Senior Finance Data Scientist, Existing Business

Über das Unternehmen: Fin ist das Unternehmen für KI-Kundenagenten mit der Mission, Unternehmen dabei zu helfen, perfekte Kundenerlebnisse zu bieten. Unser KI-Agent Fin ist der leistungsstärkste KI-Kundenagent auf dem Markt und ermöglicht es Unternehmen, makellosen, jederzeit verfügbaren Kundenservice über die gesamte Customer Journey hinweg zu bieten: von Service über Vertrieb bis hin zu E-Commerce. Angetrieben von unseren eigenen KI-Modellen löst Fin komplexe Kundenprobleme von Anfang bis Ende über alle Kanäle mit minimalem Aufwand und Integration. Fin kann auch mit unserem nativ integrierten Intercom-Helpdesk kombiniert werden, um ein einziges System zu schaffen, das auf die Bedürfnisse moderner Support-Teams zugeschnitten ist. Gegründet im Jahr 2011, wurde Fin eines der am schnellsten wachsenden Unternehmen und bleibt eines der größten privaten Softwareunternehmen der Welt, mit fast 30.000 globalen Unternehmen, die unsere Produkte zur Transformation ihres Kundenservices nutzen.

Rollenübersicht: Als Senior Finance Data Scientist, Existing Business, sind Sie der Architekt der Systeme, die die zukünftigen Einnahmen von Fin vorhersagen. Sie werden über statische Berichterstattung hinausgehen, um produktionsreife Prognosemodelle zu erstellen, die komplexe Kundenverhalten in finanzielle Signale übersetzen. Sie werden an hochwirksamen, offenen Problemen arbeiten, wie z.B. der Vorhersage der Expansionsneigung und der Modellierung des langfristigen Kunden-LTV. Diese Rolle erfordert eine Kombination aus finanzieller Intuition und technischer Strenge: die Fähigkeit, durch Rohdatenlager zu navigieren und den strategischen Verstand, um das 'Warum' hinter den Zahlen unserem Führungsteam zu erklären.

Der Einfluss, den Sie haben werden:

• Erstellen und Pflegen von Prognosemodellen für nutzungsbasierte Einnahmen, Erneuerungen und Expansion, die traditionelle lineare Prognosen übertreffen.
• Entwickeln von Neigungsmodellen zur Identifizierung von Expansionsmöglichkeiten und Abwanderungsrisiken, bevor sie in der Bilanz sichtbar werden.
• Gestalten und Pflegen kuratierter Datensätze, die als einzige Quelle der Wahrheit dienen.
• Definieren und Iterieren unserer LTV-Rahmenwerke, um eine klare Verbindung zwischen Produktengagement und langfristigen finanziellen Ergebnissen herzustellen.
• Erstellen automatisierter, codebasierter Prognose-Workflows, die die Geschwindigkeit, Zuverlässigkeit und Granularität unserer Finanzplanung erhöhen.

Was werde ich tun?

• Erstellen und Besitzen probabilistischer und zeitlicher Modelle, die die ARR-Leistung über Erneuerungen und nutzungsbasierte Bewegungen projizieren.
• Integrieren von Verhaltenssignalen, wie Produktakzeptanz, Sitznutzung und Funktionseinbindung, in Expansionsneigungs- und LTV-Rahmenwerke.
• Gestalten von Modellen, die Kohortendynamik, Saisonalität und produktgesteuerte Wachstumssignale berücksichtigen.
• Bewerten der Modellleistung durch Backtesting und Iteration, um sicherzustellen, dass unsere 'finanzielle Wettervorhersage' ständig verbessert wird.
• Besitzen der End-to-End-Datenpipeline für Finanzen, um Rohdaten zur Produktnutzung und Abrechnung in kuratierte, modellbereite Datensätze in unserem Datenlager zu transformieren.
• Schreiben und Optimieren von produktionsqualitativem SQL und Python, um mit großangelegten Datensätzen zu arbeiten und komplexe FP&A-Workflows zu automatisieren.
• Sicherstellen der Datenintegrität und -konsistenz über alle prädiktiven Systeme und Executive-Dashboards hinweg.
• Beitragen zur langfristigen Datenstrategie, wie Fin die Gesundheit des bestehenden Geschäfts verfolgt und vorhersagt.
• Übersetzen von mehrdeutigen Geschäftsfragen (z.B. 'Welche Nutzungssignale sagen am besten eine 2-fache Expansion voraus?') in strukturierte Datenwissenschaftsprojekte.
• Verbinden von ARR-Ergebnissen mit zugrunde liegenden Treibern wie Produktakzeptanz, Kunden-Gesundheitsbewertungen und GTM-Aktivitäten.
• Durchführen von Szenariomodellierungen und Sensitivitätsanalysen.