В Imagemaker мы ищем Data Scientists, которые используют данные для принятия решений и построения интеллектуальных систем, а также для получения ценных аналитических сведений.
Вы будете работать на стыке аналитики, инженерии и бизнеса, чтобы формировать стратегию продукта (посредством экспериментов) и разрабатывать модели машинного обучения, которые оптимизируют работу в больших масштабах, позволяя отделам работать быстрее и создавать лучший клиентский опыт.
- Содействие демократизации данных и ответственному их использованию в инициативах по работе с данными и экспериментам:
- Показатели успеха: Эксперименты, модели и активы соответствуют лучшим практикам; создание дашбордов и базовая аналитика полностью делегируются ролям, не специализирующимся на данных.
- Получение аналитических сведений на основе данных для влияния на стратегические, операционные решения и решения по продуктам:
- Показатели успеха: Внедренные аналитические сведения, которые приводят к измеримым улучшениям, соответствующим приоритетам бизнеса.
- Построение аналитических и предиктивных моделей с использованием обработанных и управляемых наборов данных:
- Показатели успеха: Точные, поддерживаемые и интегрированные в процессы принятия решений решения.
- Трансформация бизнес-запросов в аналитические задачи или задачи машинного обучения:
- Показатели успеха: Совместно разработанные и внедренные командами продукты данных, решающие высокоприоритетные задачи.
- Определение и развитие метрик бизнеса и продукта:
- Показатели успеха: Постоянное применение метрик, точно измеряющих успех и производительность решений.
- Развитие аналитических возможностей и возможностей ИИ:
- Показатели успеха: Команды применяют новые и эффективные методы для решения возникающих задач.
Ключевой технический стек
- GCP: опыт работы с сервисами и инструментами анализа данных в Google Cloud Platform (GCP).
- SQL и манипулирование данными (Запрос и преобразование наборов данных для анализа и разработки моделей)
- Визуализация данных и сторителлинг (Четкое представление аналитических сведений с использованием визуальных и нарративных техник)
- Исследовательский анализ данных (Исследование данных для выявления тенденций, аномалий и формирования гипотез)
- Причинно-следственный анализ и осведомленность об этике данных (Распознавание и снижение рисков неправильного использования, предвзятости или неверных интерпретаций данных или результатов экспериментов)
- Дизайн и определение метрик (Определение и развитие ключевых метрик, которые согласовывают производительность продукта с целями бизнеса.)
- Причинно-следственная инференция и экспериментирование (Применение статистических методов и экспериментального дизайна для проверки причинно-следственных связей.)
- Мониторинг LLM (Разработка фреймворков оценки для измерения производительности функционала продукта, основанного на GenAI.)
- Ответственный и этичный ИИ (Обеспечение справедливости, объяснимости и этичного применения аналитических сведений и экспериментов.)
- Знание контекста (Развитие свободного владения информацией в конкретных вертикалях (например, лояльность, NPS, ценообразование) для руководства анализом и стратегией.)
Качественные навыки
- Критическое мышление: Оспаривание предположений путем связи данных со значимыми бизнес-вопросами.
- Коммуникация: Трансформация технических выводов в действенные формулировки для бизнеса.
- Сотрудничество: Совместная работа с командами продуктов, инженерии и бизнеса для создания и применения решений.
- Решение проблем: Руководство и выполнение анализа или моделирования с минимальным надзором.
Удаленный формат работы
