Growth Data Engineer (RevOps)
Oversigt og nøgleindsigter
Adversus søger en Growth Data Engineer til at forbedre deres lead intelligence setup og optimere data pipelines. Stillingen involverer tæt samarbejde med RevOps og Salg for at øge kvaliteten af leads og forbedre targeting.
Højdepunkter
- Direkte indflydelse på indtægtsresultater
- Moderne teknologistak med mulighed for eksperimentering
- Tæt samarbejde med RevOps og Salg
Påkrævede kvalifikationer
- • Stærk erfaring med at bygge og drifte datarørledninger i produktion (Python + SQL)
- • Praktisk erfaring med APIs, scraping og/eller eksterne dataleverandører
- • Komfortabel med Postgres og orkestratorer som Airflow
Ønskværdige kvalifikationer
- • Erfaring med ML ranking/klassificering
- • Erfaring med LLM-drevet berigelse/indsigtsudvinding
Den ideale kandidat
Den ideelle kandidat har en solid teknisk baggrund inden for data engineering og evnen til at oversætte forretningsbehov til robuste systemer. Kandidaten skal være hands-on og i stand til at arbejde hurtigt med data for at forbedre leadgenereringsprocessen.
Jobdetaljer
Jobbeskrivelse
About Adversus
Adversus helps sales teams reach the right prospects through smarter outbound workflows and better calling. In RevOps, we turn data and sales insights into an engine that consistently produces high-quality leads and prioritizes the right outreach at the right time.
The Role
We’re hiring a Growth Data Engineer to build on and improve our existing lead intelligence setup. You’ll work closely with RevOps and Sales to expand our trigger/signal coverage, improve ICP matching, increase enrichment quality, and continuously refine scoring and lead routing based on real performance and conversation insights.
This role is highly hands-on: you’ll ship production data pipelines, improve reliability, and accelerate the feedback loop from outreach → results → better targeting.
What You’ll Do
Scale signal & trigger pipelines: Identify and operationalize triggers for outreach (e.g., hiring, tech changes, intent, funding), using scraping, APIs, and data vendors.
ICP matching & account discovery: Improve how we find and qualify companies that match our ICP across segments and markets.
Enrichment & identity resolution: Enrich accounts with relevant contacts and verified contact details; improve matching, deduplication, and data freshness.
Optimize lead flow using insights: Use sales outcomes and conversation insights to refine lead routing, sequencing, and messaging inputs.
Scoring & prioritization: Maintain and evolve lead scoring—from pragmatic rules to ML-based ranking where it adds clear value.
Production-grade pipelines: Improve observability, retries, SLAs, and data quality checks so lead delivery is reliable and measurable.
Tech Environment
You’ll work in a stack built for scale and iteration:
Postgres
ETL/Orchestration: Airbyte + Airflow
Infrastructure: Google Kubernetes Engine (GKE)
LLMs for automation and insight extraction
Workflow automation tools (we also use n8n)
Interest in emerging tooling (e.g., Claude Code / MCP) is a plus
What We’re Looking For
Strong experience building and operating data pipelines in production (Python + SQL)
Hands-on experience with APIs, scraping, and/or external data vendors (rate limits, normalization, monitoring)
Comfortable working with Postgres and orchestrators like Airflow (and/or Airbyte)
Practical understanding of data quality: matching, deduplication, freshness, and “trustworthy” outputs for commercial teams
Ability to translate business needs into robust systems (RevOps/Sales context is a big plus)
Bonus: experience with ML ranking/classification, and/or LLM-powered enrichment/insight extraction
How You’ll Be Measured
Increased volume of ICP-matching accounts and usable enriched contacts
Higher conversion from lead → meeting/pipeline (quality over raw volume)
Faster iteration cycle from insight → improved targeting/scoring
Reliability: fewer pipeline failures, better monitoring, fewer “silent data issues”
Why Adversus
Direct impact on revenue outcomes
Modern stack (GKE, Airflow/Airbyte, Postgres, LLMs) with room to experiment
Close collaboration with RevOps and Sales — you’ll see the impact of your work quickly
Karrierevej
Typisk karriereforløb
Senior Data Engineer
Data Engineering Manager
Director of Data Operations
Vækstpotentiale
Som Growth Data Engineer har du mulighed for at udvikle dine tekniske færdigheder og få erfaring med avancerede datateknologier. Med tiden kan du bevæge dig ind i ledelsesroller eller specialisere dig i machine learning og dataanalyse, hvilket kan føre til mere strategiske positioner i virksomheden.
Overførbare færdigheder
Branchekontekst
Growth Data Engineers spiller en afgørende rolle i RevOps ved at optimere salgsprocesser gennem datadrevne indsigter. Med den stigende betydning af dataanalyse i salgsstrategier er denne stilling essentiel for at maksimere effektiviteten i salgsteams.
Færdighedsanalyse
Kritiske færdigheder
Stærk erfaring med at opbygge og drive datarapporter i produktion, især med Python og SQL.
Praktisk erfaring med API-integration, scraping og håndtering af eksterne dataleverandører.
Vigtige færdigheder
Komfortabel med at arbejde med Postgres og orkestreringsværktøjer som Airflow eller Airbyte.
Praktisk forståelse af datakvalitetsmetoder som matching, deduplication og friskhed.
Evne til at oversætte forretningsbehov til robuste systemer, især i RevOps/Sales kontekst.
Ønskværdige færdigheder
Erfaring med ML-ranking og klassificering, samt LLM-drevet berigelse og indsigtudvinding.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv erfaring med at udvikle og optimere datarørledninger, specifikt med Python og SQL. Beskriv konkrete projekter, hvor du har arbejdet med API'er og data scraping for at forbedre datakvalitet og leverance.
Interviewforberedelse
Sandsynlige spørgsmål
Hvordan har du tidligere arbejdet med data pipelines i produktion?
erfaringTip: Giv konkrete eksempler på de teknologier, du har brugt, og resultaterne af dit arbejde.
Kan du beskrive en situation, hvor du skulle forbedre datakvaliteten?
situationTip: Fokuser på de metoder, du brugte til at identificere og løse problemer med datakvaliteten.
Hvilke værktøjer har du erfaring med i forhold til API'er og data scraping?
tekniskTip: Nævn specifikke værktøjer og hvordan du har anvendt dem i tidligere projekter.
Hvordan tilpasser du lead scoring til forretningsbehov?
tekniskTip: Diskuter hvordan du har brugt data til at optimere lead scoring i tidligere roller.
Hvordan arbejder du med at oversætte forretningsbehov til tekniske løsninger?
kulturTip: Giv eksempler på, hvordan du har samarbejdet med salg eller RevOps for at forstå deres behov.
Spørgsmål du kan stille
- Hvordan måler I succes i denne rolle?
- Hvilke udfordringer står I over for i jeres nuværende lead intelligence setup?
- Hvordan samarbejder RevOps og salgsteams i Adversus?
Tale punkter
- Din erfaring med at bygge skalerbare data pipelines.
- Din evne til at arbejde med tværfaglige teams og oversætte forretningsbehov til tekniske løsninger.
- Eksempler på hvordan du har brugt data til at optimere lead scoring og lead flow.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med relevante teknologier eller værktøjer.
- Usikkerhed omkring datakvalitet og håndtering af dataproblemer.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med at bygge og drifte data pipelines i produktion, især med Python og SQL.
- Beskriv konkrete eksempler på, hvordan du har arbejdet med APIs og scraping for at eksterne datakilder.
- Vis din forståelse for datakvalitet og hvordan du har implementeret løsninger til matching og deduplication.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din evne til at oversætte forretningsbehov til robuste systemer, især inden for RevOps og salg. Beskriv også din erfaring med at optimere lead flow og scoring baseret på indsigt.
Tilpasning af CV
Tilpas dit CV ved at fremhæve erfaringer relateret til de specifikke teknologier og metoder nævnt i jobopslaget, som Postgres, Airflow, og ML-baseret scoring. Inkluder resultater fra tidligere stillinger, der viser din evne til at forbedre lead conversion og datakvalitet.
Ofte stillede spørgsmål
Hvad indebærer stillingen som Growth Data Engineer hos Adversus?
Stillingen som Growth Data Engineer indebærer at forbedre og udvide Adversus' lead intelligence setup. Du vil arbejde tæt sammen med RevOps og salgsteamet for at optimere lead flow og sikre høj kvalitet i lead scoring og routing.
Hvilke kvalifikationer kræves for at ansøge om stillingen?
Vi søger en kandidat med stærk erfaring i at bygge og operere datarørledninger i produktion, samt færdigheder inden for Python og SQL. Erfaring med APIs, scraping og data kvalitet er også vigtige kvalifikationer.
Hvad tilbyder Adversus sine medarbejdere?
Adversus tilbyder en moderne tech-stak, mulighed for direkte indflydelse på virksomhedens indtægtsresultater og et dynamisk arbejdsmiljø. Vi fokuserer på at skabe en kultur, hvor innovation og samarbejde er i centrum.
Hvordan er arbejdsmiljøet hos Adversus?
Arbejdsmiljøet hos Adversus er præget af samarbejde og innovation, hvor medarbejderne opfordres til at dele idéer og eksperimentere med nye løsninger. Vi værdsætter et støttende og fleksibelt arbejdsmiljø, der fremmer personlig og faglig vækst.
Hvad er forventningerne til den, der ansættes i stillingen?
Vi forventer, at du vil øge volumen af ICP-matching konti og forbedre konverteringen fra leads til møder. Derudover skal du sikre pålidelighed i datarørledningerne og bidrage til hurtigere iterationer baseret på indsigt og performance.
Hvilke værktøjer og teknologier vil jeg arbejde med?
Du vil arbejde med en tech-stak, der inkluderer Postgres, Airflow, Airbyte og Google Kubernetes Engine. Vi anvender også LLM'er til automatisering og indsigt, samt forskellige workflow-automatiseringsværktøjer.
Hvilken erfaring er en bonus for denne stilling?
Erfaring med maskinlæring, specifikt ranking og klassifikation, samt LLM-drevet berigelse og indsigtudtrækning, vil være en stor fordel for ansøgere til stillingen.