Auf einen Blick
- Aufgaben: Revolutioniere die globale Produktbewegung durch innovative Vorhersagesysteme.
- Unternehmen: Dynamisches Unternehmen, das Technologie als Innovationsvorteil sieht.
- Vorteile: Wachstumsorientierte Umgebung mit Zugang zu persönlicher Selbstfürsorge und Weiterbildung.
- Weitere Informationen: Interdisziplinäres Team, das komplexe logistische Herausforderungen löst.
- Warum dieser Job: Gestalte die Zukunft der Lieferkette mit modernster Datenwissenschaft und KI.
- Qualifikationen: 5+ Jahre Erfahrung in Datenwissenschaft und Demand Forecasting.
Das prognostizierte Gehalt liegt zwischen 75000 - 95000 € pro Jahr.
Als Lead Data Scientist, spezialisiert auf Supply Chain Forecasting, ist es Ihre Mission, die Art und Weise, wie wir Produkte global bewegen, zu revolutionieren, indem Sie die nächste Generation von prädiktiven Systemen entwickeln. Sie werden die Lücke zwischen modernster Forschung, wie z.B. Time Series Foundation Models, und produktionsreifen Lösungen in der Lieferkette überbrücken. Dies ist eine Rolle für einen erfahrenen Prognoseexperten, der Erfahrung im Aufbau von Prognosen hat, die mehrere Ansätze kombinieren, um Kennzahlen wie Prognosegenauigkeit, Lagerausfallquote und On-Time-In-Full (OTIF) zu steuern.
Ihre Mission
- Einfluss auf die Prognosegenauigkeit ausüben: Verwenden Sie eine Reihe von Modellierungsansätzen, wie z.B. fortschrittliche Techniken wie Time Series Foundation Models (z.B. Chronos, TimesFM) und mehrstufige Prognoseframeworks, um Verbesserungen in der Prognosegenauigkeit zu erzielen.
- Skalierbare Lösungen entwickeln: Entwerfen und implementieren Sie autonom End-to-End-Maschinenlern-Pipelines unter Verwendung agentischer Codierungswerkzeuge zur Beschleunigung von Prototyping und Entwicklung.
- Unsere Lieferkette optimieren: Arbeiten Sie mit Geschäfts-, Produktmanagement- und Analytikteams zusammen, um zu definieren, wie Prognosen und verwandte Daten durch unsere Lieferkette fließen.
- Unsere Ansätze bewerten: Arbeiten Sie mit unseren Analysepartnern zusammen, um sicherzustellen, dass wir uns auf die richtigen Optimierungskennzahlen und Prognoseherausforderungen konzentrieren.
- Neue Architekturen nutzen: Erkunden Sie, wie Prognosealgorithmen mit agentischen Entscheidungswerkzeugen kombiniert werden können, um sowohl die Entscheidungsfindung zu beschleunigen als auch zu verbessern.
- Innovieren: Forschen Sie aktiv nach den besten Praktiken und den neuesten Ansätzen in der Prognose und stellen Sie sicher, dass die Prognosefähigkeiten von On maximalen Einfluss haben.
Ihre Geschichte
- Umfangreiche Erfahrung: Sie haben über 5 Jahre Erfahrung in der Datenwissenschaft, mit einer tiefen Spezialisierung auf Nachfrageprognose und Optimierung in der Lieferkette oder im Einzelhandel.
- Technische Meisterschaft: Sie sind ein Experte in Python und SQL, mit einer nachgewiesenen Erfolgsbilanz beim Aufbau und der Wartung produktionsreifer Modelle, vorzugsweise unter Verwendung von GCP und Vertex AI.
- Fortgeschrittene Modellierung: Sie haben praktische Erfahrung mit Time Series Foundation Models, hierarchischer Prognose und der Lösung von „Cold Start“-Problemen für wachstumsstarke Produktlinien.
- Agentische Kompetenz: Sie sind vertraut mit agentischen Codierungswerkzeugen zur Steigerung der Produktivität und kennen sich mit LLM-basierten Ansätzen für Datenwissenschafts-Workflows aus.
- Zusammenarbeit: Sie haben eine starke Erfolgsbilanz in der Zusammenarbeit mit multidisziplinären Teams, um in komplexen Umgebungen hohe Auswirkungen zu erzielen.
- Ingenieurdenken: Sie sind Ingenieur aus Überzeugung und priorisieren robusten Code, CI/CD und MLOps-Prinzipien, um die Zuverlässigkeit von Modellen in einer globalen, 24/7-Lieferkette sicherzustellen.
- Akademische Grundlage: Sie haben einen Master oder Ph.D. in einem quantitativen Bereich (z.B. Informatik, Mathematik, Statistik) und bleiben an der Spitze der KI-Forschung.
Das Team
Sie werden Teil eines leistungsstarken, interdisziplinären Teams von Datenwissenschaftlern und Ingenieuren, das sich der Schaffung eines signifikanten Einflusses auf unsere Lieferkette durch Daten, ML und KI widmet. Wir arbeiten in einer schnelllebigen Umgebung, in der Technologie als Innovationsvorteil und nicht als Unterstützungsfunktion angesehen wird. Wir arbeiten gemeinsam daran, komplexe logistische Herausforderungen zu lösen. Wir schätzen „pragmatische Visionäre“, die stolz auf hochwertige Technologie sind und sich der Herausforderung freuen, physische Produkte effizienter über den Globus zu bewegen.
Was wir bieten
On ist ein Ort, der auf Wachstum und Fortschritt ausgerichtet ist. Wir bieten eine Umgebung, die darauf ausgelegt ist, den Menschen die Werkzeuge zu geben, um ganzheitlich zu wachsen - aktiv zu bleiben, zu lernen, zu erkunden und zu innovieren. Unser unverwechselbarer Ansatz kombiniert eine unterstützende, teamorientierte Atmosphäre mit Zugang zu persönlicher Selbstfürsorge für das körperliche und geistige Wohlbefinden, sodass jede Person von einem Ziel geleitet wird.
On ist ein Arbeitgeber, der Chancengleichheit bietet. Wir setzen uns dafür ein, ein Arbeitsumfeld zu schaffen, das fair und inklusiv ist, in dem alle Entscheidungen im Zusammenhang mit Rekrutierung, Aufstieg und Bindung frei von Diskriminierung sind.
On Lead Data Scientist - Supply Chain Demand Forecasting Arbeitgeber: On
On ist ein hervorragender Arbeitgeber, der eine dynamische und unterstützende Arbeitsumgebung bietet, in der Mitarbeiter ganzheitlich wachsen können. Mit einem starken Fokus auf Teamarbeit und persönliches Wohlbefinden fördert das Unternehmen Innovation und kontinuierliches Lernen, während es gleichzeitig eine faire und inklusive Kultur pflegt. Die Möglichkeit, an der Spitze einer der innovativsten Technologien im Bereich Fußbekleidung zu arbeiten, macht diese Position besonders attraktiv für alle, die in einem schnelllebigen, globalen Umfeld tätig sein möchten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so On Lead Data Scientist - Supply Chain Demand Forecasting erhalten könntest
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei On zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um On Lead Data Scientist - Supply Chain Demand Forecasting mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als On Lead Data Scientist - Supply Chain Demand Forecasting bei On gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei On vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für On entscheidend sein!