Data Scientist

Healthcare ist in der Krise und die Menschen hinter den Ergebnissen verdienen Besseres. Mit immer mehr Daten aus tragbaren Geräten, Labortests und Patienten-Arzt-Interaktionen treten wir in eine Ära ein, in der Daten im Überfluss vorhanden sind. Junction baut die Infrastruktur für diagnostische Gesundheitsversorgung auf und macht Patientendaten über Labore und Geräte hinweg zugänglich, umsetzbar und automatisiert. Unsere Mission ist einfach, aber ehrgeizig: Gesundheitsdaten nutzen, um beispiellose Einblicke in die menschliche Gesundheit und Krankheit zu gewinnen.

Wenn Sie leidenschaftlich daran interessiert sind, wie Technologie das Gesundheitswesen revolutionieren kann, werden Sie gut zu uns passen. Unterstützt von Creandum, Point Nine, 20VC, YC und führenden Investoren lösen wir eine der größten Herausforderungen unserer Zeit: das Gesundheitswesen personalisiert, proaktiv und erschwinglich zu gestalten. Wir verbinden bereits Millionen und wachsen schnell.

Was wir von Ihnen brauchen:

Junction befindet sich im Fluss von wertvollen Diagnosen und klinischen Daten. Mit dem Wachstum des Unternehmens verschiebt sich unser Vorteil über das bloße Vorhandensein von Daten hinaus, hin zur Fähigkeit, diese in zuverlässige Intelligenz umzuwandeln, die Produktentscheidungen, Kundenergebnisse und die Leistung des Unternehmens verbessert. Einige dieser Arbeiten existieren bereits, sind jedoch noch nicht als kohärente Funktion etabliert. Modelle werden erstellt, Analysen durchgeführt und Experimente beantworten lokale Fragen. Aber wir benötigen jemanden, der das breitere wissenschaftliche und analytische System definieren kann: was wir messen sollten, welche Methoden wir vertrauen, wo Modellierung echten Nutzen schafft und wie diese Arbeit in Produkte und Entscheidungen übersetzt wird, die über eine Demo hinaus Bestand haben.

Wir stellen unseren ersten Data Scientist ein, um diese Standards zu übernehmen und zu etablieren. Diese Rolle wird die wichtigsten Modellierungs-, Experimentier- und Evaluierungsarbeiten von Junction leiten. Sie werden eng mit den Teams für Daten, Produktentwicklung und Führung zusammenarbeiten, um den analytischen Fahrplan voranzutreiben, durch den Junction differenzierte Werte aus Daten schöpfen kann.

Was Sie täglich tun werden:

• Leiten Sie die Forschungs- und Modellierungsarbeiten, die den höchsten Prioritäten von Junction im Bereich Data Science zugrunde liegen.
• Definieren Sie strenge Rahmenbedingungen für Messung, Experimentierung und kausale Bewertung, damit wir Signal von Rauschen unterscheiden und Entscheidungen treffen können, die wir verteidigen können.
• Führen Sie die Entwicklung prädiktiver Modelle, Segmentierungsansätze, Risiko- oder Routing-Logik und anderer statistischer Systeme, die direkt die Produkt- und Geschäftsstrategie informieren.
• Bauen Sie die analytische Grundlage hinter kundenorientierten Funktionen — von der Modellentwicklung bis zur Validierung und Leistungsüberwachung.
• Arbeiten Sie mit Ingenieuren und Dateningenieuren zusammen, um sicherzustellen, dass Modelle und analytische Systeme in der Produktion eingesetzt werden können, zuverlässig sind und in realen Arbeitsabläufen nützlich sind.
• Etablieren Sie, wie Junction datengestützte und KI-gestützte Funktionen bewertet, einschließlich Methodik, Qualitätsstandards, Überwachung und Leistungsbewertung.
• Kommunizieren Sie komplexe technische Ergebnisse klar an technische und nicht-technische Stakeholder, einschließlich Kompromissen, Einschränkungen und Implikationen für Maßnahmen.

Anforderungen:

• Starke Erfolgsbilanz bei der Leitung von hochriskanten analytischen Arbeiten, die Produkt-, Betriebs- oder Geschäftsentscheidungen beeinflusst haben.
• Tiefe Kenntnisse in statistischer Inferenz, experimentellem Design, Beobachtungsanalyse und Modellauswertung.
• Starke Python- und/oder R-Kenntnisse, mit Erfahrung in der Arbeit mit großen, unordentlichen realen Datensätzen.
• Erfahrung in der Erstellung prädiktiver oder entscheidungsunterstützender Modelle in Produktions- oder nahezu Produktionsumgebungen.
• Erfahrung in enger Zusammenarbeit mit Ingenieuren, um Arbeiten von der Analyse oder dem Prototyp in implementierte Systeme zu überführen.
• Fähigkeit, sowohl strategisch als auch praktisch zu arbeiten: den Fahrplan zu definieren und gleichzeitig ins Detail zu gehen, wenn es nötig ist.
• Starke Kommunikations- und Stakeholder-Management-Fähigkeiten; in der Lage, Methoden, Ergebnisse und Kompromisse sowohl gegenüber Führungskräften als auch technischen Kollegen zu erklären.
• Komfortable Arbeit in einer Startup-Umgebung mit Unklarheiten, begrenzter Struktur und hoher Eigenverantwortung.

Nice to have:

• Erfahrung in der Gestaltung, Durchführung und Veröffentlichung von Forschungsstudien.
• Erfahrung mit HIPAA, PHI oder anderen regulatorischen klinischen Rahmenbedingungen.
• Tiefe Vertrautheit mit modernen Datenwerkzeugen und Produktionsabläufen über Lagerhäuser, Orchestrierung und Transformationsschichten.
• Erfahrung in der Entwicklung, Bereitstellung und Gestaltung von Bewertungsrahmen für LLM- oder KI-gestützte Funktionen in kundenorientierten Produkten.
• Expertise in der direkten Arbeit mit Gesundheitswesen, Diagnosen, Labordaten, tragbaren Daten und anderen klinischen Daten.
• Erfahrung in der Anwendung kausaler Inferenzmethoden, wie z.B. diff-in-diff, Propensity Scoring oder instrumentelle Variablen in der Praxis.

Was diese Rolle nicht ist:

• Keine Analytics-Rolle, die sich auf Dashboards, Berichterstattung oder einmalige Analysen konzentriert.
• Keine ML-Plattformrolle — Sie werden keine Infrastruktur oder Werkzeuge besitzen.
• Kein guter Fit, wenn Sie hauptsächlich mit Modellen oder KI-Ideen experimentieren möchten, ohne verantwortlich zu sein, wie sie in der Produktion abschneiden.
• Kein guter Fit, wenn Sie Schwierigkeiten mit Unklarheiten haben. Zu wissen, woran man arbeiten soll, ist Teil des Jobs.

Wie Sie entschädigt werden:

Gehalt: $180,000 – $220,000 + Eigenkapital. Ihr Gehalt hängt von Ihrem Standort und Erfahrungsgrad ab. Großzügige Optionen in der frühen Phase (verlängerte Ausübung nach 2 Jahren Beschäftigung). Regelmäßige persönliche Offsites, zuletzt in Teneriffa und Miami. Monatliches Lernbudget von $300 für persönliche Entwicklung und Produktivität. Flexibles, remote-first Arbeiten - einschließlich $1K für Büroausstattung. Monatliches Budget von $150 für die Nutzung eines Coworking-Spaces. 25 Tage Urlaub pro Jahr + nationale Feiertage. Gesundheitsversorgung abhängig vom Standort.