Data Scientist 100% (f/m/d)

Bei Julius Baer feiern und schätzen wir die individuellen Qualitäten, die Sie mitbringen, um wirkungsvoll, unternehmerisch und befähigt zu sein und Werte über Wohlstand hinaus zu schaffen. Lassen Sie uns gemeinsam die Zukunft des Wealth Management gestalten.

Julius Baer sucht einen zukunftsorientierten Data Scientist, um die Zukunft des Data Science Workbench-Angebots von Julius Baer zu gestalten.

In dieser entscheidenden Rolle werden Sie die technische Vision, den Fahrplan, die Community of Practice und die betriebliche Exzellenz des Data Science Workbench-Angebots der globalen Datenplattform definieren und vorantreiben, um datengestützte Entscheidungen und Berichterstattung in der gesamten Bank zu ermöglichen.

Sie spielen eine zentrale Rolle bei der Transformation, wie wir unsere grundlegende Data Science-Infrastruktur aufbauen, skalieren und steuern - dabei Innovation mit Robustheit, Agilität mit Compliance und Geschwindigkeit mit Nachhaltigkeit in Einklang bringend. In enger Zusammenarbeit mit dem Plattformbesitzer, der Unternehmensarchitektur, dem Produktbesitzer, den Engineering-Teams und externen Partnern stellen Sie sicher, dass die Fähigkeiten des Data Science Workbench kontinuierlich den sich entwickelnden Geschäfts- und Verbraucheranforderungen entsprechen und strengen IT-, Risiko- und regulatorischen Standards genügen.

IHRE HERAUSFORDERUNG

• Definieren und Pflegen der End-to-End technischen Vision, des Fahrplans und der Lebenszyklusstrategie für das Data Science Workbench-Angebot der globalen Datenplattform.
• Anforderungen sammeln und Beziehungen zur aktuellen und potenziellen Verbraucherschaft pflegen. Sicherstellen, dass die technische Vision und der Fahrplan ihre aktuellen und zukünftigen Geschäftsziele unterstützen.
• Sicherstellen der Skalierbarkeit, Zuverlässigkeit, Leistung und Sicherheit der Plattform, Einbettung nicht-funktionaler Anforderungen (NFRs), Beobachtbarkeit, Automatisierung und Resilienz-by-Design-Prinzipien.
• Leiten der Priorisierung und Lieferung von Funktionen und Fähigkeiten im Zusammenhang mit dem Data Science Workbench, Zusammenarbeit mit Plattformbesitzern, Scrum Mastern, Entwicklungsteams, Systemarchitekten und Release Train Engineers zur Koordination der Arbeit über Agile-Teams hinweg.
• Besitzen und Vorantreiben der Community of Practice für das Data Science Workbench in der gesamten Organisation.
• Als primärer technischer Eskalationspunkt für Vorfälle, Probleme, Audits und Risikofeststellungen im Zusammenhang mit dem Data Science Workbench fungieren.
• SLAs, SLOs und KPIs festlegen und überwachen; Metriken und OKRs nutzen, um die Gesundheit der Plattform, Nutzung, Teamleistung und den geschaffenen Geschäftswert zu messen.
• Standardisierung, Wiederverwendung und Vereinfachung im gesamten Data Science Workbench-Ökosystem vorantreiben, um Komplexität zu reduzieren, Interoperabilität zu verbessern und die Markteinführungszeit zu beschleunigen.
• Das Zielbetriebsmodell für die Operationen des Data Science Workbench gestalten - einschließlich Governance, RACI-Definitionen, Vorfallstriage und Übergabeprozesse - zur Unterstützung von Stabilität, nachhaltigem Wachstum und effizienten Betriebsmodellen.

• Abschluss als Bachelor oder Master in Informatik, Informationssystemen oder einem verwandten Bereich.
• Mindestens 5 Jahre Erfahrung in Technologie- und/oder Data Science-Rollen innerhalb großer, regulierter Unternehmen - vorzugsweise im Finanzdienstleistungssektor.
• Nachweisliche Erfahrung in der Gestaltung und Operationalisierung von Künstlicher Intelligenz (KI) und Machine Learning (ML) Plattformen, MLOps-Pipelines und Modellentwicklungsrahmen.
• Praktische Expertise in den Kernprogrammiersprachen der Data Science (z.B. Python, R, SQL) und Bibliotheken (z.B. TensorFlow, PyTorch, Scikit-learn).
• Erfahrung mit der Integration von Large Language Models (LLM), generativen KI-Frameworks und Prompt Engineering in Unternehmensumgebungen.
• Starker Hintergrund in statistischer Modellierung, prädiktiver Analyse und natürlicher Sprachverarbeitung (NLP).
• Nachgewiesene Erfahrung in der Implementierung verantwortungsvoller KI-Praktiken, einschließlich Modellvalidierung, Bias-Erkennung und Erklärbarkeit in einem regulierten Kontext.
• Erfolgreiche Unterstützung von Data Science-Teams durch den Aufbau skalierbarer, geregelter Umgebungen für Modellentwicklung, -training und -bereitstellung.
• Erfahrung mit Feature Stores, Vektordatenbanken und KI-Orchestrierungstools zur Unterstützung fortgeschrittener Analyseanwendungen.
• Fähigkeit, komplexe Anforderungen an Data Science und KI in robuste, produktionsreife Infrastruktur-Spezifikationen zu übersetzen.
• Nachweisliche Erfahrung in der Leitung und Skalierung einer Community of Practice.
• Erfolgsbilanz bei der Definition und Lieferung technischer Visionen und Fahrpläne in Unternehmensumgebungen.
• Praktische Erfahrung mit modernen Datalake- und Datalake-House-Technologien wie Apache Spark / Iceberg, Trino, Kafka, Kubernetes, Snowflake/Databricks, Hadoop-Ökosystemen oder Äquivalenten.
• Starkes Verständnis von Agile-Methoden, DevOps-Praktiken, CI/CD-Pipelines.
• Vertrautheit mit Risiko- und Compliance-Rahmenwerken, die für Schweizer Finanzinstitute gelten, und Erfahrung in der Bearbeitung von Auditpunkten oder IT-Risiko-Themen.
• Außergewöhnliche technische Führung und systemisches Denken, in der Lage, kurzfristige Lieferungen mit langfristiger Plattformnachhaltigkeit in Einklang zu bringen.
• Gute Kommunikationsfähigkeiten auf allen Ebenen. Fähigkeit, komplexe Themen für das Management und das Geschäft zusammenzufassen, während sie auch auf Detailniveau mit technischen Teams diskutieren können.
• Expertise in der Governance des Softwarelebenszyklus, im Management technischer Schulden, in der Behebung von Sicherheitsanfälligkeiten und in Genehmigungsprozessen für Releases.
• Fähigkeiten im Roadmapping, im Management von Abhängigkeiten und in der Übersetzung von Geschäftsfähigkeiten in umsetzbare technische Initiativen.
• Menschenfreund oder komfortabel mit erheblichem Geschäft/Verbraucher-Interaktion.
• Solides Verständnis von nicht-funktionalen Anforderungen - Leistung, Verfügbarkeit, Wiederherstellbarkeit, Überwachung, Protokollierung und Sicherheit von Anfang an.
• Starker analytischer Denkansatz mit der Fähigkeit, dateninformierte Entscheidungen unter Verwendung von KPIs, Telemetrie und Feedbackschleifen zu treffen.
• Fließend in Englisch, sowohl schriftlich als auch mündlich; Deutschkenntnisse sind von Vorteil.
• Fähigkeit, effektiv in einer matrixartigen, multinationalen Umgebung mit konkurrierenden Prioritäten zu arbeiten.