A função em uma frase
Um Data Analyst de growth responde à pergunta que o resto da equipe vive tentando adivinhar: isso está funcionando, e por quê. Cuida das métricas, monta os relatórios e lê os dados como um navegador lê uma carta náutica — não como um fim em si, mas para apontar um rumo à equipe. Em uma equipe de growth, fica depois de todas as outras funções: o Growth Engineer instrumenta os eventos, e o analista transforma esses eventos em evidências.
A retenção é a métrica por baixo de tudo
O primeiro trabalho do analista costuma ser a curva de retenção, porque a retenção é o piso sobre o qual todos os outros números se apoiam. Brian Balfour e a equipe da Reforge argumentam que uma retenção fraca limita silenciosamente a aquisição e a monetização, por melhores que elas pareçam. O analista monta a visão por coorte — que parcela de cada coorte de cadastro ainda está ativa no dia 1, 7 e 30 — e observa se a curva se achata. Uma curva que se achata significa que o produto tem um núcleo de usuários que fica; uma curva que cai a zero significa que ainda não há negócio para escalar.
Dos dados às decisões
Eventos brutos não são insight. O analista define cada métrica com precisão — o que conta como ativo, onde o funil começa e termina, qual churn é voluntário — para que a equipe discuta a decisão, e não a definição. Depois monta o relatório semanal que o Growth PM e o Growth Lead leem para definir o roadmap: a coorte que mais cresce, a etapa do funil que vaza, o churn que o próximo mês deve trazer. O resultado não é um painel. É uma recomendação com um número por trás.
Sinal versus ruído
A maioria das métricas que se mexem não importa. Um bom analista passa tanto tempo eliminando métricas de vaidade quanto construindo as reais — o total de cadastros dá uma ótima sensação e não prevê nada; ativação e retenção são mais difíceis de mover e preveem quase tudo. A disciplina, ensinada por equipes como as da Amplitude e da Reforge, é encontrar o indicador antecedente que de fato prevê o resultado que importa para você e ignorar o resto do ruído que enche um painel típico.
Como a função costuma aparecer
Em uma equipe pequena raramente há um analista dedicado — o trabalho cai em quem se sente mais à vontade com SQL, muitas vezes um fundador às 23h. Em uma equipe maior, é um growth analyst ou cientista de dados integrado à área de growth, diferente de um analista de business intelligence que reporta sobre a empresa como um todo. Os cargos variam; a constante é a mesma: definir as métricas, montar os relatórios e separar o sinal do ruído para que a equipe aposte em evidências.
Onde a IA acelera a análise
Extrair dados e montar gráficos fica mais rápido; as definições e a decisão, não. No fromHello, a matéria-prima do analista fica em um só lugar: eventos first-party, perfis, segmentos em tempo real e resultados de jornadas e mensagens, com funis e análises integrados. Pelo servidor MCP, o cliente de IA que você já usa, como Claude ou Cursor, pode extrair uma curva de retenção por dia, mostrar quais segmentos estão crescendo ou encolhendo e ler o desempenho de jornadas e de modelos de mensagem sob demanda. São ferramentas de leitura, nenhuma ferramenta de IA envia mensagens, e as chamadas às ferramentas MCP ficam registradas no seu log de auditoria. Nada no fromHello prevê o churn nem decide qual métrica importa; esse julgamento continua com o analista. Para compará-lo com uma suíte que você conhece, veja fromHello vs. HubSpot.