Обзор вакансии
В качестве Principal Data Scientist в Insulet вы будете способствовать принятию решений на основе данных по всей компании, преобразуя сложные данные в достоверные сведения, которые влияют на стратегию, инновации и эффективность бизнеса. Эта роль с высоким уровнем видимости находится в центре трансформации Insulet в области ИИ и данных, обеспечивая аналитическую строгость, предиктивный интеллект и фреймворки принятия решений, которые поддерживают непрерывный рост и операционное совершенство. У вас будет возможность решать значимые бизнес-задачи в масштабах компании, помогая создавать будущие возможности науки о данных в компании, посвященной улучшению жизни с помощью технологий лечения диабета.
Обзор роли
Principal Data Scientist — это старший технический лидер в команде Data Science организации Enterprise Data & AI. Эта роль определяет аналитические стандарты, формирует техническое направление стратегически важных инициатив и применяет глубокую экспертизу в статистике, экспериментах, причинно-следственном анализе, прогнозировании, машинном обучении и количественных науках о принятии решений для решения наиболее сложных бизнес-задач.
Этот специалист остается вовлеченным в практическую работу, когда она является новой, высокорисковой или критически важной для компании, расширяя свое влияние посредством технического руководства, многократно используемых методов, тщательного анализа, наставничества и кросс-функционального взаимодействия. Principal Data Scientist сотрудничает с отделами Insights & Analytics, Analytics Engineering, AI Engineering, Data Engineering, командами по управлению данными, а также с руководителями бизнеса для преобразования нечетких вопросов в обоснованные аналитические программы и измеримые результаты.
Эта роль предполагает индивидуальный вклад при влиянии на всю компанию. Успех измеряется не только качеством лично выполненной работы, но и улучшенными решениями, установленными стандартами, развитыми возможностями и повышенным качеством анализа в командах.
Сфера ответственности
Аналитическая стратегия и корпоративное техническое лидерство
- Определять и развивать аналитические методологии, стандарты и лучшие практики, используемые в команде Data Science и более широкой организации Enterprise Data & AI.
- Формировать аналитическую дорожную карту, определяя возможности высокой ценности, уточняя, где оправдано применение передовых методов, и помогая приоритизировать инвестиции на основе ценности для бизнеса, осуществимости, риска принятия решений и готовности данных.
- Выступать в качестве старшей технической точки эскалации для решения сложных статистических, экспериментальных, модельных вопросов и вопросов измерения.
- Обеспечивать техническое руководство крупными кросс-функциональными инициативами, охватывающими несколько бизнес-доменов, продуктов данных или процессов принятия решений.
- Оценивать новые количественные методы и технологии, определять их применимость на уровне компании и руководить их ответственным внедрением.
- Представлять Data Science на форумах по портфелю, архитектуре, управлению данными и стратегическому планированию, где аналитическая методология или качество принятия решений имеют существенное значение.
Передовой статистический анализ и количественные методы
- Руководить разработкой и проведением новых, высокосложных анализов, поддерживающих стратегические и высокозначимые решения. Устанавливать стандарты для проверки гипотез, анализа мощности, доверительных интервалов, отчетности о размере эффекта, контроля множественных сравнений, анализа чувствительности и количественной оценки неопределенности.
- Определять и направлять подходы причинно-следственного анализа для наблюдательных данных, включая методы разницы в разницах, регрессионного разрыва, методов склонности, инструментальных переменных и синтетических контролей.
- Разрабатывать корпоративные фреймворки экспериментов, охватывающие рандомизацию, определение размера выборки, контрольные группы, защитные метрики, гетерогенные эффекты лечения и интерпретацию результатов.
- Руководить передовыми приложениями анализа временных рядов, прогнозирования, обнаружения аномалий, анализа выживаемости, моделирования, сегментации и оптимизации.
- Определять соответствующий уровень методологической сложности для каждой задачи и предотвращать ненужное моделирование, когда более простые подходы являются более надежными или действенными.
- Проводить и утверждать аналитические подходы для стратегически важных или методологически высокорисковых инициатив.
Предиктивное моделирование и лидерство в машинном обучении
- Определять технические стандарты для проектирования, валидации, объяснимости, мониторинга и управления жизненным циклом предиктивных моделей и моделей машинного обучения.
- Осуществлять технический надзор за критически важными моделями, включая модели склонности, оттока, прогнозирования, обнаружения аномалий, классификации, регрессии и оптимизации.
- Руководить инжинирингом признаков, выбором моделей, регуляризацией, перекрестной проверкой, калибровкой, интерпретируемостью, оценкой справедливости и тестированием устойчивости.
- Устанавливать практики оценки производительности, которые сбалансированы по точности, калибровке, стабильности, объяснимости, бизнес-полезности и операционной осуществимости.
- Руководить мониторингом моделей, обнаружением дрейфа, триггерами переобучения, повторной валидацией и критериями вывода из эксплуатации в партнерстве с AI Engineering и MLOps.
- Обеспечить, чтобы модели, предназначенные для вывода в продакшн, сопровождались четкой методологией, доказательствами валидации, бенчмарками производительности, ограничениями и известными режимами сбоев.
Формулирование бизнес-задач и консультирование руководства
- Сотрудничать с старшими руководителями и экспертами в предметной области для преобразования нечетких стратегических вызовов в хорошо структурированные аналитические программы с четкими решениями, гипотезами, мерами успеха и ожиданиями ценности.
- Консультировать руководителей по стратегии измерения, возможностям экспериментирования, неопределенности, рискам и компромиссам, чтобы решения основывались на соответствующих доказательствах.
- Оспаривать неподтвержденные предположения и определять, когда имеющиеся данные или дизайн исследования не могут надежно ответить на вопрос.
- Рекомендовать альтернативные стратегии измерения, сбора данных или анализа, когда существующие доказательства недостаточны.
- Синтезировать сложные анализы в ясные, ориентированные на принятие решений нарративы, не преувеличивая уверенность и не скрывая ограничений.
- Связывать результаты анализа с практическими действиями, ожидаемым бизнес-влиянием и измеримыми последующими действиями.
Качество анализа, управление данными и воспроизводимость
- Устанавливать и поддерживать стандарты для воспроизводимого анализа, качества кода, взаимного рецензирования, документации, валидации и готовности к выпуску.
- Руководить независимыми техническими обзорами анализов и моделей с высоким уровнем воздействия для обеспечения методологической обоснованности, отслеживаемости и защищенности.
- Определять минимальные требования к документации для аналитических методов, предположений, происхождения данных, валидации, ограничений, анализов чувствительности и выводов.
- Продвигать прозрачное представление неопределенности, смещений, ограничений данных, рисков моделей и альтернативных интерпретаций.
- Создавать повторно используемые фреймворки, библиотеки, шаблоны и эталонные реализации, которые повышают согласованность, скорость и качество в командах.
- Сотрудничать с заинтересованными сторонами по управлению данными, конфиденциальности, качеству и соответствию, чтобы обеспечить соответствие аналитической работы применимым корпоративным требованиям.
- Убедиться, что результаты соответствуют установленным стандартам качества Data Science и продуктов данных перед выпуском.
Развитие возможностей и наставничество
- Наставлять Data Scientists и Senior Data Scientists по вопросам формулирования задач, выбора методологии, разработки аналитических планов, технической коммуникации и карьерного развития.
- Повышать технический уровень посредством коучинга, обзоров дизайна, обзоров кода, учебных сессий и сообществ по интересам.
- Разрабатывать эталонные методы и учебные материалы по экспериментам, причинно-следственному анализу, прогнозированию, машинному обучению и статистическому обоснованию.
- Влиять на ожидания от роли, стандарты найма, практики проведения собеседований и критерии технической оценки талантов в области науки о данных.
- Создавать культуру научной строгости, конструктивной критики, интеллектуальной честности, сотрудничества и непрерывного обучения.
- Руководить путем влияния на команды без опоры на прямое подчинение.
Кросс-функциональное партнерство и операционализация
- Сотрудничать с Insights & Analytics для согласования бизнес-контекста, аналитического фреймворка, интерпретации и принятия решений.
- Сотрудничать с Analytics Engineering и Data Engineering для обеспечения того, чтобы аналитические входные и выходные данные были воспроизводимыми, управляемыми, отслеживаемыми и доступными.
- Сотрудничать с AI Engineering и MLOps для перехода проверенных моделей в надежные производственные решения с четким владением и контролем.
- Взаимодействовать с руководителями предметных областей и владельцами продуктов для определения мер успеха, планов внедрения и подходов к оценке после запуска.
- Эффективно доносить методы, результаты, ограничения и рекомендации до руководителей, бизнес-стейкхолдеров, технических коллег и аудиторий по управлению данными.
- Возглавлять или участвовать в кросс-функциональных форумах по внедрению, технических обзорах и корпоративных сообществах, которые продвигают ответственную науку о данных.
Требуемые квалификации
- Более 10 лет соответствующего профессионального опыта в области науки о данных, статистики, эконометрики, исследования операций, прикладной математики, машинного обучения или смежной количественной дисциплины.
- Подтвержденный опыт технического лидерства в сложных, кросс-функциональных аналитических инициативах с существенным влиянием на бизнес.
- Экспертный уровень знаний статистических методологий, включая дизайн экспериментов, причинно-следственный анализ, регрессию, прогнозирование, байесовские методы и машинное обучение.
- Глубокое знание Python и современных библиотек для науки о данных, включая pandas, NumPy, SciPy, statsmodels и scikit-learn.
- Обширный опыт разработки и валидации предиктивных моделей и поддержки их перехода в производственные среды.
- Подтвержденная способность преобразовывать нечеткие бизнес-задачи в четкие аналитические фреймворки, критерии принятия решений и обоснованные количественные решения.
- Подтвержденная способность влиять на старших руководителей и кросс-функциональные команды посредством доказательств, технического авторитета и четкой коммуникации.
- Значительный опыт проведения технических обзоров, установления аналитических стандартов и наставничества опытных специалистов.
- Практический опыт работы с Databricks или сопоставимой облачной платформой для данных и аналитики.
- Исключительные навыки письменного и устного общения, включая способность объяснять сложные количественные концепции нетехнической аудитории.
Предпочтительные квалификации
- Степень магистра или PhD в области статистики, математики, эконометрики, исследования операций, информатики, инженерии или смежной количественной области.
- Опыт работы в регулируемой отрасли, такой как медицинское оборудование, здравоохранение, фармацевтика, науки о жизни или финансовые услуги.
- Подтвержденная глубина знаний в одной или нескольких областях, таких как эксперименты, причинно-следственный анализ, прогнозирование, анализ выживаемости, оптимизация или продвинутое машинное обучение.
- Опыт установления аналитических стандартов, практик управления данными, повторно используемых фреймворков или корпоративных возможностей в области науки о данных.
- Публикации, патенты, презентации на конференциях, вклад в open-source или другие свидетельства внешнего или внутреннего лидерства мнений.
- Опыт консультирования руководства по стратегическим решениям на основе количественных данных.
- Опыт работы в географически распределенных, междисциплинарных командах.
ПРИМЕЧАНИЕ: Данная позиция подходит для гибридных условий работы и требует присутствия на рабочем месте в офисе Insulet.
Дополнительная информация
Компенсация и льготы
Только для позиций в США, годовой базовый оклад для этой должности составляет от $170 600,00 до $255 875,00.
Эта должность также может давать право на получение бонусных выплат.
Мы предлагаем полный пакет льгот, включая:
- Медицинская, стоматологическая и офтальмологическая страховка
- 401(k) с софинансированием от компании
- Оплачиваемый отпуск (PTO)
- А также дополнительные программы оздоровления сотрудников
Детали подачи заявки
Данное объявление о вакансии будет оставаться открытым до тех пор, пока позиция не будет заполнена.
Для подачи заявки посетите сайт Insulet Careers и подайте заявку онлайн.
Фактическая заработная плата зависит от навыков, опыта и образования.
Insulet Corporation (NASDAQ: PODD), со штаб-квартирой в Массачусетсе, является инновационной компанией по производству медицинского оборудования, призванной упростить жизнь людям с диабетом и другими заболеваниями с помощью своей продуктовой платформы Omnipod. Система управления инсулином Omnipod предлагает уникальную альтернативу традиционным методам введения инсулина. Благодаря своему простому, носимому дизайну, беспроводной одноразовый Pod обеспечивает до трех дней непрерывного введения инсулина, без необходимости видеть или трогать иглу. Флагманская инновация Insulet, система автоматической доставки инсулина Omnipod 5, интегрируется с системой непрерывного мониторинга глюкозы для управления уровнем сахара в крови без множественных ежедневных инъекций, нулевых проколов пальцев, и может управляться совместимым персональным смартфоном в США или контроллером Omnipod 5. Insulet также использует уникальный дизайн своего Pod, адаптируя свою платформу технологий Omnipod для доставки подкожных препаратов, не связанных с инсулином, в других терапевтических областях.
Мы ищем высокомотивированных, ориентированных на результат сотрудников, которые станут частью нашей растущей команды. Мы достигаем этого, нанимая замечательных людей, руководствуясь общими ценностями, которые превосходят ожидания клиентов. Наш дальнейший успех зависит от этого!
В Insulet Corporation все квалифицированные кандидаты получат равные возможности трудоустройства независимо от расы, цвета кожи, религии, пола, сексуальной ориентации, гендерной идентичности, национального происхождения, инвалидности или статуса защищенного ветерана.
(Знай свои права)
