Data Scientist with ML (f/m/x)

Szukamy doświadczonego Data Scientist, który potrafi budować modele predykcyjne. Dołączysz do nowo utworzonego zespołu analitycznego w wiodącej globalnej firmie w branży tytoniowej, kształtując sposób, w jaki dane napędzają strategię konsumencką i wydajność marketingową. Twoja praca skoncentruje się na modelowaniu predykcyjnym, wnioskach konsumenckich oraz przekładaniu analiz na praktyczne decyzje biznesowe. Jeśli chcesz, aby Twoje modele naprawdę miały wpływ, ta rola jest dla Ciebie.

Twoje zadania

• Budowanie i optymalizacja modeli predykcyjnych (np. churn, propensity, segmentacja, CLV, rekomendacje)
• Analiza danych konsumenckich i marketingowych z różnych źródeł
• Modelowanie i optymalizacja ścieżek klienta z wykorzystaniem technik AI/ML
• Współpraca z zespołami marketingowymi i produktowymi w celu określenia priorytetów analitycznych
• Przekładanie złożonych wyników analitycznych na jasne rekomendacje biznesowe
• Dostarczanie wyników analitycznych wraz z praktycznymi wskazówkami dla zespołów biznesowych
• Przygotowywanie wysokiej jakości prezentacji, raportów i wizualizacji danych dla nietechnicznych interesariuszy
• Śledzenie wydajności modeli i mierzenie wpływu na KPI marketingowe oraz P&L
• Identyfikowanie nowych możliwości wzrostu opartego na danych i promowanie podejmowania decyzji na podstawie danych w całej organizacji

Wymagania

• Minimum 5-letnie doświadczenie jako Data Scientist
• Silna znajomość SQL – umiejętność pisania złożonych zapytań, łączenia dużych zbiorów danych i przygotowywania danych do modelowania
• Znajomość Pythona (biblioteki takie jak pandas, numpy, scikit-learn, statsmodels lub podobne) – skupienie na analizie danych, modelowaniu i walidacji wyników
• Doświadczenie w pracy z dużymi zbiorami danych i procesami ETL
• Umiejętność pracy z danymi biznesowymi i interpretacji wyników analitycznych
• Uwzględnienie jakości kodu i powtarzalności analiz
• Umiejętność skutecznej komunikacji w języku angielskim w międzynarodowym środowisku

Mile widziane

• Ekspertyza w dziedzinie analityki marketingowej i konsumenckiej
• Dobre zrozumienie modeli segmentacji (klasteryzacja, scoring, profilowanie klientów) oraz modeli predykcyjnych (propensity, churn, LTV)
• Podstawowa wiedza na temat walidacji modeli i metryk wydajności (AUC, lift, macierz pomyłek)