Senior Data Scientist — Clean Cooking (PAYG LPG)

Старший специалист по данным — Чистое приготовление пищи (PAYG LPG)

Компания: Sun King Местоположение: Кения / гибрид

О роли

В Sun King мы решили проблему продажи, дистрибуции и финансирования солнечных продуктов. Следующая задача, которую мы решаем, — чистое приготовление пищи. Более 2 миллиардов человек по-прежнему готовят пищу, используя грязное и опасное топливо. Мы опираемся на нашу существующую сеть продаж и дистрибуции для поставки сжиженного нефтяного газа (LPG) по системе «оплата по мере использования» (PAYG) семьям, которые не могут позволить себе первоначальную стоимость плиты и баллона, а также для обслуживания районов, где LPG ранее не был доступен. Бизнес работает сегодня в Кении, Замбии и Танзании, с целью достичь 1 миллиона активных клиентов PAYG LPG к концу 2028 года.

Мы ищем старшего специалиста по данным, который будет отвечать за полный цикл работы с продуктами данных — от исследования, разработки и внедрения до цикла обратной связи. Вы будете работать в подразделении «Чистое приготовление пищи» и напрямую сотрудничать с отделами продаж, операций, поддержки клиентов и колл-центром, чтобы определить, где наука о данных может устранить самые большие препятствия для внедрения чистого приготовления пищи, а затем создавать и внедрять модели, которые их устранят.

Проблемы необычайно конкретны. На одной неделе вы можете моделировать, как изменение цены влияет на поведение при пополнении запасов среди когорт клиентов; на следующей — количественно оценивать, какие ранние модели использования прогнозируют клиента, который активируется, но никогда не формирует привычку готовить, или улучшать планирование доставки баллонов в последнюю милю. Эта роль для тех, кто хочет, чтобы их модели влияли на P&L, а не просто на таблицу лидеров.

Это роль старшего индивидуального исполнителя с реальной ответственностью за продукт, а не роль управления персоналом. Вы не подойдете, если ищете чисто техническую роль без регулярного взаимодействия с коммерческими коллегами и клиентами.

Что означает успех

Ваша работа будет оцениваться по коммерческим показателям бизнеса PAYG LPG, а не только по показателям моделей. В течение первых 12 месяцев вы должны будете:

• Внедрить 2–3 продукта данных в производственное использование коммерческими или операционными командами, каждый из которых окажет измеримое влияние как минимум на один из следующих показателей: коэффициент активации, частота пополнения, простой/отток, ARPU или стоимость обслуживания.
• Определить подход BU к анализу ценообразования и продвижения — оценки эластичности, измерение прироста и дизайн экспериментов, которые коммерческие руководители фактически используют для принятия решений.
• Создать мониторинг для внедренных вами моделей с согласованными триггерами переобучения и четким ответственным за каждую.

Коммерческие аспекты

• Получить непосредственное понимание потребностей клиентов и коммерческих нужд на наших рынках, включая время, проведенное в полевых условиях с торговыми агентами и клиентами.
• Преобразовывать бизнес-проблемы в четко сформулированные статистические вопросы и ясно представлять результаты как техническим, так и нетехническим заинтересованным сторонам — вплоть до руководства BU.
• Безжалостно расставлять приоритеты: определять, где продукт данных повлияет на активацию, частоту пополнения, удержание или экономику единицы продукции, и быть готовым сказать, где он не повлияет.
• Управлять ожиданиями заинтересованных сторон, объемом продукта и сроками поставки для ваших собственных рабочих потоков.

Технические аспекты

• Разрабатывать, создавать и оценивать модели машинного обучения для критически важных бизнес-задач: прогнозирование оттока/простоя, моделирование кредитного поведения и платежного поведения, прогнозирование спроса, обнаружение аномалий и сегментация клиентов.
• Применять вероятностные и байесовские методы для количественной оценки неопределенности и поддержки решений в условиях неопределенности — например, эластичность ценообразования, прирост от продвижения и эффективность медиа/маркетинга.
• Разрабатывать и анализировать эксперименты (A/B-тесты, гео-тесты, квази-эксперименты) в полевых условиях, где чистое рандомизированное распределение часто невозможно.
• Проводить строгий разведочный анализ, инжиниринг признаков и очистку данных на больших структурированных и полуструктурированных наборах данных.
• Сотрудничать с инженерами данных и аналитики, которые отвечают за конвейеры и производственную инфраструктуру: вы отвечаете за модель от формулирования проблемы до валидированной готовности к развертыванию и совместно отвечаете за мониторинг после запуска.
• Отслеживать и сообщать о производительности модели; выявлять деградацию и рекомендовать переобучение или перепроектирование.
• Поддерживать чистый, воспроизводимый, хорошо документированный код в соответствии со стандартами инжиниринга команды.

О чем эта роль не:

• Это не роль управления людьми — это старшая позиция индивидуального исполнителя (путь к руководству небольшой командой может открыться по мере роста функции).
• Это не роль MLOps/платформы — вы будете работать по производственным стандартам, но конвейер и инфраструктура развертывания находятся в ведении инженера MLOps.
• Это не роль отчетности/BI — дашборды существуют в команде аналитики; эта роль создает модели и продукты данных.

Степень в области компьютерных наук, статистики, математики, инженерии, экономики или близкой количественной дисциплины. Ученая степень — плюс, а не требование — доказательства реализованного влияния имеют большее значение.

Коммерческие аспекты

• Демонстрируемый послужной список продуктов данных, которые измеримо повлияли на бизнес-результат — вы можете подробно рассказать о проблеме, модели, решении, которое она изменила, и показателе, который она изменила.
• Способность слушать и сопереживать клиентам и коллегам, а также определять влияние предложенного продукта данных на P&L перед его созданием.
• Сильные коммуникативные навыки и умение рассказывать истории: вы можете увлечь аудиторию нетехнических коммерческих лидеров.
• Опыт управления отношениями с руководством — потребности в продукте, компромиссы и сроки.

Технические аспекты

• 5–8 лет практического опыта работы в области науки о данных или прикладного машинного обучения, из них не менее 2 лет — ответственность за полный цикл работы с продуктами данных.
• Твердое владение классическим машинным обучением (градиентный бустинг, регрессия, кластеризация, ранжирование, прогнозирование временных рядов) и умение判断, когда простое лучше сложного.
• Прочная основа в вероятностном моделировании, байесовском выводе и количественной оценке неопределенности, с практическим опытом работы в PPL, таких как PyMC или Stan.
• Высокий уровень владения Python (стандартный научный стек) и уверенное знание SQL, включая сложные многотабличные запросы и оконные функции.
• Глубокое знакомство с оценкой моделей: перекрестная проверка, калибровка и выбор метрик, ориентированных на бизнес, вместо удобных.
• Опыт проектирования экспериментов и статистического тестирования гипотез.
• Уверенная работа с облачными хранилищами данных и инструментами отслеживания экспериментов (мы используем AWS и MLflow; эквиваленты подходят).

Настоятельно рекомендуется

• Опыт работы в PAYG, финтех-кредитовании, телекоммуникациях или других потребительских бизнесах на развивающихся рынках — вы понимаете нерегулярные доходы, поведение платежей через мобильные деньги и скудные, неструктурированные данные.

Желательно

• Моделирование выживаемости, причинно-следственный вывод или моделирование маркетингового микса (MMM).

• Опыт в области исследования операций / оптимизации (маршрутизация, планирование) — актуально для наших задач доставки в последнюю милю.

• Знакомство с MLOps и развертыванием моделей на AWS (SageMaker, Lambda, ECS).

• Профессиональный рост в динамичной, быстрорастущей отрасли с высоким социальным воздействием

• Открытая, совместная культура, состоящая из энтузиастов-коллег, движимых вызовом инноваций, направленных на глубокое воздействие на людей и планету.

• Подлинно мультикультурный опыт: у вас будет возможность работать и учиться у людей из разных географических регионов, национальностей и происхождения.

• Структурированные, индивидуальные программы обучения и развития, которые помогут вам стать лучшим лидером, менеджером и профессионалом через Центр лидерства Sun.

• Мы придаем большое значение поддержанию разнообразной, инклюзивной рабочей среды.

Мы верим, что инновации и понимание исходят от разнообразия во всех его проявлениях. Мы прилагаем все усилия, чтобы каждый член команды Sun King чувствовал себя нужным, понимая, что поддержание инклюзивной рабочей среды требует сознательных усилий и является непрерывным процессом, а не конечным состоянием.

Sun King нанимает, трудоустраивает, обучает, компенсирует и продвигает людей на основе их опыта, навыков, усилий и результатов. Мы явно запрещаем дискриминацию по признаку расы, религии, касты, национального происхождения, цвета кожи, пола, семейного положения, структуры семьи, сексуальной ориентации, статуса ВИЧ/СПИДа или инвалидности.