestutzter Datenanalyse, Prompt Engineering fur analytische Anwendungen oder AI Agents im Datenkontext

- SEO- und CRO-Metriken einordnen konnen: nicht als Spezialist, sondern als jemand, der versteht, wie sie auf Umsatz einzahlen

- Forecasting und Szenariomodellierung: nach vorn rechnen, nicht nur History auswerten

- Offentliche Vortrage oder Publikationen zu Datenthemen: Konferenzen, Meetups, Fachbeitrage

Warum LEAP

- Greenfield. Du bist die erste Person in dieser Funktion. Kein Legacy, kein Vorganger. Du definierst, wie LEAP Kundenwirkung misst, und damit, wie LEAP seinen eigenen Mehrwert beweist.

- Direkte Wirkung. Wenn ein CSM ein Renewal sichert oder eine Expansion gewinnt, steckt deine Entscheidungsgrundlage dahinter. Das ist keine Unterstutzungsfunktion, das ist der Kern von LEAPs Leistungsversprechen.

- Architektur-Ownership. Du baust nicht nur Analysen, du baust die analytische Infrastruktur von LEAP. MCP-Stack, AI-Module, skalierbare Frameworks: das ist dein Spielfeld.

- Strategische Nahe. Du arbeitest direkt mit VP Customer Success und der Geschaftsfuhrung. Keine langen Berichtswege.

- Solide Basis, klare Aufgabe. 80+ Mitarbeitende, etabliertes E-Commerce-Geschaft, starkes Neukundengeschaft, und eine prazise definierte Lucke, die du schliet.

Perspektive

Du startest als analytische Kernfunktion innerhalb Customer Success. Perspektivisch wachst die Rolle mit dem Volumen und der Komplexitat unserer Kunden. Wie genau, hangt davon ab, was du daraus machst.

Martin Skrodzki, VP Customer Success & Strategy