Pega Data Analytics Engineer

Wir suchen einen hochanalytischen und technisch versierten Senior Data Analytics Engineer zur Unterstützung der Entwicklung, Implementierung und Überwachung fortschrittlicher Modellierungsfähigkeiten des Customer Decision Hub (CDH). Diese Rolle konzentriert sich auf die Ermöglichung schnellerer Analysen, die Verbesserung der Datenzugänglichkeit und die Standardisierung analytischer Prozesse in den Marketing- und Analytikteams des Unternehmens.

Der ideale Kandidat verfügt über umfangreiche Erfahrungen in Databricks-Umgebungen mit Python/PySpark und SQL sowie über Fachkenntnisse in der großangelegten Datenanalyse, der Überwachung der Modellleistung und der Analyse von Kundeninteraktionen. Erfahrung mit Pega Customer Decision Hub (Pega CDH) ist stark bevorzugt.

Diese Position wird eng mit den Teams für Analytik, Modellierung, Marketing und Entscheidungsfindung zusammenarbeiten, um skalierbare analytische Rahmenwerke, wiederverwendbare Notebooks und umsetzbare Überwachungslösungen zu schaffen, die das Kundenengagement und die Effektivität der Modelle verbessern.

Hauptverantwortlichkeiten:

• Entwicklung und Pflege einer Bibliothek wiederverwendbarer Abfragen, Skripte und analytischer Assets zur Replikation von CDH-Kundenkontextobjekten innerhalb externer analytischer Plattformen wie Databricks und ASL.
• Standardisierung analytischer Prozesse und Datenabrufmethoden für eine breitere Nutzung und Konsistenz im Team.
• Aufbau skalierbarer Datenpipelines und analytischer Rahmenwerke mit Python/PySpark und SQL.
• Erstellung wiederverwendbarer Databricks-Notebooks, die Self-Service-Analysen über mehrere Geschäftsbereiche ermöglichen.
• Entwicklung standardisierter analytischer Lösungen für die Attribution von Interaktionen zu Ergebnissen, die Zuordnung von Modellen zu Interaktionen, die Verfolgung der Leistungsfähigkeit von Prädiktoren, die Zuordnung von Mitgliederprofilen, die Verteilungsanalyse, die Schiedsverfahrenanalyse und die Analyse des Kanalengagements.
• Unterstützung bei der Implementierung und Analyse neuer modellbezogener Fähigkeiten und Funktionen.
• Festlegung von Basis-KPIs und Überwachungsrahmen für neue Modellinitiativen.
• Entwurf und Unterstützung von Backtesting-Methoden für Modellverbesserungen und Schwellenwertanalysen.
• Überwachung der Modellreife, Leistungstrends und operativen Effektivität.
• Entwicklung von nahezu Echtzeit-Überwachungsansätzen zur Identifizierung niedriger Neigungsscores, ineffektiver Maßnahmen und Engagementlücken.
• Verbesserung der Sichtbarkeit der Modellgesundheit und der Effektivität des Next Best Interaction (NBI)-Programms.
• Entwurf analytischer Rahmenwerke für die Überwachung der berechtigten Zielgruppe und die Behandlungsanalyse.
• Korrelation von Interaktionen mit demografischen und verhaltensbezogenen Daten für tiefere Kundeninsights.

Erforderliche Qualifikationen:

• Abschluss in Informatik, Datenanalyse, Informationssystemen, Mathematik, Statistik oder einem verwandten Bereich (oder gleichwertige Erfahrung).
• Starke praktische Erfahrung mit Databricks-Umgebungen.
• Fortgeschrittene Kenntnisse in Python, PySpark und SQL.
• Erfahrung in der Erstellung wiederverwendbarer analytischer Rahmenwerke und Notebooks.
• Erfahrung in der Durchführung großangelegter Datenanalysen und Datenmodellierungen.
• Starkes Verständnis der Überwachung der Modellleistung und der Entwicklung von KPIs.
• Fähigkeit, Geschäftsfragen in skalierbare analytische Lösungen zu übersetzen.

Bevorzugte Qualifikationen:

• Erfahrung mit Pega Customer Decision Hub (Pega CDH).
• Erfahrung in der Unterstützung von Marketinganalysen, Kundenengagement oder Entscheidungsplattformen.
• Vertrautheit mit Neigungsmodellen, Schiedslogik und der Analyse von Kundeninteraktionen.
• Erfahrung mit Überwachungsrahmen und Echtzeit-analytischen Warnmeldungen.
• Verständnis von Kundenreiseanalysen und Next Best Action/Interaction-Programmen.
• Erfahrung in Unternehmensanalytik oder Kundenintelligenz-Umgebungen.

Schlüsselkompetenzen Erfolgsmessung:

• Erstellung wiederverwendbarer und skalierbarer analytischer Assets für den Unternehmenseinsatz.
• Reduzierung der Zeit, die für die Durchführung von CDH- und Modellanalysen erforderlich ist.
• Verbesserte Sichtbarkeit der Modellgesundheit und der Effektivität des Kundenengagements.
• Erhöhte Konsistenz und Wiederholbarkeit analytischer Prozesse.
• Verbesserte Fähigkeit der Teams, Self-Service-Analysen und -Überwachung durchzuführen.

Wir bieten medizinische, zahnmedizinische, visuelle, Grundlebens-, kurzfristige Invaliditäts-, Unfall-, Lebens-, ganzheitliche Lebens- und 401k-Leistungen für alle W2-Berater. Eine Übersicht über die Vorteile wird auf Anfrage bereitgestellt.