About impact.com impact.com is the world’s leading commerce partnership marketing platform, transforming the way businesses grow by enabling them to discover, manage, and scale partnerships across the entire customer journey. From affiliates and influencers to content publishers, brand ambassadors, and customer advocates, impact.com empowers brands to drive trusted, performance-based growth through authentic relationships. Its award-winning products— Performance (affiliate), Creator (influencer), and Advocate (customer referral)—unify every type of partner into one integrated platform. As consumers increasingly rely on recommendations from people and communities they trust, impact.com helps brands show up where it matters most. Today, over 5,000 global brands, including Walmart, Uber, Shopify, Lenovo, L’Oréal, and Fanatics, rely on impact.com to power more than 225,000 partnerships that deliver measurable business results.

About the Role We're seeking a Senior Data Scientist specializing in Product Data Quality to join our Cape Town Data Science team. In this role, you'll own the analytical and technical foundation of product data quality across our ecosystem—spanning catalog hygiene, transaction matching, classification modeling, deduplication, and global product identity. You'll work across both the structured catalog universe and the messier, larger-scale sales transaction universe, building models and infrastructure that power search, recommendations, and business intelligence. This is a high-impact role that demands both analytical depth and strong engineering capabilities: you'll take models from research to production, build scalable data pipelines, and create the monitoring infrastructure that makes our product data foundation trustworthy and continuously improving. Your work will directly influence search relevance, recommendation quality, match rates, and reporting accuracy across the business.

Core Responsibilities

Product classification & taxonomy modeling

Develop, deploy, and maintain ML models for automated product categorization and taxonomy assignment across hierarchical category structures.
Improve classification accuracy through feature engineering (text, attributes, embeddings), model iteration, and robust evaluation on both catalog and sales transaction data.
Monitor production model performance; identify and remediate misclassification patterns that impact search, recommendations, and reporting.
Collaborate with category experts and Product teams to refine taxonomy definitions, handle edge cases, and adapt to new product types.

Catalog & sales universe data quality

Conduct deep-dive analyses into catalog completeness, consistency, and correctness across retailers, categories, and product attributes.
Own data quality analytics for the sales transaction universe —a larger, messier dataset than catalog—measuring match rates, diagnosing gaps (unmatched transactions, misattributed products), and identifying systematic failures.
Define and track catalog and transaction health KPIs (attribute coverage, schema compliance, match rates, GPID coverage, freshness); identify root causes and drive remediation.
Build monitoring systems and dashboards to track data quality trends across retailers, categories, and time periods.

Global Product ID (GPID) coverage & matching

Assess GPID (GTIN/UPC/EAN) coverage and accuracy across both catalog and sales transaction data ; identify gaps by category, retailer, and brand.
Build and improve matching algorithms to link sales transactions to catalog products, handling missing GPIDs, naming inconsistencies, and category misclassification.
Quantify the impact of GPID enrichment and matching improvements on search, deduplication, and reporting accuracy.
Partner with external data providers and brands to improve GPID coverage and resolve identifier conflicts.

Deduplication & entity resolution

Identify product variants (size, color, packaging) and duplicates within and across retailer catalogs using clustering, entity resolution, embeddings, and similarity-based techniques.
Build scalable deduplication pipelines that handle catalog and transaction data at scale; define patterns, heuristics, and ML-based approaches for variant grouping.
Measure the impact of deduplication on search quality, recommendation accuracy, and reporting; iterate on models to reduce false positives and improve precision.
Support Data Engineering and Platform teams in productionizing deduplication and entity linking infrastructure.

Manufacturer data quality & brand engagement

Evaluate the consistency and accuracy of manufacturer-level attributes (brand name, MPN, manufacturer identifiers) across catalogs and transactions.
Detect systemic issues at the brand and retailer level; build scorecards and engage brands (via the Tiger Team) to drive data quality improvements.
Create feedback loops to measure manufacturer data quality and track progress on remediation initiatives.

Product search & retrieval infrastructure

Research and prototype improvements to product search and retrieval pipelines, including vector search, semantic similarity, and embedding-based matching .
Explore and implement vector database infrastructure (e.g., FAISS, Pinecone, Weaviate) to support fast, scalable product retrieval and similarity search.
Contribute to the design and optimization of retrieval pipelines that combine text, attributes, and embeddings for search and recommendations.
Evaluate search relevance and ranking quality; iterate on indexing strategies, query preprocessing, and re-ranking models.

Product graph & relational modeling

Build and maintain product graph infrastructure that captures relationships between products, variants, brands, categories, retailers, and transactions.
Use graph-based techniques (community detection, link analysis, centrality) to identify product families, detect duplicates, and surface insights on product hierarchies.
Partner with Data Platform teams to design scalable graph storage and query patterns (e.g., Neo4j, graph extensions in BigQuery).

Insights, monitoring & reporting

Systematically identify, classify, and prioritize product data quality issues; create clear summaries, visualizations, and actionable recommendations for stakeholders.
Build and maintain dashboards and recurring reports for key product data KPIs (match rates, GPID coverage, duplicate rates, classification accuracy, attribute completeness).
Establish alerting and anomaly detection systems to proactively surface data quality degradation and model performance issues.

Engineering & production deployment

Take models and analytics prototypes from POC to production, with or without engineering partnership—owning deployment, testing, monitoring, and iteration.
Build robust, scalable data pipelines and ML workflows using production-grade tools and best practices (versioning, CI/CD, testing, observability).
Collaborate with MLOps and Data Engineering teams to ensure production readiness: reliability, latency, drift monitoring, and SLOs.

Qualifications

Required

Experience : 5+ years in data science, ML engineering, or analytics engineering, with at least 2+ years focused on product data, catalog quality, entity resolution, search/retrieval, or e-commerce/marketplace analytics.
Engineering strength : Proven ability to build production-grade data pipelines and deploy ML models independently; strong software engineering fundamentals (code quality, testing, version control, CI/CD).
Data quality expertise : Demonstrated experience analyzing and improving large-scale structured data quality (completeness, consistency, accuracy, deduplication, entity resolution).
ML & classification experience : Track record building and deploying classification models, ranking systems, or search/retrieval pipelines in production.
Technical skills :
- Strong Python and SQL; proficiency with ML libraries (scikit-learn, XGBoost, LightGBM, PyTorch/TensorFlow) and data manipulation tools (pandas, PySpark).
- Experience with entity resolution, fuzzy matching, clustering, embeddings, and similarity-based techniques (Levenshtein distance, cosine similarity, nearest-neighbor search).
- Familiarity with production ML workflows (model versioning, monitoring, evaluation, retraining, A/B testing).
- Experience with data profiling, anomaly detection, and exploratory analysis at scale.
Analytical rigor : Strong foundation in statistics and ML; ability to design experiments, validate models, interpret results, and communicate insights with business context.
Stakeholder collaboration : Experience working cross-functionally with Product, Engineering, and business teams; ability to translate technical work into actionable recommendations.
Education : Bachelor's in a quantitative field (CS, Statistics, Math, Engineering, or similar); Master's/PhD preferred.

Preferred / Nice to have

Experience with vector search and embeddings (sentence transformers, OpenAI embeddings, BERT-based models) and vector databases (FAISS, Pinecone, Weaviate, Milvus, pgvector).
Familiarity with search and retrieval systems (Elasticsearch, Solr, semantic search, BM25, hybrid ranking) and understanding how data quality impacts relevance.
Experience with graph databases and graph analytics (Neo4j, NetworkX, graph algorithms for clustering and link prediction).
Knowledge of NLP techniques for product data (text classification, named entity recognition, attribute extraction, title/description parsing, semantic similarity).
Experience with multimodal modeling (combining text, images, and structured attributes for classification or retrieval).
Familiarity with global product identifiers (GTIN/UPC/EAN, MPN, SKU hierarchies) and standards organizations (GS1, GDSN).
Experience with deduplication and record linkage at scale (blocking strategies, probabilistic matching, hierarchical clustering).
Familiarity with GCP tools (BigQuery, Vertex AI, Dataflow, Cloud Run, Looker) and/or Databricks/Spark for large-scale processing and deployment.
Exposure to master data management (MDM) or data governance practices in product or catalog contexts.
Experience with recommendation systems or understanding how product data quality impacts personalization and ranking.

What sets you apart

Product data obsession : You care deeply about data quality and understand how poor catalog hygiene cascades into user experience, business reporting, and operational inefficiencies.
Engineering mindset : You don't just build prototypes—you ship them. You write clean, tested, production-ready code and can own the full lifecycle from research to deployment.
Detective instincts : You love digging into messy data, finding patterns, and uncovering root causes—whether it's a systematic retailer issue, a subtle duplicate cluster, or a classification edge case.
Pragmatic prioritization : You balance comprehensiveness with impact, focusing on the 20% of issues that drive 80% of quality problems and business value.
Search & retrieval intuition : You understand how product data powers search and recommendations, and you know how to build infrastructure (embeddings, vector DBs, graphs) that makes these systems work at scale.
Stakeholder fluency : You translate messy data findings into clear, actionable recommendations and build trust with brands, retailers, Product, and Engineering teams.
Comfort with ambiguity : You thrive in evolving data ecosystems, defining your own quality metrics and technical roadmaps when the problem space is still being shaped.

Benefits and Perks: At impact.com, we believe that when you’re happy and fulfilled, you do your best work. That’s why we’ve built a benefits package that supports your well-being, growth, and work-life balance.

Flexible Working: Our Responsible PTO policy means you can take the time off you need to rest and recharge. We're committed to a positive work-life balance and provide a flexible environment that allows you to be happy and fulfilled in both your career and your personal life.
Health and Wellness: Your well-being is a priority. Our mental health and wellness benefit includes up to 12 fully covered therapy/coaching sessions per year , with additional dependent coverage. We also offer a monthly gym reimbursement policy to support your physical health.
A Stake in Our Growth: We offer Restricted Stock Units (RSUs) as part of our total compensation, giving you a stake in the company's growth with a 3-year vesting schedule, pending Board approval.
Investing in Your Growth: We’re committed to your continuous learning. Take advantage of our free Coursera subscription and our PXA courses.
Parental Support: We offer a generous parental leave policy, 26 weeks of fully paid leave for the primary caregiver and 13 weeks fully paid leave for the secondary caregiver.
Technology Financial Support: We provide a technology stipend to help you set up your home office and a monthly allowance to cover your internet expenses

impact.com is proud to be an equal opportunity workplace. All employees and applicants for employment shall be given fair treatment and equal employment opportunity regardless of their race, ethnicity or ancestry, color or caste, religion or belief, age, sex (including gender identity, gender reassignment, sexual orientation, pregnancy/maternity), national origin, weight, neurodivergence, disability, marital and civil partnership status, caregiving status, veteran status, genetic information, political affiliation, or other prohibited non-merit factors.

Core Responsibilities

Product classification & taxonomy modeling

Develop, deploy, and maintain ML models for automated product categorization and taxonomy assignment across hierarchical category structures.
Improve classification accuracy through feature engineering (text, attributes, embeddings), model iteration, and robust evaluation on both catalog and sales transaction data.
Monitor production model performance; identify and remediate misclassification patterns that impact search, recommendations, and reporting.
Collaborate with category experts and Product teams to refine taxonomy definitions, handle edge cases, and adapt to new product types.

Catalog & sales universe data quality

Conduct deep-dive analyses into catalog completeness, consistency, and correctness across retailers, categories, and product attributes.
Own data quality analytics for the sales transaction universe —a larger, messier dataset than catalog—measuring match rates, diagnosing gaps (unmatched transactions, misattributed products), and identifying systematic failures.
Define and track catalog and transaction health KPIs (attribute coverage, schema compliance, match rates, GPID coverage, freshness); identify root causes and drive remediation.
Build monitoring systems and dashboards to track data quality trends across retailers, categories, and time periods.

Global Product ID (GPID) coverage & matching

Assess GPID (GTIN/UPC/EAN) coverage and accuracy across both catalog and sales transaction data ; identify gaps by category, retailer, and brand.
Build and improve matching algorithms to link sales transactions to catalog products, handling missing GPIDs, naming inconsistencies, and category misclassification.
Quantify the impact of GPID enrichment and matching improvements on search, deduplication, and reporting accuracy.
Partner with external data providers and brands to improve GPID coverage and resolve identifier conflicts.

Deduplication & entity resolution

Identify product variants (size, color, packaging) and duplicates within and across retailer catalogs using clustering, entity resolution, embeddings, and similarity-based techniques.
Build scalable deduplication pipelines that handle catalog and transaction data at scale; define patterns, heuristics, and ML-based approaches for variant grouping.
Measure the impact of deduplication on search quality, recommendation accuracy, and reporting; iterate on models to reduce false positives and improve precision.
Support Data Engineering and Platform teams in productionizing deduplication and entity linking infrastructure.

Manufacturer data quality & brand engagement

Evaluate the consistency and accuracy of manufacturer-level attributes (brand name, MPN, manufacturer identifiers) across catalogs and transactions.
Detect systemic issues at the brand and retailer level; build scorecards and engage brands (via the Tiger Team) to drive data quality improvements.
Create feedback loops to measure manufacturer data quality and track progress on remediation initiatives.

Product search & retrieval infrastructure

Research and prototype improvements to product search and retrieval pipelines, including vector search, semantic similarity, and embedding-based matching .
Explore and implement vector database infrastructure (e.g., FAISS, Pinecone, Weaviate) to support fast, scalable product retrieval and similarity search.
Contribute to the design and optimization of retrieval pipelines that combine text, attributes, and embeddings for search and recommendations.
Evaluate search relevance and ranking quality; iterate on indexing strategies, query preprocessing, and re-ranking models.

Product graph & relational modeling

Build and maintain product graph infrastructure that captures relationships between products, variants, brands, categories, retailers, and transactions.
Use graph-based techniques (community detection, link analysis, centrality) to identify product families, detect duplicates, and surface insights on product hierarchies.
Partner with Data Platform teams to design scalable graph storage and query patterns (e.g., Neo4j, graph extensions in BigQuery).

Insights, monitoring & reporting

Systematically identify, classify, and prioritize product data quality issues; create clear summaries, visualizations, and actionable recommendations for stakeholders.
Build and maintain dashboards and recurring reports for key product data KPIs (match rates, GPID coverage, duplicate rates, classification accuracy, attribute completeness).
Establish alerting and anomaly detection systems to proactively surface data quality degradation and model performance issues.

Engineering & production deployment

Take models and analytics prototypes from POC to production, with or without engineering partnership—owning deployment, testing, monitoring, and iteration.
Build robust, scalable data pipelines and ML workflows using production-grade tools and best practices (versioning, CI/CD, testing, observability).
Collaborate with MLOps and Data Engineering teams to ensure production readiness: reliability, latency, drift monitoring, and SLOs.

Qualifications

Required

Experience : 5+ years in data science, ML engineering, or analytics engineering, with at least 2+ years focused on product data, catalog quality, entity resolution, search/retrieval, or e-commerce/marketplace analytics.
Engineering strength : Proven ability to build production-grade data pipelines and deploy ML models independently; strong software engineering fundamentals (code quality, testing, version control, CI/CD).
Data quality expertise : Demonstrated experience analyzing and improving large-scale structured data quality (completeness, consistency, accuracy, deduplication, entity resolution).
ML & classification experience : Track record building and deploying classification models, ranking systems, or search/retrieval pipelines in production.
Technical skills :
- Strong Python and SQL; proficiency with ML libraries (scikit-learn, XGBoost, LightGBM, PyTorch/TensorFlow) and data manipulation tools (pandas, PySpark).
- Experience with entity resolution, fuzzy matching, clustering, embeddings, and similarity-based techniques (Levenshtein distance, cosine similarity, nearest-neighbor search).
- Familiarity with production ML workflows (model versioning, monitoring, evaluation, retraining, A/B testing).
- Experience with data profiling, anomaly detection, and exploratory analysis at scale.
Analytical rigor : Strong foundation in statistics and ML; ability to design experiments, validate models, interpret results, and communicate insights with business context.
Stakeholder collaboration : Experience working cross-functionally with Product, Engineering, and business teams; ability to translate technical work into actionable recommendations.
Education : Bachelor's in a quantitative field (CS, Statistics, Math, Engineering, or similar); Master's/PhD preferred.

Preferred / Nice to have

Experience with vector search and embeddings (sentence transformers, OpenAI embeddings, BERT-based models) and vector databases (FAISS, Pinecone, Weaviate, Milvus, pgvector).
Familiarity with search and retrieval systems (Elasticsearch, Solr, semantic search, BM25, hybrid ranking) and understanding how data quality impacts relevance.
Experience with graph databases and graph analytics (Neo4j, NetworkX, graph algorithms for clustering and link prediction).
Knowledge of NLP techniques for product data (text classification, named entity recognition, attribute extraction, title/description parsing, semantic similarity).
Experience with multimodal modeling (combining text, images, and structured attributes for classification or retrieval).
Familiarity with global product identifiers (GTIN/UPC/EAN, MPN, SKU hierarchies) and standards organizations (GS1, GDSN).
Experience with deduplication and record linkage at scale (blocking strategies, probabilistic matching, hierarchical clustering).
Familiarity with GCP tools (BigQuery, Vertex AI, Dataflow, Cloud Run, Looker) and/or Databricks/Spark for large-scale processing and deployment.
Exposure to master data management (MDM) or data governance practices in product or catalog contexts.
Experience with recommendation systems or understanding how product data quality impacts personalization and ranking.

What sets you apart

Product data obsession : You care deeply about data quality and understand how poor catalog hygiene cascades into user experience, business reporting, and operational inefficiencies.
Engineering mindset : You don't just build prototypes—you ship them. You write clean, tested, production-ready code and can own the full lifecycle from research to deployment.
Detective instincts : You love digging into messy data, finding patterns, and uncovering root causes—whether it's a systematic retailer issue, a subtle duplicate cluster, or a classification edge case.
Pragmatic prioritization : You balance comprehensiveness with impact, focusing on the 20% of issues that drive 80% of quality problems and business value.
Search & retrieval intuition : You understand how product data powers search and recommendations, and you know how to build infrastructure (embeddings, vector DBs, graphs) that makes these systems work at scale.
Stakeholder fluency : You translate messy data findings into clear, actionable recommendations and build trust with brands, retailers, Product, and Engineering teams.
Comfort with ambiguity : You thrive in evolving data ecosystems, defining your own quality metrics and technical roadmaps when the problem space is still being shaped.

Flexible Working: Our Responsible PTO policy means you can take the time off you need to rest and recharge. We're committed to a positive work-life balance and provide a flexible environment that allows you to be happy and fulfilled in both your career and your personal life.
Health and Wellness: Your well-being is a priority. Our mental health and wellness benefit includes up to 12 fully covered therapy/coaching sessions per year , with additional dependent coverage. We also offer a monthly gym reimbursement policy to support your physical health.
A Stake in Our Growth: We offer Restricted Stock Units (RSUs) as part of our total compensation, giving you a stake in the company's growth with a 3-year vesting schedule, pending Board approval.
Investing in Your Growth: We’re committed to your continuous learning. Take advantage of our free Coursera subscription and our PXA courses.
Parental Support: We offer a generous parental leave policy, 26 weeks of fully paid leave for the primary caregiver and 13 weeks fully paid leave for the secondary caregiver.
Technology Financial Support: We provide a technology stipend to help you set up your home office and a monthly allowance to cover your internet expenses

impact.com — ведущая мировая платформа для маркетинга партнерских отношений в сфере электронной коммерции, которая трансформирует способы роста бизнеса, позволяя обнаруживать, управлять и масштабировать партнерские отношения на протяжении всего клиентского пути. От аффилиатов и инфлюенсеров до издателей контента, бренд-амбассадоров и адвокатов клиентов — impact.com позволяет брендам стимулировать доверительный рост, основанный на результатах, через аутентичные отношения. Ее отмеченные наградами продукты — Performance (партнерский маркетинг), Creator (инфлюенсер-маркетинг) и Advocate (реферальные программы клиентов) — объединяют все типы партнеров в единую интегрированную платформу. Поскольку потребители все чаще полагаются на рекомендации людей и сообществ, которым они доверяют, impact.com помогает брендам появляться там, где это наиболее важно. Сегодня более 5000 мировых брендов, включая Walmart, Uber, Shopify, Lenovo, L’Oréal и Fanatics, полагаются на impact.com для управления более чем 225 000 партнерских отношений, которые приносят измеримые результаты в бизнесе.

О роли Мы ищем Старшего специалиста по данным, специализирующегося на качестве продуктовых данных, который присоединится к нашей команде специалистов по данным в Кейптауне. На этой должности вы будете отвечать за аналитическую и техническую основу качества продуктовых данных в нашей экосистеме — охватывая чистоту каталога, сопоставление транзакций, моделирование классификации, дедупликацию и глобальную идентификацию продуктов. Вы будете работать как со структурированной вселенной каталога, так и с более хаотичной, крупномасштабной вселенной данных о продажах, создавая модели и инфраструктуру, которые обеспечивают работу поиска, рекомендаций и бизнес-аналитики. Это роль с высоким влиянием, требующая как аналитической глубины, так и сильных инженерных навыков: вы будете переводить модели из исследований в производство, создавать масштабируемые конвейеры данных и создавать инфраструктуру мониторинга, которая делает нашу основу продуктовых данных надежной и постоянно совершенствующейся. Ваша работа будет напрямую влиять на релевантность поиска, качество рекомендаций, коэффициенты сопоставления и точность отчетности в масштабах всего бизнеса.

Моделирование классификации продуктов и таксономии

Разработка, внедрение и поддержка моделей машинного обучения для автоматизированной категоризации продуктов и назначения таксономии в иерархических структурах категорий
Повышение точности классификации посредством инжиниринга признаков (текст, атрибуты, встраивания), итерации моделей и надежной оценки как данных каталога, так и данных о продажах
Мониторинг производительности производственных моделей; выявление и устранение закономерностей ошибочной классификации, влияющих на поиск, рекомендации и отчетность
Сотрудничество с экспертами по категориям и командами по продуктам для уточнения определений таксономии, обработки крайних случаев и адаптации к новым типам продуктов

Качество данных каталога и продаж

Проведение углубленного анализа полноты, согласованности и корректности данных каталога по всем ритейлерам, категориям и атрибутам продуктов
Ответственность за аналитику качества данных для вселенной данных о продажах — набора данных, более крупного и хаотичного, чем каталог — измерение коэффициентов сопоставления, диагностика пробелов (несопоставленные транзакции, ошибочно атрибутированные продукты) и выявление систематических сбоев
Определение и отслеживание ключевых показателей эффективности (KPI) состояния каталога и транзакций (охват атрибутов, соответствие схеме, коэффициенты сопоставления, охват GPID, свежесть); выявление основных причин и стимулирование исправления
Создание систем мониторинга и панелей управления для отслеживания тенденций качества данных по ритейлерам, категориям и периодам времени

Охват и сопоставление глобальных идентификаторов продуктов (GPID)

Оценка охвата и точности GPID (GTIN/UPC/EAN) как в данных каталога, так и в данных о продажах; выявление пробелов по категориям, ритейлерам и брендам
Создание и улучшение алгоритмов сопоставления для связи транзакций продаж с продуктами каталога, обработка отсутствующих GPID, несоответствий в наименованиях и ошибочной классификации категорий
Количественная оценка влияния обогащения GPID и улучшений сопоставления на точность поиска, дедупликации и отчетности
Сотрудничество с внешними поставщиками данных и брендами для улучшения охвата GPID и разрешения конфликтов идентификаторов

Дедупликация и разрешение сущностей

Выявление вариантов продуктов (размер, цвет, упаковка) и дубликатов в каталогах ритейлеров и между ними с использованием кластеризации, разрешения сущностей, встраиваний и методов, основанных на сходстве
Создание масштабируемых конвейеров дедупликации, обрабатывающих данные каталога и транзакций в большом масштабе; определение шаблонов, эвристик и подходов на основе машинного обучения для группировки вариантов
Измерение влияния дедупликации на качество поиска, точность рекомендаций и отчетность; итерация моделей для уменьшения ложных срабатываний и повышения точности
Поддержка команд Data Engineering и Platform в производстве инфраструктуры дедупликации и связывания сущностей

Качество данных производителя и взаимодействие с брендами

Оценка согласованности и точности атрибутов на уровне производителя (название бренда, MPN, идентификаторы производителя) в каталогах и транзакциях
Выявление системных проблем на уровне брендов и ритейлеров; создание систем оценки и взаимодействие с брендами (через Tiger Team) для стимулирования улучшений качества данных
Создание обратных связей для измерения качества данных производителя и отслеживания прогресса в инициативах по исправлению

Инфраструктура поиска и извлечения продуктов

Исследование и прототипирование улучшений конвейеров поиска и извлечения продуктов, включая векторный поиск, семантическое сходство и сопоставление на основе встраиваний
Исследование и внедрение инфраструктуры векторных баз данных (например, FAISS, Pinecone, Weaviate) для поддержки быстрого и масштабируемого извлечения продуктов и поиска по сходству
Вклад в проектирование и оптимизацию конвейеров извлечения, объединяющих текст, атрибуты и встраивания для поиска и рекомендаций
Оценка релевантности поиска и качества ранжирования; итерация стратегий индексации, предварительной обработки запросов и моделей реранжирования

Граф продуктов и реляционное моделирование

Создание и поддержка инфраструктуры графа продуктов, которая фиксирует взаимосвязи между продуктами, вариантами, брендами, категориями, ритейлерами и транзакциями
Использование графовых методов (обнаружение сообществ, анализ связей, центральность) для выявления семейств продуктов, обнаружения дубликатов и получения информации о иерархиях продуктов
Сотрудничество с командами Data Platform для проектирования масштабируемых шаблонов хранения и запросов к графам (например, Neo4j, расширения графов в BigQuery)

Аналитика, мониторинг и отчетность

Систематическое выявление, классификация и приоритизация проблем качества продуктовых данных; создание четких сводок, визуализаций и практических рекомендаций для заинтересованных сторон
Создание и поддержка панелей управления и регулярных отчетов по ключевым KPI продуктовых данных (коэффициенты сопоставления, охват GPID, коэффициенты дублирования, точность классификации, полнота атрибутов)
Настройка систем оповещения и обнаружения аномалий для проактивного выявления деградации качества данных и проблем с производительностью моделей

Инжиниринг и производственное развертывание

Перевод прототипов моделей и аналитических систем из стадии POC в производственную, с поддержкой инженеров или без нее — ответственность за развертывание, тестирование, мониторинг и итерацию
Создание надежных, масштабируемых конвейеров данных и рабочих процессов машинного обучения с использованием производственных инструментов и лучших практик (версионирование, CI/CD, тестирование, наблюдаемость)
Сотрудничество с командами MLOps и Data Engineering для обеспечения готовности к производству: надежность, задержка, мониторинг дрейфа и SLO

Требуется

Опыт: более 5 лет в области науки о данных, инжиниринга машинного обучения или аналитического инжиниринга, из них не менее 2 лет, посвященных продуктовым данным, качеству каталога, разрешению сущностей, поиску/извлечению или аналитике электронной коммерции/маркетплейсов
Инженерные навыки: подтвержденная способность самостоятельно создавать производственные конвейеры данных и развертывать модели машинного обучения; прочные основы программной инженерии (качество кода, тестирование, контроль версий, CI/CD)
Экспертиза в области качества данных: продемонстрированный опыт анализа и улучшения качества крупномасштабных структурированных данных (полнота, согласованность, точность, дедупликация, разрешение сущностей)
Опыт в ML и классификации: опыт создания и развертывания моделей классификации, систем ранжирования или конвейеров поиска/извлечения в производственной среде
Технические навыки:
- Отличное знание Python и SQL; владение библиотеками ML (scikit-learn, XGBoost, LightGBM, PyTorch/TensorFlow) и инструментами обработки данных (pandas, PySpark)
- Опыт работы с разрешением сущностей, нечетким сопоставлением, кластеризацией, встраиваниями и методами, основанными на сходстве (расстояние Левенштейна, косинусное сходство, поиск ближайших соседей)
- Знакомство с производственными рабочими процессами ML (версионирование моделей, мониторинг, оценка, переобучение, A/B тестирование)
- Опыт профилирования данных, обнаружения аномалий и разведочного анализа в больших масштабах
Аналитическая строгость: прочная основа в статистике и ML; способность проектировать эксперименты, проверять модели, интерпретировать результаты и сообщать о выводах в контексте бизнеса
Сотрудничество с заинтересованными сторонами: опыт кросс-функциональной работы с командами Product, Engineering и бизнеса; способность преобразовывать техническую работу в практические рекомендации
Образование: степень бакалавра в количественной области (CS, статистика, математика, инженерия или аналогичная); предпочтительна степень магистра/доктора философии
Опыт работы с векторным поиском и встраиваниями (sentence transformers, OpenAI embeddings, модели на основе BERT) и векторными базами данных (FAISS, Pinecone, Weaviate, Milvus, pgvector)
Знакомство с системами поиска и извлечения (Elasticsearch, Solr, семантический поиск, BM25, гибридное ранжирование) и понимание того, как качество данных влияет на релевантность
Опыт работы с графовыми базами данных и графовой аналитикой (Neo4j, NetworkX, графовые алгоритмы для кластеризации и прогнозирования связей)
Знание методов NLP для продуктовых данных (классификация текста, распознавание именованных сущностей, извлечение атрибутов, парсинг заголовков/описаний, семантическое сходство)
Опыт работы с мультимодальным моделированием (объединение текста, изображений и структурированных атрибутов для классификации или извлечения)
Знакомство с глобальными идентификаторами продуктов (GTIN/UPC/EAN, MPN, иерархии SKU) и организациями по стандартизации (GS1, GDSN)
Опыт работы с дедупликацией и связыванием записей в больших масштабах (стратегии блокировки, вероятностное сопоставление, иерархическая кластеризация)
Знакомство с инструментами GCP (BigQuery, Vertex AI, Dataflow, Cloud Run, Looker) и/или Databricks/Spark для крупномасштабной обработки и развертывания
Опыт работы с управлением основными данными (MDM) или практиками управления данными в контексте продуктов или каталогов
Опыт работы с рекомендательными системами или понимание того, как качество продуктовых данных влияет на персонализацию и ранжирование

Что отличает вас

Одержимость продуктовыми данными: вы глубоко заботитесь о качестве данных и понимаете, как плохая гигиена каталога приводит к ухудшению пользовательского опыта, бизнес-отчетности и операционной неэффективности
Инженерный подход: вы не просто создаете прототипы — вы их выпускаете. Вы пишете чистый, протестированный, готовый к производству код и можете управлять полным жизненным циклом от исследований до развертывания
Детективные инстинкты: вы любите копаться в хаотичных данных, находить закономерности и выявлять основные причины — будь то системная проблема ритейлера, тонкий кластер дубликатов или крайний случай классификации
Прагматичная приоритизация: вы балансируете между всесторонностью и влиянием, фокусируясь на 20% проблем, которые приводят к 80% проблем качества и бизнес-ценности
Интуиция в поиске и извлечении: вы понимаете, как продуктовые данные обеспечивают работу поиска и рекомендаций, и знаете, как создавать инфраструктуру (встраивания, векторные БД, графы), которая позволяет этим системам работать в масштабе
Свободное общение с заинтересованными сторонами: вы преобразуете результаты анализа хаотичных данных в четкие, практические рекомендации и строите доверительные отношения с брендами, ритейлерами, командами Product и Engineering
Уверенность в условиях неопределенности: вы преуспеваете в развивающихся экосистемах данных, определяя собственные метрики качества и технические дорожные карты, когда предметная область еще только формируется

В impact.com мы верим, что когда вы счастливы и удовлетворены, вы делаете свою лучшую работу. Именно поэтому мы разработали пакет льгот, который поддерживает ваше благополучие, рост и баланс между работой и личной жизнью.

Гибкий график работы: наша политика Ответственного PTO означает, что вы можете взять отпуск, когда вам нужно, чтобы отдохнуть и восстановиться. Мы стремимся к позитивному балансу между работой и личной жизнью и предоставляем гибкую среду, которая позволяет вам быть счастливым и реализованным как в карьере, так и в личной жизни
Здоровье и благополучие: ваше благополучие — наш приоритет. Наша льгота по охране психического здоровья и благополучия включает до 12 полностью оплачиваемых сеансов терапии/коучинга в год, с дополнительным покрытием для иждивенцев. Мы также предлагаем ежемесячную компенсацию расходов на спортзал для поддержки вашего физического здоровья
Доля в нашем росте: мы предлагаем Restricted Stock Units (RSU) в рамках нашей общей компенсации, давая вам долю в росте компании с 3-летним графиком вестинга, при условии одобрения Советом директоров
Инвестиции в ваш рост: мы стремимся к вашему непрерывному обучению. Воспользуйтесь нашей бесплатной подпиской на Coursera и нашими курсами PXA
Поддержка родителей: мы предлагаем щедрую политику отпуска по уходу за ребенком: 26 недель полностью оплачиваемого отпуска для основного опекуна и 13 недель полностью оплачиваемого отпуска для вторичного опекуна
Финансовая поддержка технологий: мы предоставляем стипендию на технику для обустройства вашего домашнего офиса и ежемесячное пособие на оплату расходов на интернет

Предпочтительно / Приятно иметь

Детали

Сопроводительное письмо к вакансии

Описание

Подходит ли тебе эта вакансия?

Похожие вакансии

Senior Data Scientist - AdTech / MarTech

Senior Applied Data Scientist | NDA

Lead / Manager, Data Scientist

Senior DS/ML Engineer

Data Engineer – Applied ML

Senior Data Scientist

Senior Data Scientist – Builder

Senior Data Scientist

Senior Data Scientist

Data Scientist

Data Scientist

Senior Data Scientist

Детали

Сопроводительное письмо к вакансии

Описание

Подходит ли тебе эта вакансия?

Похожие вакансии

Senior Data Scientist - AdTech / MarTech

Senior Applied Data Scientist | NDA

Lead / Manager, Data Scientist

Senior DS/ML Engineer

Data Engineer – Applied ML

Senior Data Scientist

Senior Data Scientist – Builder

Senior Data Scientist

Senior Data Scientist

Data Scientist

Data Scientist

Senior Data Scientist

О вакансии

Задачи

Требования

Условия

Ключевые навыки

Оценка зарплаты

Оценка зарплаты

Будет плюсом