Bank Salad verbessert das Leben der Benutzer durch Datendienste.
Die Mission von Bank Salad ist es, eine Umgebung zu schaffen, in der der Benutzer seine Informationen jederzeit und überall nutzen kann, und ein digitales Erlebnis zu gestalten, das den Benutzer maximal profitieren lässt. Dabei konzentrieren wir uns insbesondere auf die beiden wichtigsten Werte: 'Geld' und 'Gesundheit'.
Wir sind der Meinung, dass ein Unternehmen, das kontinuierlich innovative Produkte herausbringt, ein Startup ist.
In den letzten Jahren haben wir zunächst innovative Produkte wie das automatische Haushaltsbuch (2017), die umfassende Finanzabfrage (2018), die Empfehlung von kreditkartenbasierten Ausgaben (2018), den Kreditvergleichsdienst (2019), die Verbesserung der Kreditwürdigkeit (2019), den Finanzassistenten (2020), My Data (2022), kostenlose Genanalysen (2023), personalisierte Gesundheitsanalysen (2024), das Salatspiel (2025) und den Minzinfomaker (2025) eingeführt und damit unsere Innovationskraft unter Beweis gestellt.
In den letzten zwei Jahren wuchs unser monatlicher Umsatz um 800%, und wir konnten die Gewinnschwelle (BEP) überschreiten und damit Nachhaltigkeit und Stabilität sichern.
Durch die Synergie von Daten, die sowohl den Finanz- als auch den Gesundheitssektor ansprechen, streben wir in 5 Jahren danach, eine digitale Finanzholdinggesellschaft zu werden und in 10 Jahren eine Datenholdinggesellschaft zu sein, die Informationen als zentralen Vermögenswert betrachtet, um in verschiedenen Geschäftsbereichen zu expandieren.
Wir streben eine Kultur an, die Probleme unbegrenzt löst und einen Prozess schafft, in dem Daten sicher und effektiv genutzt werden. Wir möchten mit kollegialen Mitarbeitern zusammenarbeiten, die einen starken Willen haben, praktische Ergebnisse in Produkten und Geschäften zu erzielen.
So arbeitet PFM PA:
Die Mission von PFM (Personal Finance Management) PA ist es, auf Basis von My Data den Benutzern zu helfen, ihre Vermögens- und Verbrauchsdaten einfach und effektiv zu verwalten und zu vergrößern.
Den Benutzern wird eine individuell angepasste Vermögensanalyse, die Festlegung von Zielen zur Vermögensvermehrung und partizipative Vermögensverwaltungsdienste angeboten.
1. Die fragmentierten Vermögensinformationen können ganz einfach und intuitiv eingesehen werden.
Wir bieten die zentralen Elemente der Vermögensverwaltung intuitiv an, wie z.B. Haushaltsbuch, Vermögensabfrage und -analyse, Notfallfonds ansparen und Finanzplanung. Selbst bei einer Vielzahl von Finanzprodukten wird eine einfache und klare Bildgebung ermöglicht, sodass das Vermögensmanagement nahtlos durchgeführt werden kann.
2. Die Benutzer werden direkt zum Vermögensmanagement motiviert.
Die abgedroschenen und langweiligen Erfahrungen im Vermögensmanagement werden aktiv durch Freude und Belohnungen verändert. Der „Salat-Spiel“ Dienst mit Freunden reduziert die Ausgaben, während es den Spaß, Erinnerungen und das Gefühl der Erfüllung hervorhebt. Ähnlich dazu werden neue Dienstleistungen entwickelt, die das Vermögensmanagement nahtlos in den Alltag integrieren.
3. Um den Service innovativ weiterzuentwickeln, übernehmen wir Verantwortung für die Qualität und Skalierbarkeit der Daten.
Wir verbessern kontinuierlich die Qualität von My Data, während wir die Haushaltsdaten optimieren und die Quellen für Vermögensdaten und Informationen über Finanzprodukte erweitern, um den Service noch raffinierter zu gestalten. Dafür suchen wir Kollegen mit Fähigkeiten im Datenmanagement und der Problemlösung.
Der Datenanalyst (PFM) führt spezifische Aufgaben aus:
Er verbindet Benutzerverhaltensdaten mit Finanzdaten, um Produkterkenntnisse zu gewinnen und Verbesserungsvorschläge zu machen.
• Kombination von Benutzerverhaltensdaten und Finanzdaten zur Quantifizierung des Benutzerwerts (LTV, Umsatzbeitrag, Bindungs-/Abwanderungsfaktoren).
• Ableitung umsetzbarer Erkenntnisse und Vorschläge zur Strategie durch Analyse und Hypothesenprüfung des Geschäfts/Produkts.
• Durch Analyse und Modellierung auf Basis der verschiedenen Daten von Bank Salad wird das Verständnis über das Produkt erhöht.
Er entwirft ein Messsystem, damit das Produktteam schnell und präzise Entscheidungen treffen kann, definiert zentrale Kennzahlen und leitet Experimente.
• Gestaltung und Implementierung von zentralen Kennzahlen, die mit dem Wachstum des Produkts verknüpft sind.
• Erstellung von Ereignisprotokollen und Messung der Benutzererfahrung.
• Datenaufbereitung und -visualisierung, damit die Teammitglieder die Kennzahlen leicht verstehen und nutzen können.
• Gestaltung und Aufbau von Data Marts zur Steigerung der Analyseeffizienz.
• Durchführung und statistische Validierung von A/B-Tests.
Die folgenden Technologien (Tools) werden hauptsächlich verwendet:
• Werkzeuge zur Datenaufbereitung und -analyse: Snowflake, Metabase, Amplitude
• Sprachen: Python, SQL
Wir möchten diese Reise mit Menschen antreten, die folgende Erfahrungen suchen:
• Mindestens 4 Jahre Erfahrung in der Datenanalyse oder vergleichbare Projekterfahrung in der Produktanalyse.
• Erfahrung in der Handhabung von großen Datenmengen mit SQL undleitungen von Funnel/Cohort/Retention/Segment-Analysen.
• Die Fähigkeit, die Struktur von Finanzdaten zu verstehen oder schnell zu lernen, um Verhaltensdaten zu kombinieren und zu analysieren.
• Verständnis und praktische Erfahrung in Bezug auf A/B-Tests und Hypothesenprüfung (Definition von Kennzahlen, Versuchsdesign, Ergebnisinterpretation).
• Fähigkeit zur Kommunikation, die entscheidungsrelevant ist, indem Probleme datenbasiert strukturiert und cross-funktional in verschiedenen Arbeitsbereichen zusammengearbeitet wird.
Bevorzugte Qualifikationen
Wir bevorzugen Kandidaten mit folgenden Erfahrungen:
• Erfahrung in der Automatisierung von Analysen mit Tools wie Python, Berichterstattung und statistischer Modellierung.
• Abschlüsse (Master/Promotion) in Informatik, Mathematik, Statistik oder verwandten Bereichen.
• Erfahrung in der Datenanalyse aus verschiedenen Domains (App-Plattformen und Finanzbeziehungen) sowie datenbasierten Entscheidungsfindungen.
• Erfahrung in der Schaffung von Geschäfts-/Benutzerwirkungen durch Datenanalysen oder Modellierung.
• Erfahrung im Aufbau von Data Marts und im Design von Datenpipelines auf der Grundlage des Verständnisses von Data Warehouses (DW).
• Bevorzugt werden Erfahrungen in der systematischen Versuchsanordnung (z.B. A/B-Test) und Hypothesentests auf statistischer Grundlage.
