Le métier en une ligne
Un data analyst growth répond à la question que le reste de l'équipe ne fait que deviner : est-ce que ça marche, et pourquoi. Il possède les métriques, construit les rapports et lit les données comme un navigateur lit une carte — pas pour elles-mêmes, mais pour pointer l'équipe quelque part. Dans une équipe de growth, il est en aval de tous les autres rôles : le Growth Engineer instrumente les événements, et l'analyste transforme ces événements en preuves.
La rétention est la métrique sous toutes les autres
Le premier travail de l'analyste, c'est souvent la courbe de rétention, parce que la rétention est le socle sur lequel repose tout le reste. Brian Balfour et l'équipe de Reforge soutiennent qu'une rétention faible plafonne discrètement l'acquisition et la monétisation, aussi belles soient-elles. L'analyste construit la vue par cohortes — quelle part de chaque cohorte d'inscrits est encore active à J1, J7 et J30 — et observe si la courbe s'aplatit. Une courbe qui s'aplatit signifie que le produit garde un noyau d'utilisateurs ; une courbe qui décroît jusqu'à zéro signifie qu'il n'y a pas encore de business à faire grandir.
Des données aux décisions
Les événements bruts ne sont pas un insight. L'analyste définit chaque métrique avec précision — ce qui compte comme actif, où commence et finit le funnel, quel churn est volontaire — pour que l'équipe débatte de la décision plutôt que de la définition. Puis il construit le rapport hebdomadaire que lisent le Growth PM et le Growth Lead pour fixer la roadmap : la cohorte qui croît le plus vite, l'étape du funnel qui fuit, le churn que le mois suivant va probablement amener. Le résultat n'est pas un dashboard. C'est une recommandation avec un chiffre derrière.
Le signal contre le bruit
La plupart des métriques qui bougent ne comptent pas. Un bon analyste passe autant de temps à tuer les métriques de vanité qu'à en construire de vraies — le total des inscriptions fait plaisir et ne prédit rien ; l'activation et la rétention sont plus dures à bouger et prédisent presque tout. La discipline, enseignée par des équipes comme Amplitude et Reforge, c'est de trouver l'indicateur avancé qui prédit vraiment le résultat qui vous importe, puis d'ignorer le reste du bruit qui remplit un dashboard typique.
Comment le rôle apparaît en pratique
Dans une petite équipe, il y a rarement un analyste dédié — le travail tombe sur la personne la plus à l'aise en SQL, souvent un fondateur à 23h. Dans une équipe plus grande, c'est un analyste growth ou un data scientist intégré à la fonction growth, distinct d'un analyste business intelligence qui rapporte sur l'entreprise dans son ensemble. Les titres varient ; la constante reste la même : définir les métriques, construire les rapports et séparer le signal du bruit pour que l'équipe parie sur des preuves.
Un analyste dans votre équipe fromHello
fromHello exécute ce rôle comme l'un des huit spécialistes d'une équipe de growth IA. L'agent Data Analyst construit le rapport de cohortes hebdomadaire, prévoit le churn du mois suivant et signale le segment qui croît le plus vite — puis propose quoi en faire. Rien ne part tout seul : l'agent propose, vous approuvez. Si vous le comparez à une suite qu'il faudrait encore staffer et faire tourner, fromHello vs HubSpot est l'endroit honnête pour commencer à mesurer la différence.