Het werk in één zin
Een Growth Data Analyst beantwoordt de vraag waar de rest van het team naar blijft raden: werkt dit, en waarom. De analist is eigenaar van de metrics, bouwt de rapporten en leest de data zoals een navigator een kaart leest – niet om de kaart zelf, maar om het team een richting te wijzen. In een growthteam zit de analist achteraan in de keten, na elke andere rol: de Growth Engineer zet de events op, en de analist maakt van die events bewijs.
Retentie is de metric onder alles
De eerste klus van de analist is meestal de retentiecurve, omdat retentie de bodem is waar elk ander cijfer op staat. Brian Balfour en het team van Reforge stellen dat zwakke retentie acquisitie en monetisatie stilletjes aan banden legt, hoe goed die er ook uitzien. De analist bouwt het cohortoverzicht – welk deel van elk aanmeldcohort op dag 1, 7 en 30 nog actief is – en kijkt of de curve afvlakt. Een curve die afvlakt, betekent dat het product een kern van gebruikers heeft die blijft; een curve die naar nul zakt, betekent dat er nog geen bedrijf is om op te schalen.
Van data naar beslissingen
Ruwe events zijn geen inzicht. De analist definieert elke metric precies – wat telt als actief, waar de funnel begint en eindigt, welke churn vrijwillig is – zodat het team discussieert over de beslissing en niet over de definitie. Daarna volgt het wekelijkse rapport dat de Growth PM en de Growth Lead lezen om de roadmap te bepalen: het cohort dat het snelst groeit, de stap in de funnel die lekt, de churn die de volgende maand waarschijnlijk brengt. De output is geen dashboard. Het is een aanbeveling met een getal erachter.
Signaal tegenover ruis
De meeste metrics die bewegen, doen er niet toe. Een goede analist besteedt evenveel tijd aan het schrappen van vanity metrics als aan het bouwen van echte – het totale aantal aanmeldingen voelt goed en voorspelt niets; activatie en retentie zijn moeilijker te beïnvloeden en voorspellen bijna alles. De discipline die teams als Amplitude en Reforge aanleren: zoek de voorlopende indicator die de uitkomst waar je om geeft echt voorspelt, en negeer de rest van de ruis die een doorsnee dashboard vult.
Hoe de rol er meestal uitziet
In een klein team is er zelden een vaste analist – het werk komt terecht bij wie zich het best thuis voelt in SQL, vaak een oprichter om elf uur ’s avonds. In een groter team is het een growth analyst of data scientist die in de growthfunctie meedraait, anders dan een BI-analist die over het bedrijf als geheel rapporteert. Functietitels verschillen; het werk blijft hetzelfde: de metrics definiëren, de rapporten bouwen en signaal van ruis scheiden, zodat het team inzet op bewijs.
Waar AI de analyse versnelt
Het ophalen en in grafieken zetten gaat sneller; de definities en de beslissing niet. In fromHello staat het ruwe materiaal van een analist op één plek: first-party events, profielen, realtime segmenten en de resultaten van journeys en berichten, met ingebouwde funnels en analyses. Via de MCP-server kan de AI-client die je al gebruikt, zoals Claude of Cursor, op verzoek een retentiecurve per dag ophalen, laten zien welke segmenten groeien of krimpen, en de prestaties van journeys en templates lezen. Dit zijn leestools, geen enkele AI-tool verstuurt een bericht, en MCP-aanroepen worden vastgelegd in je auditlog. Niets in fromHello voorspelt churn of beslist welke metric ertoe doet; dat oordeel blijft bij de analist. Wil je het afzetten tegen een suite die je kent, kijk dan bij fromHello vs. HubSpot.