> Markdown version of [/jobs/ext/3880772-data-analyst-e-commerce-h-f](https://www.wearedevelopers.com/jobs/ext/3880772-data-analyst-e-commerce-h-f). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Data Analyst - E-Commerce H/F - **Company:** Externatic - **Location:** Nantes, France (Remote available) - **Experience:** Experienced - **Salary:** €50,000.0 - €60,000.0 - **Contract:** Permanent contract - **Skills:** Data Analysis, Software as a Service, Python (Programming Language), Power BI, SQL Databases, Tableau (Software), Dataiku, Looker Analytics - **Published:** October 23, 2026 - **Apply:** https://www.hellowork.com/fr-fr/emplois/84703336.html ## About the Role Compétences techniques :Data & Code : Maîtrise avancée de SQL et Python pour la manipulation de volumes de données complexes (CRM, transactions).Analytics & Churn : Expérience solide en calcul des métriques de rétention (Churn, LTV, cohortes, segmentations RFM).Industrialisation : Capacité à automatiser et optimiser des pipelines de données (ex: Dataiku DSS, dbt).Data Visualisation : Maîtrise d'un outil de restitution (Tableau, Power BI ou Looker) pour créer des dashboards orientés business.Qualités recherchées :Sens business & produit : Capacité à transformer la data en fonctionnalités produit et en leviers de croissance.Communication : Excellent relationnel pour traduire les besoins des équipes métiers (Product, Customer Success) en solutions data.Expérience :Bac +5 en Data, Statistiques ou Ingénierie.2 à 5 ans d'expérience en E-commerce, SaaS B2B ou Analytics Marketing.Processus de recrutement (Modèle 100 % Client Final - 0% ESN)Échange qualifiant : Premier entretien avec un consultant Externatic pour faire le point sur vos compétences et vos aspirations.Entretien technique & managérial : Échange approfondi avec le CTO et le Data Engineer du client.Rencontre équipe : Échange avec les équipes Produit et RH pour valider le fit culturel., * Data & Code : Maîtrise avancée de SQL et Python pour la manipulation de volumes de données complexes (CRM, transactions). * Analytics & Churn : Expérience solide en calcul des métriques de rétention (Churn, LTV, cohortes, segmentations RFM). * Industrialisation : Capacité à automatiser et optimiser des pipelines de données (ex: Dataiku DSS, dbt). * Data Visualisation : Maîtrise d'un outil de restitution (Tableau, Power BI ou Looker) pour créer des dashboards orientés business. Qualités recherchées : * Sens business & produit : Capacité à transformer la data en fonctionnalités produit et en leviers de croissance. * Communication : Excellent relationnel pour traduire les besoins des équipes métiers (Product, Customer Success) en solutions data. Expérience : * Bac +5 en Data, Statistiques ou Ingénierie. * 2 à 5 ans d'expérience en E-commerce, SaaS B2B ou Analytics Marketing. Processus de recrutement (Modèle 100 % Client Final - 0% ESN) 1. Échange qualifiant : Premier entretien avec un consultant Externatic pour faire le point sur vos compétences et vos aspirations. 2. Entretien technique & managérial : Échange approfondi avec le CTO et le Data Engineer du client. 3. Rencontre équipe : Échange avec les équipes Produit et RH pour valider le fit culturel. EUR CRM SQL Fidélisation des clients Power BI Reporting Python ## Description En binôme étroit avec le Data Engineer et sous la responsabilité du CTO, vous piloterez des projets stratégiques intégrés directement au produit : Vos missions au quotidien - Prédiction et modélisation du churn : Concevoir et industrialiser des scores prédictifs d'attrition en croisant les données CRM, transactionnelles et comportementales des clients finaux. - Segmentation client avancée : Construire des segmentations dynamiques (ex: RFM) pour identifier les profils à forte valeur et anticiper les baisses d'engagement. - Optimisation de la rétention : Analyser l'impact des programmes de fidélité et de récompenses sur la réduction du churn et l'augmentation de la Customer Lifetime Value (LTV). - Industrialisation des workflows : Créer, optimiser et automatiser les pipelines de données (via des outils comme Dataiku DSS ou similaires) pour minimiser les temps de traitement et la charge opérationnelle. - Structuration et qualité des données : Collaborer avec les équipes Tech et Data Engineering pour structurer les datamarts et garantir la fiabilité des données collectées. - Développement de dashboards : Concevoir et maintenir des tableaux de bord interactifs (via Tableau, Power BI ou Looker) pour piloter la santé des comptes et le cycle de vie client. - Reporting ROI pour les clients B2B : Mettre en place des indicateurs clés permettant aux marques utilisatrices de la solution de mesurer facilement la performance de leurs campagnes. - Recueil des besoins métiers : Traduire les problématiques business des équipes Customer Success, Marketing et Produit en solutions data et KPI concrets. - Optimisation continue du produit : Transformer les insights analytiques en recommandations produit concrètes pour rendre la plateforme nativement plus performante.