Il lavoro in una riga
Un Data Analyst nel growth risponde alla domanda su cui il resto del team continua a tirare a indovinare: funziona, e perché? È responsabile delle metriche, costruisce i report e legge i dati come un navigatore legge una carta nautica: non per il gusto di farlo, ma per indicare al team una direzione. In un growth team sta a valle di tutti gli altri ruoli: il Growth Engineer strumenta gli eventi, e l’analista trasforma quegli eventi in prove.
La retention è la metrica che sta sotto a tutto
Il primo lavoro dell’analista è di solito la curva di retention, perché la retention è il pavimento su cui poggia ogni altro numero. Brian Balfour e il team di Reforge sostengono che una retention debole limita in silenzio acquisizione e monetizzazione, per quanto queste sembrino buone. L’analista costruisce la vista per coorti (quale quota di ogni coorte di registrazione è ancora attiva al giorno 1, 7 e 30) e osserva se la curva si appiattisce. Una curva che si appiattisce significa che il prodotto ha un nucleo di utenti che trattiene; una curva che scende fino a zero significa che non c’è ancora un business da scalare.
Dai dati alle decisioni
Gli eventi grezzi non sono insight. L’analista definisce ogni metrica con precisione — cosa conta come attivo, dove inizia e dove finisce il funnel, quale churn è volontario — così il team discute della decisione invece che della definizione. Poi costruisce il report settimanale che il Growth PM e il Growth Lead leggono per fissare la roadmap: la coorte che cresce più in fretta, il passaggio del funnel che perde, il churn che il mese prossimo probabilmente porterà. Il risultato non è una dashboard. È una raccomandazione con un numero dietro.
Segnale contro rumore
La maggior parte delle metriche che si muovono non conta. Chi fa bene questo lavoro passa tanto tempo a eliminare le vanity metric quanto a costruirne di reali: il totale delle registrazioni fa piacere e non prevede nulla; attivazione e retention sono più difficili da muovere e prevedono quasi tutto. La disciplina, insegnata da team come Amplitude e Reforge, è trovare l’indicatore anticipatore che prevede davvero il risultato che ti interessa, e poi ignorare il resto del rumore che riempie una dashboard tipica.
Come si presenta di solito il ruolo
In un piccolo team raramente c’è un analista dedicato: il lavoro finisce a chi è più a suo agio con SQL, spesso un founder alle 23. In un team più grande è un growth analyst o un data scientist inserito nella funzione growth, distinto dall’analista di business intelligence che fa report sull’azienda nel suo complesso. I titoli variano; la costante resta quella: definire le metriche, costruire i report e separare il segnale dal rumore, così il team scommette sulle prove.
Dove l’IA accelera l’analisi
Estrarre i dati e farne grafici diventa più veloce; le definizioni e la decisione no. In fromHello, la materia prima di un analista sta in un solo posto: eventi first-party, profili, segmenti in tempo reale e risultati di percorsi e messaggi, con funnel e analisi integrati. Tramite il server MCP, il client IA che usi già, come Claude o Cursor, può estrarre una curva di retention per giorno, mostrare quali segmenti crescono o si riducono e leggere su richiesta le prestazioni di percorsi e template. Sono strumenti di lettura, nessuno strumento di IA invia messaggi, e le chiamate agli strumenti MCP vengono registrate nel tuo registro di audit. Niente in fromHello prevede il churn o decide quale metrica conta: quel giudizio resta all’analista. Per misurarlo con una suite che conosci, vedi fromHello vs HubSpot.