Lead Data Scientist

Facet ist ein vollständig remote arbeitendes Finanztechnologieunternehmen mit der Mission, Menschen zu befähigen, ein bereicherteres Leben zu führen, indem es einen neuen Standard für finanzielle Beratung bietet, der die Erwartungen von Verbrauchern und der Branche erhöht. Wir glauben, dass objektive, personalisierte finanzielle Beratung, die in jeden Aspekt des Lebens integriert ist, entscheidend für ein gutes Leben ist. Die finanziellen Lebensumstände der Menschen sind dynamisch und entwickeln sich ständig weiter, daher decken wir alles ab, was mit Geld zu tun hat – vom Start eines Unternehmens über den Kauf von Immobilien bis hin zu Investitionen und vielem mehr.

Als Lead Data Scientist bei Facet werden Sie die Grenzen unserer Analytik und prädiktiven Fähigkeiten durch Forschung, Experimente und Datenmodellierungstechniken erweitern. Sie werden Teil des Data Science & Analytics-Teams innerhalb von Facet sein, das mit der Modellierung, dem Verständnis und der Automatisierung verschiedener Aspekte unserer Wachstums-, Margen- und Retentionsinitiativen sowie von Produktfunktionen beauftragt ist. Sie werden mit Ihren Teamkollegen und Stakeholdern zusammenarbeiten, um sowohl die Wahrheit der Vergangenheit darzustellen als auch Ihr Bestes zu tun, um das Unbekannte vorherzusagen. Sie sollten sich in Kommunikation, Visualisierung, Automatisierung, Softwareengineering und Reproduzierbarkeit wohlfühlen. Diese Rolle erfordert Vielseitigkeit, jedoch mit einem Schwerpunkt auf fortgeschrittener und prädiktiver Analytik. Sie werden auch an einigen Reporting-, Datenmodellierungs- und Visualisierungsanforderungen beteiligt sein.

Tagtägliche Verantwortlichkeiten:

• Exponieren von Erkenntnissen: Ihr Ziel als Data Scientist ist es nicht nur, Daten darzustellen, sondern sie in Informationen umzuwandeln. Sie werden Analyseberichte und diagnostische Modelle erstellen, um verborgene Beziehungen und Muster zwischen unseren Daten und interessierenden Kennzahlen zu entdecken.
• Bewerten & Produzieren von Qualität: Guter Code ist überprüfter Code. Sie werden daran beteiligt sein, sicherzustellen, dass Ihr und das Code Ihrer Teamkollegen fehlerfrei, unvoreingenommen und leicht verständlich ist.
• Datenengineering: Sie müssen viel eigenes Datenengineering durchführen. Sammeln, bereinigen und vorverarbeiten von Daten aus verschiedenen Quellen, um Genauigkeit und Konsistenz sicherzustellen. Durchführung von Feature Engineering zur Generierung neuer Variablen oder zur Transformation bestehender Variablen zur Verbesserung der Qualität und Nützlichkeit des Datensatzes. Alle diese Aufgaben in einer Pipeline zusammenführen und in einer cloudbasierten Infrastruktur bereitstellen.
• Prädiktive Modellierung: Entwicklung, Validierung und Bereitstellung prädiktiver Modelle unter Verwendung von Machine-Learning-Algorithmen und statistischen Techniken, wie z.B. Regression, Klassifikation, Clustering, Zeitreihenprognose und Optimierung.
• Generative Modellierung: Verwendung einer Kombination aus Open-Source- und kostenpflichtigen Technologien zur Erstellung von Abstraktionen und neuartigen Funktionen für andere Anwendungen.
• Kontinuierliche Verbesserung: Das Feld der Datenwissenschaft entwickelt sich schnell, und Sie müssen auf dem Laufenden bleiben. Sie sollten die neuesten Entwicklungen in der Datenwissenschaft, im maschinellen Lernen und in Reporting-Technologien verfolgen und diese gegebenenfalls in Ihre Arbeit einfließen lassen. Teilnahme an Wissensaustausch-Sitzungen, um zum Wachstum und zur Entwicklung anderer beizutragen.

Anforderungen

• 6+ Jahre Erfahrung in einer Rolle im Bereich Datenwissenschaft oder maschinelles Lernen
• Erfahrung mit Geschäftseffizienzkennzahlen, wie z.B.: Customer Acquisition Cost (CAC), Revenue Acquisition Cost (RAC), Retention, Margin, Annual Recurring Revenue (ARR), Lifetime Value (LTV) und Engagement.
• Erfahrung mit mindestens einem Dashboard-Tool, wie z.B.: Tableau, Power BI, Looker, Google Data Studio, Streamlit, Dash usw.
• Kenntnisse in Python
• Kenntnisse in SQL
• Kenntnisse von Machine-Learning-Algorithmen und statistischen Techniken für prädiktive Modellierung, wie z.B.: Regression, Klassifikation, Clustering, Zeitreihenanalyse und Optimierung
• Kenntnisse in End-to-End-Pipelines
• Expertenwissen in Modellbewertungsmetriken
• Erfahrung im Abrufen von Daten aus verschiedenen Drittanbietersystemen und APIs
• Kenntnisse in Versionskontrolle
• Nachgewiesene Fähigkeit, sowohl unabhängig als auch im Team zu arbeiten
• Kenntnisse in der Visualisierung in Python
• Vertrautheit mit Best Practices in der sicheren Datenverarbeitung und dem Datenschutz von Kundendaten

Bevorzugte Qualifikationen:

• Vorherige Erfahrung in der Finanzplanungsbranche
• Vorherige Erfahrung in der Verbrauchertechnologiebranche
• Vorherige Erfahrung mit Containern zur Erstellung wiederholbarer und teilbarer Codes
• Vorherige Erfahrung mit natürlicher Sprachverarbeitung
• Vorherige Erfahrung mit Cloud-Bereitstellungen
• Vorherige Erfahrung mit neuronalen Netzen und/oder LLMs

Vorteile:

• $170,000 - $200,000 Grundgehalt + Bonus, der auf der Erfahrung, dem Wissen, den Fähigkeiten und den Fähigkeiten des Bewerbers basiert
• Aktienoptionen
• Flexible PTO
• Alle Vorteile: medizinische, zahnärztliche und augenärztliche Versicherung, 401(k) mit Arbeitgeberbeitrag, kurz- und langfristige Invaliditätsversicherung (bezahlt von Facet), Lebensversicherungsoptionen und bezahlte Elternzeit
• Programm zur Erstattung von Zertifizierungen
• Arbeiten von überall in den USA