ph3Data Analyst — Pillar /h3 pMilano · Full-time · In presenza /p h3Il contesto /h3 pPillar è l'operating system dell'edilizia.
~600 aziende clienti, oltre €2M di ARR in meno di 10 mesi, un team che è passato da 5 a 60 persone in 6 mesi.
Stiamo costruendo ERP, procurement, marketplace e servizi finanziari per un settore che vale triliardi e gira ancora su Excel e telefonate.
/p pGeneriamo già una quantità enorme di dati su clienti, ricavi, utilizzo, onboarding ma i dati da soli non valgono niente.
Cerchiamo qualcuno che li trasformi in comprensione.
Non in grafici: in decisioni.
/p ul liQuali clienti rimangono e quali no, e cosa li distingue già al giorno zero?
/li liQuale tipo di onboarding produce i clienti che restano e si espandono?
/li lietc.
/li /ul pTu sei la persona che va a trovare le risposte.
/p h3Cosa farai /h3 ul libCostruirai e manterrai le dashboard sulle metriche che contano davvero: /b ARR, NRR/GRR, retention, churn, expansion, utilizzo per modulo.
Non vanity metrics i numeri su cui prendiamo decisioni.
/li libVivrai dentro le cohort.
/b Segmenterai i clienti in ogni modo possibile data di firma, dimensione azienda, tipo di azienda, canale di acquisizione, tipo di onboarding, modulo attivato e cercherai i pattern.
Perché questa cohort ritiene e quella no?
Cosa cambia tra chi espande e chi se ne va?
/li libAnalizzerai revenue retention e usage cohort: /b curve di retention nette e lorde, decadimento dell'utilizzo, attivazione, time-to-value.
Capirai non solo che un numero si muove, ma perché.
/li libLavorerai fianco a fianco col team di prodotto sull'instrumentation.
/b Quando il dato che ti serve non esiste, non ti fermi: definisci gli eventi,



ti coordini con prodotto ed engineering e lo fai tracciare.
/li libTrasformerai domande ambigue in risposte difendibili.
/b "Perché la NRR è a questo livello%?" non è un ticket: è un'indagine che segmenti, diagnostichi e chiudi con una raccomandazione.
/li libPorterai gli insight in tavola prima che qualcuno te li chieda.
/b Founder, GTM e prodotto si fideranno dei tuoi numeri e delle tue letture.
Zero margin of error.
/li /ul h3Cosa NON farai /h3 ul libNon sarai un produttore di dashboard a comando.
/b Non costruiamo grafici belli che nessuno guarda.
Se una dashboard non cambia una decisione, non esiste.
/li libNon sarai un data engineer.
/b Devi capire da dove arrivano i dati e saperli interrogare, ma non passerai le giornate a manutenere pipeline.
Se ogni tanto ci metti mano, bene ma non è questo il lavoro.
/li libNon farai data science / ML.
/b Questo non è un ruolo da modelli predittivi e training.
È analisi di business, fatta con rigore.
Niente teatro dell'AI.
/li libNon aspetterai il dataset perfetto.
/b Nessuno ti consegnerà dati puliti e una domanda chiara.
Parte del lavoro è farti la domanda giusta e andare a costruire il dato che manca.
/li libNon lavorerai in un silos.
/b Non sei un service desk che evade richieste.
Sei in stanza con chi decide, e ci aspettiamo che tu abbia opinioni.
/li libNon farai reporting fine a sé stesso.




/b Niente report mensili compilati perché "si è sempre fatto così".
Ogni cosa che produci ha un perché.
/li /ul h3Cosa cerchiamo /h3 ul liEsperienza solida (idealmente 3+ anni) in analytics di business in una SaaS / scale-up.
La cohort analysis dev'essere una seconda natura, non qualcosa che hai sentito nominare.
/li libSQL fluente non negoziabile.
/b Forte con almeno un tool di BI (Metabase, Looker, Tableau o simili).
Python è un must.
Premio se hai già lavorato con product analytics (es. PostHog) e Postgres/Supabase.
/li liPadronanza vera delle metriche SaaS: ARR, NRR/GRR, retention per cohort, LTV/CAC, attivazione, expansion.
Sai cosa significano e sai quando mentono.
/li libMentalità da cacciatore di pattern: /b curioso, scettico verso le medie, guardi le distribuzioni e non solo i totali.
Quando un numero ti sorprende, scavi finché non capisci.
/li liA tuo agio nell'ambiguità.
Sai trasformare una domanda vaga del founder in un'analisi chiara, e sai dire "questo numero non vuol dire quello che pensi".
/li liSai parlare due lingue: quella tecnica con prodotto ed engineering (eventi, tracking, schema) e quella di business con founder e GTM.
/li liItaliano e inglese fluenti.
Curiosità per l'edilizia, il fintech o il vertical SaaS è un bonus.
/li /ul h3Come lavoriamo /h3 pSiamo diretti, veloci e allergici alla fuffa.
Diamo contesto e autonomia, non micromanagement.
Preferiamo una verità scomoda a una slide ottimista.
/p h3Comp /h3 ul liSalary starting at 40k /li li2k welfare /li libuoni pasto /li liESOP /li /ul pSe questo ti suona come casa, scrivici.
/p /p #J-*****-Ljbffr

📌 Data Analyst (Milano)
🏢 Pillar
📍 Milano