Nosso cliente atua em uma etapa da compra online conhecida como "checkout" - trata-se do momento em que o consumidor precisa finalizar a compra, preenchendo o cadastro e informações de pagamento.
Em integração com os serviços de lojistas, nosso cliente oferece um sistema que preenche automaticamente os dados do comprador na hora de fechar compras. Para fazer isso, a plataforma da startup funciona com cadastros únicos para diferentes lojas : depois que o cliente faz uma primeira compra em uma loja, as informações ficam armazenadas para serem usadas em outras lojas cadastradas no sistema do nosso cliente.
O modelo de negócios da empresa funciona com cobranças nas transações.
O que você vai fazer :
- Medições de produto : definir e manter métricas como taxa de conversão, GMV, ticket médio, drop por etapa do checkout, tempo de passo, retorno por canal.
- Funis e comportamento : construir e evoluir funis (ex. : checkout) e análises de comportamento (coortes, retenção, paths) para encontrar gargalos e oportunidades.
- Dashboards (Metabase) : criar painéis autossuficientes com filtros, drill-downs e assinaturas; padronizar coleções e modelos (Saved Questions) para reuso.
- Experimentação (A / B) : ajudar no desenho de hipóteses, definição de métricas de sucesso, cálculo de tamanho de amostra e análise de resultados.
- Pipelines de dados : operar o fluxo Hevo → BigQuery → (dbt) → Metabase, garantindo qualidade, pontualidade e custo eficiente.
- Modelagem e SQL : escrever SQL performático em BigQuery; quando aplicável, modelar camadas em dbt (staging / intermediárias / marts) com testes e documentação.
- Qualidade e governança : manter dicionário de métricas / eventos, testes de dados, checks de integridade e alertas simples (ex. : assinaturas no Metabase).
- Análises ad-hoc : responder perguntas de Produto / Growth com investigações rápidas e claras, entregando recomendações acionáveis.
- Colaboração : trabalhar com Produto e Engenharia para priorizar demandas e transformar achados em decisões de roadmap.
Requisitos : Obrigatórios
SQL avançado (CTEs, janelas, agregações) e boas práticas de performance no BigQuery.Criação de dashboards (idealmente Metabase) com foco em clareza e decisão.Entendimento de métricas de produto : funis, conversão, GMV, ticket médio, coortes / retenção, LTV básico.Noções de A / B testing (hipóteses, métricas de sucesso, leitura de significância).Diferenciais (grande plus, não eliminatórios)
Familiaridade com Modern Data Stack e com o fluxo Hevo → BigQuery → Metabase.dbt no dia a dia (tests, incremental, exposures, docs, macros).Python para automações (gostamos de automatizar tudo).Observabilidade / qualidade (Elementary / Great Expectations) e otimização de custo / particionamento no BigQuery.Modelagem dimensional / semântica de métricas e experiência prévia com e-commerce / checkout.Versionamento (Git) e documentação objetiva.