Senior BI Analyst (m/w/d) in Berlin, Berlin at Rabot Energy DE GmbH

Rabot Energy ist ein unabhängiger Anbieter dynamischer Stromtarife mit 100 % Ökostrom. Durch die Weitergabe der Börseneinkaufspreise an unsere Kund:innen reduzieren wir deren Stromrechnung im Schnitt um rund 35 %. Besitzer:innen von Elektrofahrzeugen und Smart Metern profitieren besonders, da sie automatisch dann laden, wenn die Börsenstrompreise günstig sind.

Unsere Vision ist es, jedem Menschen die Möglichkeit zu geben, den eigenen Energieverbrauch smart zu steuern und dabei Umwelt und Ressourcen zu schonen. Mit unserer Idee konnten wir bereits über 160.000 Kund:innen überzeugen – und das ist erst der Anfang.

Der Energiemarkt erlebt den größten Umbruch seit 50 Jahren. Wir verwalten den Strom nicht mehr, wir machen ihn intelligent. RABOT wächst dreistellig – bei Kund:innen, Produkten und Partnerschaften –, und mit jedem dieser Schritte wächst auch die Menge an Daten, die wir verstehen müssen.

Für Data-Menschen bringt dieses Tempo eigene Herausforderungen und Chancen mit sich, weil wir drei Dinge gleichzeitig tun müssen: unsere Daten-Grundlage ausbauen, damit das Unternehmen Zugriff auf mehr hochwertige Daten hat; unsere Prozesse und die Zusammenarbeit mit Stakeholder:innen verbessern; und AI nutzen, um zu verstärken, was ein kleines Team für ein ganzes Unternehmen leisten kann. Deshalb suchen wir eine:n erfahrene:n Analyst:in, der:die in einem Umfeld mit Raum für Business-Ergebnisse und persönliche Entwicklung Wirkung entfalten will.

Du bist die Person, die bei RABOT aus Daten Klarheit schafft – als eine der erfahrensten Stimmen im Data-Team. Du integrierst und modellierst Daten aus unterschiedlichen Quellen in unserem Data Warehouse (BigQuery/dbt), baust Dashboards und Reportings in Metabase sowie AI-basierte Skills und Workflows und machst daraus Insights, auf die sich Teams von Commercial über Operations und Product bis Customer Support verlassen. Du verantwortest deine Themen end-to-end: von der Datenanfrage über Datenmodell und KPI-Definition bis zur Entscheidung, die daraus folgt.

Du arbeitest eng mit den Fachbereichen und mit Data Engineering zusammen: Du verstehst ihre Fragen, definierst gemeinsam die richtigen KPIs und übersetzt „Wir würden da gern mal einen Blick drauf werfen …“ in belastbare Analysen. Du sorgst dafür, dass unsere Zahlen konsistent und verlässlich sind – eine gemeinsame Datengrundlage statt fünf verschiedener Wahrheiten. Und du denkst weiter als bis zum nächsten Report: Als Sparringspartner:in für die Fachbereiche und das Management-Team priorisierst du nach Impact, quantifizierst die Wirkung einer Analyse in Euro – Marge, CAC, Churn, Forecast-Abweichung – und sagst auch mal ein gut begründetes Nein zum fünften Nice-to-have-Request.

Wir denken in Ergebnissen, nicht in Aufgabenlisten. Die folgenden Punkte schauen wir uns in deinen Check-ins nach 3, 6 und 12 Monaten gemeinsam an – als gemeinsamer Plan, nicht als Prüfung.

Monat 3 (Ramp-up)

• Du verstehst unsere Datenlandschaft – Quellsysteme in Sales, Marketing, Product und Customer Support, BigQuery, dbt-Modelle, Metabase – und kannst jede zentrale Kennzahl vom Quellsystem bis zum Report nachverfolgen.
• Du hast deine ersten Dashboards und Reportings gebaut, die ein Team sofort nutzt – mit klaren KPI-Definitionen und einem QA-Check.
• Du hast die bestehende Reporting-Landschaft und ihre Business-Logik (Sales, Product, Churn/Retention) bewertet, dokumentiert und die drei größten Schwachstellen samt Lösungsvorschlag benannt.
• Du hast Beziehungen zu den wichtigsten Stakeholder:innen in Commercial, Operations, Product, Customer Support und Finance aufgebaut und weißt, wer welche Zahlen für welche Entscheidung braucht.

Monat 6 (Performance)

• Du verantwortest eine Datendomäne end-to-end – z. B. Customer & Product: dbt-Modelle, KPI-Definitionen und Dashboards, die über mehrere Fachbereiche hinweg verlässlich laufen und die du eigenständig weiterentwickelst.
• Du beantwortest Ad-hoc-Fragen schnell und fundiert – mit einer Empfehlung statt nur einer Tabelle – und hast mindestens einen Business Case quantifiziert, der zu einer Entscheidung geführt hat (z. B. CLV/CAC, Channel-Mix, eine Retention-Maßnahme).
• Datenqualität und saubere Definitionen sind etabliert und dokumentiert, inkl. QA-Routinen und DSGVO-konformer Datenverarbeitung; die Teams vertrauen deinen Zahlen und zitieren sie in Management-Meetings.
• Customer-Support-Daten sind im Data Warehouse modelliert und ins bestehende Reporting integriert, sodass Servicequalität und Kosten pro Kund:in sichtbar werden.

Monat 12 (Scale)

• Es gibt eine gemeinsame, verlässliche Datengrundlage („Single Source of Truth“) für die wichtigsten Unternehmenskennzahlen – mit dir als Owner:in der Definitionen.
• Wiederkehrendes Reporting ist automatisiert oder als Self-Service verfügbar, sodass Teams sich selbst bedienen können; rund 90 % der wiederkehrenden Reports laufen über das Warehouse und Metabase statt über Excel.
• Du bist die zentrale Ansprechperson für Analytics-Fragen und lieferst Forecasts und Trendanalysen, die über reines Reporting hinausgehen – deine Forecasts für Kundenzahlen, Mengen und Marge fließen in Planung und Budgetierung ein.
• Board- und Investor-Kennzahlen (Churn und Retention, Kohorten, Unit Economics) sind robust, transparent und auf Knopfdruck reproduzierbar.

• Senior Analyst:in: Fortgeschrittenes SQL und Datenmodellierung mit dbt auf einem Cloud Data Warehouse (bei uns BigQuery), Dashboards in einem BI-Tool (Metabase, Looker, Power BI oder Tableau), dazu Python und fortgeschrittenes Excel. Mindestens 5 Jahre Erfahrung in Data, Reporting oder BI – inklusive eigener Themenverantwortung.
• Übersetzer:in: Du übersetzt Business-Fragen in Analysen und Analysen zurück in klare Insights – für nicht-technische Stakeholder:innen genauso wie für Management und Investor:innen. Jede Zahl, die du lieferst, verstehst du im Detail.
• Präzision & Governance: Saubere Definitionen, Dokumentation, QA und DSGVO-konforme Datenverarbeitung sind für dich die Grundlage für alles Weitere – bei dir stimmen die Zahlen.
• Business- & Unternehmer:innen-Denken: Du verstehst unser Geschäftsmodell und die KPIs dahinter (Churn, CLV, Pricing, Spotpreise, Tariflogik, Akquisekanäle), erkennst, wo Marge oder Prozesse Geld verlieren, und kommst mit einer Empfehlung samt Zahl – nicht nur mit einer Analyse.
• Ownership & Vorbild: Du übernimmst Themen end-to-end, bringst Ordnung in ein Umfeld, in dem vieles noch entsteht, reviewst die Arbeit anderer und hilfst Kolleg:innen, fachlich zu wachsen.
• Sprache: Sicheres Deutsch und Englisch in Wort und Schrift – du arbeitest täglich mit deutschsprachigen Stakeholder:innen, und unsere Dokumentation ist zweisprachig.

Schön zu haben: Erfahrung im Energiemarkt, Erfahrung mit Investor-, Board- oder Due-Diligence-Reporting, Statistik und Forecasting, dbt-Tests und Arbeit mit Git, Erfahrung im Aufbau von Self-Service-Analytics sowie Scale-up-Erfahrung in einem datenintensiven, regulierten Umfeld.

• Ownership: Du baust die Analytics-Grundlage mit auf, auf der RABOT Entscheidungen trifft – bis hin zum Board- und Investor-Reporting –, mit echtem Gestaltungsspielraum und direktem Draht zu den Fachbereichen und dem Management-Team.
• Gestaltungsraum: Vieles entsteht gerade erst – du prägst mit, wie wir bei RABOT mit Daten arbeiten, statt fertige Prozesse zu bedienen.
• Kultur: Wir feiern neue Ideen und Ansätze, nehmen Lernen ernst und wissen, dass das Leben manchmal dazwischenkommt, wenn man seine beste Arbeit machen will.

• Kolleg:innenrabatt für den RABOT-Energy-Stromtarif
• Urban Sports Club Partnerschaft + Deutschlandticket

• jobs@rabot.energy