Senior Manager, Analytics & Experimentation // Gestionnaire senior, Analyse et expérimentation

📍 Veuillez noter : Au Canada 🇨🇦, Mistplay suit un modèle hybride de 2 jours/semaine en bureau à Toronto (400 University Ave) & Montréal (1001 Blvd. Robert-Bourassa)

📍 Please Note: In Canada 🇨🇦, Mistplay follows a 2 days/week in-office hybrid model in Toronto (400 University Ave) & Montreal (1001 Blvd. Robert-Bourassa)

Senior Manager, Analytics & Experimentation

•Set team or department goals and align them with company strategy.

•Use stakeholder priorities and roadmap as input to planning and devise clear key results.

•Mentor and coach direct reports while actively sharing feedback and managing their performance and growth.

•Lead end-to-end analytics projects, including deep dives into core product funnels, experiment design, and the development of decision models.

•Own the delivery of analytics outcomes and ensure the team strives to drive the business rather than operating as a support team.

•Partner with cross-functional leaders to define and continuously align priorities with business stakeholders.

•Advocate for tools, resourcing, and process improvements.

•Represent the team or function in leadership forums.

•Foster an inclusive and growth-oriented team culture.

•Contribute to the development of an experimentation-driven culture by sharing learnings and recommendations from experiments with key stakeholders.

•8+ years of experience in product analytics or data science, including 3-5 years of people management.

•Bachelor's degree required; Master's or MBA in a quantitative field such as Computer Science, Statistics, or Economics is preferred.

•Advanced expertise in analytics and experimentation, including A/B testing, multivariate testing, statistical analysis, and experiment design.

•Strong technical acumen in data modeling, SQL, and data pipeline management.

•Proficiency with BI platforms such as Tableau, Looker, or Power BI for dashboarding and data visualization.

•Deep foundational knowledge of core inferential statistics concepts such as significance, power, confidence intervals, and variance.

•Experience with experimentation platforms like Optimizely or Statsig.

•Skills in data analysis languages including Python.

•Familiarity with data warehouses such as Databricks.

•Pro-level ability to synthesize and communicate complex concepts and analyses in simple ways to both technical and non-technical audiences.

•Proven ability in stakeholder management, cross-functional leadership, and driving business outcomes with a solution-oriented mindset.

•Établir des objectifs d'équipe ou de département et les aligner avec la stratégie de l'entreprise.

•Utiliser les priorités des parties prenantes et la feuille de route comme intrants pour la planification et concevoir des résultats clés clairs.

•Encadrer et coacher les subordonnés directs tout en partageant activement des commentaires et en gérant leur performance et leur croissance.

•Diriger des projets d'analyse de bout en bout, y compris des analyses approfondies des entonnoirs de produits de base, la conception d'expériences et le développement de modèles de décision.

•Assumer la responsabilité de la livraison des résultats d'analyse et s'assurer que l'équipe s'efforce de faire progresser l'entreprise plutôt que d'agir comme une équipe de soutien.

•Travailler en partenariat avec les leaders interfonctionnels pour définir et aligner continuellement les priorités avec les parties prenantes de l'entreprise.

•Plaider pour les outils, les ressources et les améliorations de processus.

•Représenter l'équipe ou la fonction dans les forums de leadership.

•Favoriser une culture d'équipe inclusive et axée sur la croissance.

•Contribuer au développement d'une culture axée sur l'expérimentation en partageant les apprentissages et les recommandations des expériences avec les parties prenantes clés.

•8 ans et plus d'expérience en analyse de produit ou en science des données, incluant 3 à 5 ans de gestion de personnel.

•Baccalauréat requis; une maîtrise ou un MBA dans un domaine quantitatif tel que l'informatique, les statistiques ou l'économie est préférable.

•Expertise avancée en analyse et expérimentation, y compris les tests A/B, les tests multivariés, l'analyse statistique et la conception d'expériences.

•Solide sens technique en modélisation de données, SQL et gestion de pipelines de données.

•Maîtrise des plateformes d'intelligence d'affaires (BI) telles que Tableau, Looker ou Power BI pour le tableau de bord et la visualisation de données.

•Connaissance fondamentale approfondie des concepts de statistiques inférentielles de base tels que la signification (significance), la puissance, les intervalles de confiance et la variance.

•Expérience avec des plateformes d'expérimentation comme Optimizely ou Statsig.

•Compétences dans les langages d'analyse de données, notamment Python.

•Familiarité avec les entrepôts de données (data warehouses) tels que Databricks.

•Capacité de niveau professionnel à synthétiser et à communiquer des concepts et des analyses complexes de manière simple à des publics techniques et non techniques.

•Capacité éprouvée en gestion des parties prenantes, en leadership interfonctionnel et en obtention de résultats commerciaux avec un état d'esprit axé sur les solutions.