Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
IInfinitas Learning
Утрехт, Нидерланды2 месяца назад
Грейд
Middle
Опыт работы
от 3 лет
Формат работы
Гибрид
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Product Data Scientist устанавливает стандарт того, как мы измеряем и доказываем влияние на нашей цифровой образовательной платформе. Вы задаете планку надежных метрик, достоверных сравнений и обоснованных доказательств и используете ее для ответов на вопросы, которые формируют наш продукт. Сфера охватывает опыт учащихся и преподавателей на наших образовательных платформах. Становление по-настоящему основанной на данных компанией является основным столпом нашей деятельности, и эта роль важна для достижения этой цели.
Проектирование A/B-тестов и, там, где контролируемое тестирование невозможно (сезонность, когорты, привязанные к классу, поэтапное развертывание), применение квазиэкспериментальных методов, таких как разность разностей, сопоставление и прерванные временные ряды. Предварительный расчет мощности и минимального обнаруживаемого эффекта; дисциплинированное управление подглядыванием, множественными сравнениями и снижением дисперсии.
Выходите за рамки отдельных метрик и простых сравнений. Используйте модели, чтобы выяснить, что действительно движет результатом, учитывать тот факт, что пользователи находятся в группах, таких как классы и школы, валидировать наши данные и проверять предположения с помощью перспективных оценок. Это моделирование для понимания и валидации, а не для создания машинного обучения в реальном времени.
Создание доказательной базы того, что учащиеся добиваются прогресса на наших платформах. Проектирование A/B-тестов и анализов когорт для сравнения, которые проверяют, улучшают ли изменения продукта обучение, учитывая предыдущие способности, а также эффекты от преподавателей и школ.
Определение метрик успеха и ограничительных параметров для продуктовых инициатив и их валидация: измеряет ли метрика то, что мы утверждаем, достаточно ли она чувствительна для обнаружения реальных изменений, сохраняется ли она со временем и в различных сегментах. Владейте определениями, на которых строят все остальные.
Установление стандартов проведения анализа: единица анализа, когда числа могут быть агрегированы, а когда нет, взвешивание, сопоставимость между продуктами и операционными компаниями, а также то, как сообщается о неопределенности. Обзор работы других и повышение стандартов посредством этого обзора.
Работа с инженерами над созданием и оценкой агентов, поддерживающих анализ (автоматизированные отчеты об экспериментах, обнаружение аномалий, запросы к сертифицированным моделям данных). Владейте стороной оценки и ограничительными параметрами анализа: определяйте, как мы узнаем, что ответ агента верен, прежде чем доверять ему в больших масштабах.
Совместное владение планами отслеживания и инструментария с отделом инженерии. Обеспечение точности, документированности, мониторинга и отслеживаемости метрик, на которые мы полагаемся.
Превращение анализа в краткие, емкие повествования с четкими рекомендациями и честными компромиссами. Будьте одинаково готовы говорить о том, что подтверждают данные, а о чем они не могут ответить.
Вы присоединитесь к команде аналитики данных в нашем продуктовом подразделении, вместе с двумя продуктовыми аналитиками, подчиняясь руководителю отдела аналитики. Вы будете работать в гибридном режиме, с регулярными днями в нашем офисе в Утрехте.
The Product Data Scientist raises the standard of how we measure and prove impact across our digital learning platform. You set the bar for trustworthy metrics, valid comparisons, and sound evidence and use it to answer the questions that shape our product. The scope covers learner and teacher experiences across our Learning Platforms. Becoming genuinely data-driven is a core pillar for our company, and this role is important in reaching that goal.
Design A/B tests and, where controlled testing isn't possible (seasonality, classroom-locked cohorts, staged rollouts), apply quasi-experimental methods such as difference-in-differences, matching, and interrupted time series. Power analysis and minimum detectable effect up front; disciplined handling of peeking, multiple comparisons, and variance reduction.
Look beyond single metrics and simple comparisons. Use models to find what really drives an outcome, to account for the fact that users sit within groups such as classes and schools, to validate our data, and to test assumptions with forward-looking estimates. This is modelling to understand and validate not to build live machine learning.
Build the evidence base that learners make progress on our platforms. Design A/B tests and comparison-group analyses that test whether product changes improve learning, accounting for prior ability and teacher and school effects.
Define success metrics and guardrails for product initiatives, and validate them, does the metric measure what we claim, is it sensitive enough to detect real change, does it hold up over time and across segments. Own the definitions that everyone else builds on.
Set the standards for how analysis is done here: unit of analysis, when numbers may be aggregated and when they may not, weighting, comparability across products and opcos, and how uncertainty is communicated. Review the work of others and raise the bar through that review.
Work with engineers to build and evaluate agents that support analysis (automated experiment readouts, anomaly detection, querying over certified data models). Own the evaluation side and analysis guardrails: define how we know an agent's answer is correct before we trust it at scale.
Co-own tracking and instrumentation plans with Engineering. Ensure the metrics we depend on are accurate, documented, monitored, and traceable.
Turn analysis into short, sharp narratives with a clear recommendation and honest trade-offs. Be equally willing to say what the data supports and what it cannot answer.
You'll join the data team within our product organisation, alongside two product analysts, reporting to the Head of Analytics. You'll work hybrid, with regular days at our Utrecht office.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 5 390 до 6 550
