Data Scientist with ML (f/m/x)
⚲ Warszawa, Białystok, Bydgoszcz, Kraków, Gdańsk, Katowice, Lublin, Łódź, Wrocław, Poznań
Do uzgodnienia
Wymagania
- min. 5 lat doświadczenia jako Data Scientist
- biegłość w SQL — złożone zapytania, łączenie dużych zbiorów, przygotowanie danych do modelowania
- biegłość w Pythonie (pandas, numpy, scikit-learn, statsmodels lub podobne)
- doświadczenie w pracy z dużymi zbiorami danych i procesami ETL
- umiejętność pracy z danymi biznesowymi i interpretacji wyników analitycznych
- dbałość o jakość kodu i powtarzalność analiz
- umiejętność efektywnej komunikacji w języku angielskim w środowisku międzynarodowym
Mile widziane
- ekspertyza w domenie marketingu i analityki konsumenckiej
Opis stanowiska
Budowa i optymalizacja modeli predykcyjnych (churn, propensity, segmentacja, CLV, rekomendacje) oraz analiza danych konsumenckich i marketingowych dla globalnej firmy z branży tytoniowej. Uwaga: zespół jest nowo tworzony, więc mogą brakować ugruntowanych procesów, a Twoje modele będą oceniane pod kątem realnego wpływu na KPI marketingowe i P&L — presja na wyniki biznesowe będzie odczuwalna. Dla doświadczonego data scientisty z zacięciem biznesowym.
🔍 Dekoder Ogłoszenia
🔴
newly formed analytics team
Zespół jest nowy, co może oznaczać brak ugruntowanych procesów i potrzebę budowania wszystkiego od podstaw.
🔴
shaping how data drives consumer strategy and marketing performance
Twoje modele będą miały realny wpływ na strategię firmy, ale też mogą być pod presją osiągania konkretnych wyników biznesowych.
🔴
If you want your models to truly ‘move the needle’
Oczekuje się, że Twoja praca przyniesie mierzalne i znaczące rezultaty biznesowe, co może oznaczać dużą presję na wyniki.
🔴
collaborate with marketing and product teams to define analytical priorities
Możesz spotkać się z priorytetami biznesowymi, które nie zawsze będą zgodne z technicznymi możliwościami lub Twoimi preferencjami analitycznymi.
🟡
champion data-based decision-making across
Będziesz musiał aktywnie przekonywać innych do wykorzystania danych, co może oznaczać potrzebę edukowania i wpływania na kulturę organizacyjną.