M&A Research Analyst

Eckdaten

Berlin
Research

Arbeitsmodell

Remote first
Nur DE
vor 1 Woche
Stellenbeschreibung

Über diesen Job

EquiMatch ist eine KI-gestützte Deal-Target-Generierungsplattform mit Sitz in Berlin für Private-Equity-Firmen. Wir wandeln High-Level-Investitionskriterien in kuratierte Longlists von Akquisitionszielen um – wir kombinieren strukturierte Daten, Web-Scraping-Pipelines und LLM-gestützte Anreicherung, um Unternehmen zu identifizieren, die traditionelle Datenbanken übersehen. Wir arbeiten direkt mit PE-Deal-Teams in ganz Europa zusammen und skalieren das Team, das Mandate in Pipelines umwandelt.

Aufgaben

Sie werden den Workflow verantworten, der eine Investitionsthese eines Kunden in eine hochwertige Longlist von Zielunternehmen umwandelt. Dies bedeutet im Tagesgeschäft:

  • Übersetzung von Buy-Side-Mandaten, CIMs und Akquisitionsprofilen in strukturierte Suchbereiche – Positionierung in der Wertschöpfungskette, Schlüsselwörter, Einbeziehungs- und Ausschlusskriterien
  • Erstellung von Longlists durch Abfrage unseres Backends, Ausführung von Pipelines und Kombination von Ergebnissen aus mehreren Datenquellen (unsere interne Datenbank, Drittanbieter, Web-Scraping-Daten)
  • Durchführung von Qualitätssicherungsmaßnahmen für Pipelines, bevor diese an Kunden gehen – Überprüfung der Datenqualität, der Abdeckung der Führungsebene, der Länderzuordnung und der Klausellogik

Anforderungen

  • Fließende Englischkenntnisse
  • 1–3 Jahre Erfahrung in einer analytischen Rolle
  • Jegliche Vorerfahrung in der Finanzbranche – ein Plus
  • Vorerfahrung im M&A-Bereich – ein Plus
  • Erfahrung in der Arbeit mit Unternehmensdatenbanken

Benefits

  • Echte Verantwortung
  • Eine für Hebelwirkung entwickelte Toolchain: wiederverwendbare Claude-gestützte Fähigkeiten, interne APIs und Dateninfrastruktur, die Sie mitgestalten werden
  • Ein Logenplatz dabei, wie KI eine sich langsam bewegende Ecke des Finanzwesens umgestaltet – und die Chance, den Leitfaden zu entwickeln

Wir suchen Remote-Unterstützung und priorisieren Kandidaten basierend auf relevanter Vorerfahrung und Zeitzonennähe.