Staff Forecasting Data Scientist

Anforderungen:

• 8+ Jahre Erfahrung in Datenwissenschaft oder angewandten Statistikrollen, davon mindestens 3 Jahre mit Fokus auf Prognosen, Zeitreihenmodellierung oder Umsatz-/Einschreibungsprognosen in einem SaaS-, Gesundheitswesen- oder ähnlichen wiederkehrenden Einnahmegeschäft.
• Tiefe praktische Kenntnisse in Python (z. B. pandas, numpy, scikit-learn, statsmodels, Prophet oder ähnliche Bibliotheken) und SQL, mit nachweislicher Erfahrung in der Umsetzung von Modellen von der Entdeckung bis zur Bereitstellung und fortlaufenden Überwachung.
• Starke Grundlagen in statistischen und maschinellen Lernmethoden für Prognosen (z. B. hierarchische oder Panel-Prognosen, Gradient Boosting, verallgemeinerte lineare Modelle) und ein praktisches Gespür dafür, wann einfache Modelle komplexe übertreffen.
• Erfahrung in der Gestaltung und Wartung von Produktionsdatenwissenschaftssystemen in Zusammenarbeit mit Datenengineering- und Plattformteams, einschließlich Versionierung, Backtesting, Leistungsüberwachung und Alarmierung.
• Komfort im Umgang mit unordentlichen, realen Geschäftsdaten (CRM, Marketing, Produkt/Ereignis und Finanzdaten) und beim Aufbau robuster Pipelines und Funktionen, die wiederkehrende Prognoseläufe unterstützen können.
• Nachgewiesene Fähigkeit, mehrdeutige Geschäftsfragen in gut definierte technische Probleme zu übersetzen, trade-offs klar an nicht-technische Stakeholder zu kommunizieren und Feedback in Modell- und Metrikdesign zu integrieren.
• Erwiesene Erfahrung in der Beeinflussung funktionsübergreifender Partner (z. B. Commercial Operations, Vertrieb, Marketing, Finanzen) durch datengestützte Erkenntnisse, einschließlich der Darstellung von Unsicherheiten, Risiken und Szenariobereichen auf eine für Führungskräfte verständliche Weise.
• Hoher Grad an Eigenverantwortung und Handlungsdrang: bereit, in Daten, Prototypen und Code einzutauchen, während man auch einen Schritt zurücktritt, um skalierbare Systeme und langfristige Verbesserungen der Prognosefähigkeiten zu entwerfen.
• Komfortabel in einem sich schnell verändernden Umfeld, in dem GTM-Motionen, Produkte und Partnerbedürfnisse sich schnell entwickeln, und wo Sie Klarheit durch Struktur, Prozesse und Analytik schaffen.
• (Wünschenswert) Erfahrung in der Implementierung oder Aktualisierung von Prognosetools, analytischen Workflows oder Datenmodellen in einem schnell wachsenden, sich entwickelnden oder börsennotierten Unternehmensumfeld.
• (Wünschenswert) Hintergrund im Gesundheitswesen, digitale Gesundheit, Gesundheitspläne/PBMs oder anderen komplexen, regulierten Branchen mit Multi-Stakeholder-Verkaufszyklen.
• (Wünschenswert) Frühere Arbeit zur Unterstützung der Kapazitätsplanung oder operativen Prognosen in Verbindung mit der Versorgung, Lieferkette oder Kundenserviceteams.
• (Wünschenswert) Vertrautheit mit Salesforce-Datenmodellen und RevOps-Prozessen (Pipeline-Management, Anreizvergütung, Gebiet/Quota-Design).
• (Wünschenswert) Leidenschaft für die Nutzung von Daten, Analytik und aufkommenden Technologien (z. B. fortgeschrittene BI, KI-gesteuerte Prognosen), um das Gesundheitswesen und die Ergebnisse für Menschen mit chronischen Erkrankungen zu verbessern.

Was die Stelle beinhaltet:

• Entwurf, Aufbau und Automatisierung der Kernprognosemaschine für die Einschreibung von Omada für das bestehende Geschäft, wodurch der manuelle Aufwand erheblich reduziert und die Prognosezuverlässigkeit und -reproduzierbarkeit erhöht wird.
• Übersetzung kommerzieller Planungsfragen in skalierbare Prognoselösungen, enge Zusammenarbeit mit Commercial Operations, Vertrieb, Marketing und Finanzen, um sicherzustellen, dass die Modelle die realen Dynamiken widerspiegeln und im täglichen Entscheidungsprozess verwendbar sind.
• Festlegung und Verantwortung für Best Practices in der Modellentwicklung, im Backtesting, in der Leistungsüberwachung und in der Alarmierung für Einschätzungsprognosen, um Omada zu helfen, von einmaligen Analysen zu einer robusten, produktionsreifen Prognosefähigkeit überzugehen.
• Verbesserung der Prognosegenauigkeit und -reaktionsfähigkeit im Laufe der Zeit durch kontinuierliches Experimentieren mit neuen Datenquellen, Funktionen und Modellierungstechniken sowie systematische Integration von Erkenntnissen aus der Prognoseleistung.
• Als primärer technischer Leiter für Prognosen innerhalb der Datenorganisation fungieren, Anleitung zu Werkzeugen, Codierungsstandards und Architektur geben und andere Datenwissenschaftler, die zu Prognoseprojekten beitragen, betreuen.
• Führungskräfte im Bereich Commercial Operations von der Fokussierung auf Produktlinienstrategien und neuen Markteinführungsbewegungen befreien, indem Sie die technische Umsetzung der Basisprognose übernehmen und eng an dem Annahmerahmen und der Erzählung zusammenarbeiten.