Product Manager, Data Insights

nShift ist der führende globale Anbieter von Cloud-Lösungen für das Liefermanagement (SaaS). Wir ermöglichen den reibungslosen Versand und die Rücksendung von fast einer Milliarde Sendungen in 190 Ländern jedes Jahr. Unser Hauptsitz befindet sich in London und Oslo, und wir haben über 500 Mitarbeiter in Büros in Schweden, Finnland, Norwegen, Dänemark, dem Vereinigten Königreich, Polen, den Niederlanden, Belgien und Rumänien.

Unsere Software wird von vielen der weltweit führenden E-Commerce-, Einzelhandels-, Fertigungs- und 3PL-Versendern genutzt, da wir über 1000 Carrier in unsere Plattform integriert haben, fast dreimal so viele wie unsere Wettbewerber!

Wenn Sie Waren online kaufen, besteht eine hohe Wahrscheinlichkeit, dass nShift diese Lieferung ermöglicht hat. Kommen Sie zu uns und gestalten Sie die Zukunft des Versands, eine reibungslose Reise nach der anderen.

Über Sie

Sie denken wie ein Produktmanager und arbeiten wie ein Datenwissenschaftler. Sie haben ML-gesteuerte Produkte an echte Kunden ausgeliefert und können auf die Entscheidungen verweisen, die Sie getroffen haben, nicht nur auf die, die um Sie herum getroffen wurden. Unordentliche Daten, mehrdeutige Modellausgaben und Stakeholder, die noch nicht erkennen, warum die Daten wichtig sind, sind Ihnen vertraut.

Sie denken in Bezug auf Kompounding: Wie jeder heute gesammelte Datenpunkt die Vorhersagen von morgen verbessert und wie diese Verbesserung eine Position schafft, die Wettbewerber nicht schließen können. Dateninsights sind nShifts Weg von einem Werkzeugunternehmen zu einer Intelligenzplattform, und dieser Umfang motiviert Sie eher, als dass er Sie überwältigt.

Sie sind sowohl in einem Jupyter-Notebook als auch in einem Führungstreffen zu Hause und wissen, wann jedes benötigt wird.

Zweck der Rolle

Die Mission besteht darin, zu definieren, was nShift mit diesen Daten aufbaut, es zu validieren, bevor die Ingenieure sich verpflichten, und intelligente Produkte zu liefern, die Versendern helfen, bessere Entscheidungen zu treffen. Ein Versender, der fragt: "Wie kann ich mein Liefererlebnis verbessern?", sollte eine Antwort erhalten, die durch das gesamte Netzwerk unterstützt wird, nicht nur durch seine eigene Geschichte.

Die Rolle befindet sich an der Schnittstelle zwischen Produktmanagement und Datenwissenschaft. Sie haben die technische Tiefe, um ML-Prototypen unabhängig zu erstellen, und das kommerzielle Urteilsvermögen, um diese Fähigkeiten in Produkte zu übersetzen, für die Kunden bezahlen. Sie schreiben die Strategie und das erste Notebook.

Was Sie tun werden

• Definieren und Besitzen der datengestützten Produktstrategie.
• Besitzen der Roadmap für nShifts Datenintelligenzschicht: Vorhersage der Carrier-Leistung, Benchmarking über Kunden hinweg, ML-gesteuerte Carrier-Empfehlungen und verwandte Fähigkeiten.
• Übersetzen von nShifts Datenbestand in eine sequenzierte Produktstrategie, die kurzfristigen Wert liefert und gleichzeitig auf die Vision der kompakten Intelligenzschicht hinarbeitet.
• Definieren der Informationsarchitektur für die Dateninsights-Schicht: welche Daten gesammelt werden, wie sie normalisiert werden (in Zusammenarbeit mit angrenzenden Teams) und wie sie upstream-Produkten zur Verfügung gestellt werden.
• Schwierige Priorisierungsentscheidungen treffen: Was zuerst gebaut werden soll, um die ML-Hypothese zu validieren, was verschoben werden soll und was getötet werden soll, wenn die Daten die Wette nicht unterstützen.
• Besitzen der qualitativen Intelligenzpipeline neben der quantitativen: Definieren, welche unstrukturierten Quellen entscheidungsrelevante Signale tragen (Support-Tickets, Lieferausnahme-Nachrichten, Kundenforum, Carrier-Kommunikation), wie LLM-extrahierte Erkenntnisse für die nachgelagerte Nutzung strukturiert werden und wie qualitative und quantitative Signale in ein kohärentes Intelligenzprodukt kombiniert werden.
• Besitzen der Positionierungs- und Differenzierungserzählung: Warum dieser Datensatz einzigartig für nShift ist, warum kein Wettbewerber ihn replizieren kann und wie man diese Verteidigungsfähigkeit den Unternehmenskäufern gegenüber artikuliert.
• Aufbauen und Validieren, bevor Ingenieure sich verpflichten.
• ML-Prototypen unabhängig durchführen: Datenexploration, Merkmalsengineering, Modellauswahl und erste Validierung unter Verwendung von Python, Notebooks und den in nShifts Datenschicht verfügbaren Daten.
• Definieren des Bewertungsrahmens sowohl für ML-Modelle als auch für LLM-Pipelines.
• Gestalten von leichten Experimenten, die die Schlüsselfragen beantworten, bevor ein vollständiges Ingenieurteam verpflichtet wird.
• POC-Ergebnisse in klare Build-, Kill- oder Iterationsentscheidungen umsetzen, die durch Daten gestützt werden.
• Eng mit Ingenieuren zusammenarbeiten, um die benötigten Datenmodelle, Pipelines und Normalisierungsstandards zu definieren.
• Direkt mit Kunden und Interessenten interagieren, um die Anwendungsfälle für Intelligenz zu validieren.
• Den kommerziellen Erzählrahmen aufbauen: ROI-Rahmen, Wertquantifizierung und Positionierung für den Zielkäufer.
• Die Daten verantwortungsbewusst verwalten.
• Die Anonymisierungs-, Aggregations- und Einwilligungsrahmen definieren, die Benchmarking über Kunden hinweg rechtlich und ethisch fundiert machen.
• Mit der Rechtsabteilung und dem DPO zusammenarbeiten, um sicherzustellen, dass die Datennutzung innerhalb der Intelligenzschicht den GDPR- und vertraglichen Verpflichtungen entspricht.
• Transparenzstandards für ML-gesteuerte Empfehlungen festlegen.

Was Sie mitbringen

• Praktische Datenkompetenz in beiden Paradigmen.
• Erfahrung mit ML-gesteuerten Produkten.
• PM-Grundlagen mit kommerzieller Tiefe: 3+ Jahre Erfahrung in der Bereitstellung von B2B-SaaS-Produkten.
• Datenkompetenz, die Respekt bei Ingenieuren verdient.
• Klare Kommunikation über technische und kommerzielle Grenzen hinweg.
• Ausgezeichnete schriftliche und mündliche Englischkenntnisse.

Wünschenswert

• Erfahrung mit Zeitreihen- oder Logistikdomänendaten.
• Vertrautheit mit Konzepten von Datenplattformen.
• Hintergrund in Benchmarking über Kunden hinweg oder Netzwerkintelligenzprodukten.
• Erfahrung mit GDPR-konformer Produktgestaltung.
• Erfahrung im nordischen oder europäischen Logistikmarkt.
• Nachweis über den Aufbau des ersten Datenprodukts in einem Unternehmen.

Bei nShift glauben wir daran, Vielfalt in allen Formen zu fördern und ein integratives Umfeld für alle zu schaffen, was wir für unseren fortwährenden Erfolg als wesentlich erachten.