Revenue Data Scientist (RevOps)
Oversigt og nøgleindsigter
Adversus søger en Revenue Data Scientist til at opbygge datadrevne modeller og analyser, der forbedrer virksomhedens go-to-market strategier. Stillingen kræver en kombination af analytiske evner og forretningsforståelse for at optimere salgsprocesser og kundeprofilering.
Højdepunkter
- Nyoprettet stilling i en ny RevOps-funktion
- Direkte samarbejde med CRO
- Mulighed for betydelig indflydelse på virksomhedens målretning og pipeline kvalitet
Påkrævede kvalifikationer
- • 3+ års erfaring med data science/analytics
- • Stærke SQL og Python færdigheder
- • Erfaring med at bygge og evaluere prædiktive modeller
Ønskværdige kvalifikationer
- • Erfaring med B2B firmografiske/finansielle datakilder
- • Kendskab til almindelige revenue stack værktøjer
Den ideale kandidat
Den ideelle kandidat har en pragmatisk tilgang til dataanalyse og evnen til at omsætte indsigter til handlingsorienterede anbefalinger. Kandidaten er nysgerrig på moderne AI-værktøjer og har erfaring med at arbejde med ufuldkommen, virkelighedsnær data.
Jobdetaljer
Jobbeskrivelse
About Adversus
Adversus helps revenue teams connect with the right prospects through efficient outbound and sales engagement. We’re building a data-driven RevOps function to sharpen how we define, target, and win in our market.
The opportunity
This is a brand-new role in a newly established RevOps function. You’ll work directly with the CRO to build the data foundation and modeling capabilities that improve how we define and sharpen our Ideal Customer Profile (ICP), identify the best accounts, and enable smarter go-to-market decisions.
You’ll combine analytics, experimentation, and machine learning with a practical business mindset. If you’re excited by turning messy revenue data into clear recommendations — and you’re curious about modern GTM AI tools (e.g., using LLM workflows to analyze call transcripts and spot patterns) — this role is for you.
What you’ll do
ICP definition & sharpening: Build data-driven ICP models using firmographic/financial data, product usage signals, pipeline outcomes, and sales activity data.
Segmentation & scoring: Develop account and lead scoring approaches (statistical/ML) to prioritize the right accounts and routes-to-market.
Revenue funnel analysis: Identify drivers of conversion and drop-off across the funnel (lead → meeting → opportunity → win), and propose measurable improvements.
Experimentation: Design and evaluate GTM experiments (messaging, sequences, targeting, pricing/packaging hypotheses) with strong measurement.
Transcript & text analytics: Use modern AI/LLM tooling to analyze call transcripts, emails, and notes to identify patterns (e.g., objection themes, value props that resonate, churn drivers).
Data foundations (in partnership with RevOps/Engineering): Help define events, metrics, and schemas; ensure data quality; make analysis repeatable.
Decision support for leadership: Translate findings into actionable recommendations for Sales/Marketing/CS leadership — and help operationalize them.
What you’ll bring
3+ years in data science / analytics in a commercial context (RevOps, Growth, Sales/Marketing analytics, B2B SaaS preferred).
Hands-on experience building and evaluating predictive models (e.g., propensity, churn/retention, win probability, lead/account scoring).
Strong SQL and Python skills; comfort working with imperfect, real-world data.
Ability to define success metrics, create clear narratives, and influence stakeholders.
Curiosity about GTM AI and modern tooling (LLMs, agents, transcript analysis workflows). Experience is a plus — interest is required.
Pragmatic mindset: you optimize for impact, not “perfect models.”
Nice to have
Experience with B2B firmographic/financial data sources and enrichment.
Familiarity with common revenue stack tools (CRM, sales engagement, marketing automation, BI).
Experience with causal inference / uplift modeling / experimentation at scale.
Building lightweight internal tools (dashboards, notebooks, small services) used by commercial teams.
Why this role matters
You’ll shape how Adversus decides who to target, why they’re a fit, and how we win — with measurable impact on pipeline quality, conversion, and revenue efficiency. Because the function is new, you’ll have significant ownership and direct access to leadership.
How we work
High trust and high ownership
Direct collaboration with Sales, Marketing, CS, and leadership
We value practical, shippable insights and fast learning loops
Karrierevej
Typisk karriereforløb
Senior Revenue Data Scientist
RevOps Manager
Director of Revenue Operations
Vækstpotentiale
Som Revenue Data Scientist er der betydeligt vækstpotentiale, da efterspørgslen efter datadrevne beslutningsprocesser i salgs- og marketingfunktioner stiger. Mulighederne for at bevæge sig ind i ledelsesroller inden for RevOps eller relaterede områder er også til stede, især hvis man opbygger solide resultater og indflydelse.
Overførbare færdigheder
Branchekontekst
Stillingen som Revenue Data Scientist er afgørende i den moderne B2B SaaS-branche, hvor data spiller en central rolle i at forstå kundeprofiler og optimere salgsstrategier. Den stigende fokus på RevOps understøtter virksomheder i at maksimere indtægter gennem datadrevne indsigter.
Færdighedsanalyse
Kritiske færdigheder
3+ års erfaring inden for data science eller analytics i en kommerciel kontekst, helst i RevOps, vækst eller B2B SaaS.
Praktisk erfaring med at bygge og evaluere prædiktive modeller såsom churn/retention og lead/account scoring.
Stærke færdigheder i SQL og Python med evnen til at arbejde med ufuldstændige og virkelige data.
Vigtige færdigheder
Evne til at bygge data-drevne ICP modeller ved hjælp af forskellige datakilder.
Kapacitet til at oversætte fund til handlingsorienterede anbefalinger for ledelsen.
Evne til at optimere for effekt frem for perfekte modeller.
Ønskværdige færdigheder
Nysgerrighed og interesse for moderne GTM AI værktøjer og LLM workflows.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv relevante erfaringer ved at beskrive konkrete projekter, hvor du har anvendt data science til at forbedre forretningsresultater, samt specifikke værktøjer og metoder du har brugt.
Interviewforberedelse
Sandsynlige spørgsmål
Hvordan har du tidligere arbejdet med datadrevne ICP-modeller?
erfaringTip: Giv konkrete eksempler på projekter, hvor du har anvendt data til at definere målgrupper.
Kan du beskrive din erfaring med at udvikle og evaluere prædiktive modeller?
tekniskTip: Fokuser på metoder, værktøjer og resultater, du har opnået.
Hvordan håndterer du ufuldstændige eller 'beskidte' data?
tekniskTip: Del din tilgang til datarensning og forberedelse.
Hvordan vil du prioritere forskellige konti i en segmenteringsmodel?
tekniskTip: Diskuter metoder til scoring og prioritering af konti.
Hvad er din tilgang til at måle effekten af GTM eksperimenter?
tekniskTip: Forklar hvordan du designer eksperimenter og vurderer deres succes.
Kan du give et eksempel på, hvordan du har oversat dataindsigter til handlingsbare anbefalinger?
erfaringTip: Vær specifik omkring interessenter og resultater.
Hvordan holder du dig opdateret med nye AI-værktøjer og teknologier?
kulturTip: Vis din nysgerrighed og engagement i faglige udvikling.
Spørgsmål du kan stille
- Hvordan ser samarbejdet mellem RevOps og salgsteamet ud?
- Hvilke værktøjer bruger I i øjeblikket til databehandling og analyse?
- Hvad er de største udfordringer, teamet står overfor i øjeblikket?
Tale punkter
- Min erfaring med at bygge og evaluere prædiktive modeller.
- Hvordan jeg har brugt data til at forbedre salgseffektiviteten.
- Min interesse for at anvende moderne AI-værktøjer til dataanalyse.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med praktisk anvendelse af dataanalyse i kommercielle sammenhænge.
- Usikkerhed omkring at arbejde med ufuldstændige data.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med dataanalyse og predictive modeling, især i en kommerciel kontekst.
- Vis din nysgerrighed for GTM AI og moderne værktøjer, og hvordan du har anvendt dem tidligere.
- Inkluder konkrete eksempler på, hvordan du har skabt værdi gennem datadrevne beslutninger.
Nøgleord at inkludere
Fokus i ansøgningen
I din ansøgning skal du fremhæve din erfaring med at bygge predictive modeller, samt hvordan du har anvendt data til at forbedre salgs- og marketingstrategier.
Tilpasning af CV
Tilpas dit CV ved at inkludere specifikke projekter, hvor du har arbejdet med datadrevet beslutningstagning og GTM strategier, samt dine færdigheder inden for SQL og Python.
Ofte stillede spørgsmål
Hvad indebærer stillingen som Revenue Data Scientist?
Stillingen som Revenue Data Scientist indebærer at udvikle datadrevne modeller for at optimere vores ideelle kundesegmenter, analysere konverteringsrater i salgstragten og designe eksperimenter for at forbedre vores go-to-market strategier.
Hvilke kvalifikationer kræves for at ansøge?
Vi søger en kandidat med minimum 3 års erfaring inden for data science eller analytics, stærke færdigheder i SQL og Python, samt erfaring med at bygge og evaluere forudsigende modeller, især i en kommerciel kontekst.
Hvad tilbyder virksomheden Adversus?
Adversus tilbyder en unik mulighed for at arbejde i en nystartet RevOps funktion, med fokus på at bygge datagrundlag og analytiske kapaciteter, samt muligheden for at påvirke virksomhedens strategiske beslutninger.
Hvordan er arbejdsmiljøet hos Adversus?
Arbejdsmiljøet hos Adversus er dynamisk og samarbejdsorienteret, hvor innovation og datadrevne beslutninger er i centrum. Vi værdsætter en pragmatisk tilgang og opmuntrer til at dele viden og erfaringer.
Hvad er forventningerne til den nye medarbejder?
Den nye medarbejder forventes at kunne oversætte komplekse data til handlingsorienterede anbefalinger, arbejde selvstændigt samt samarbejde effektivt med ledelse og andre teams for at optimere vores revenue processer.
Hvilke værktøjer og teknologier vil jeg arbejde med?
Du vil arbejde med moderne AI-værktøjer som LLM til at analysere samtaletranskripter, samt have erfaring med CRM, salgshåndteringsværktøjer, marketingautomatisering og BI-løsninger.
Hvilke typer data vil jeg skulle arbejde med?
Du vil arbejde med en bred vifte af data, herunder firmografiske og finansielle data, produktanvendelsessignaler, pipeline-resultater og salgsaktivitetsdata for at skabe indsigt og anbefalinger.
Hvordan vurderes succes i denne rolle?
Succes i denne rolle vurderes gennem evnen til at definere og implementere effektive ICP-modeller, forbedre konverteringsrater og levere handlingsorienterede indsigter til ledelsen.