Auf einen Blick
- Aufgaben: Analysiere komplexe Datensätze und entwickle datengetriebene Produkte für den Finanzsektor.
- Unternehmen: Innovatives SaaS-Scale-up, das Risikomanagement revolutioniert.
- Vorteile: Praktische Data Science Erfahrung, schnelles Wachstum und direkte Zusammenarbeit mit Tech-Teams.
- Weitere Informationen: Werde Teil eines unterstützenden Teams und baue eine datengetriebene Kultur auf.
- Warum dieser Job: Gestalte echte Datenlösungen und erlebe den Impact deiner Analysen.
- Qualifikationen: Erste Erfahrungen in Datenanalyse, Python und SQL sind von Vorteil.
Das prognostizierte Gehalt liegt zwischen 49500 - 60500 € pro Jahr.
Job Overview
risiq ist ein aufregendes SaaS-Scale-up, das das Risikomanagement für Banken und Finanzinstitute revolutioniert: automatische, in Echtzeit und skalierbare Risikoberechnung im ESG-Framework. In dieser Rolle unterstützt du unser Data Science Team dabei, komplexe Datensätze zu analysieren, Data-Lake-Strukturen aufzubauen und datengetriebene Produkte sowie Modelle für Ribeca und unsere neuen Produktlinien zu entwickeln. Du arbeitest mit großen Datenmengen, entwickelst Analysen, die Erkenntnisse bringen, und hilfst dabei, dass Data-Insights direkt in Produktentwicklung und Modelling einfließen. Wir suchen jemanden, der analytisch stark ist, schnell lernt und Lust darauf hat, Daten zum Leben zu erwecken.
Key Responsibilities
- Datenanalyse & Exploration: Du analysierst komplexe Datensätze – verstehst ihre Struktur, identifizierst Patterns, erkennst Anomalien und Data Quality Issues. Du packst praktisch an mit SQL, Python oder ähnlich und lernst, echte Daten strategisch zu verstehen.
- Data-Lake Strukturen & Aufbau: Du unterstützt beim Aufbau von Data-Lake-Strukturen – wie organisieren wir Daten sinnvoll, wie stellen wir sicher, dass sie zugänglich und nutzbar sind, wie skaliert das mit unserem Wachstum. Du lernst echte Data Architecture.
- Data Pipeline Development: Du entwickelst und implementierst Data Pipelines und Transformationen – ETL-Prozesse, Datenflüsse von Quelle bis Modell. Du stellst sicher, dass Daten sauber und strukturiert ankommen.
- Datengetriebene Insights & Analysen: Du entwickelst Analysen und Visualisierungen, die echte Business-Fragen beantworten. Du packst analytisch an – von exploratory Analysis bis zu statistischen Modellen.
- Product-Data Collaboration: Du arbeitest eng mit Product, Modelling und Engineering zusammen – was brauchen sie an Daten, welche Analysen unterstützen neue Features, welche Data-Insights sind wertvoll für Produkt-Entscheidungen.
- Ribeca & neue Produktlinien: Du unterstützt bei der Datenanalyse und Datenaufbereitung für Ribeca und unsere neuen Produktlinien. Du stellst sicher, dass diese Produkte auf soliden Data Insights stehen.
- Datenqualität & Standards: Du entwickelst Data Quality Checks, dokumentierst Datenflüsse und hilfst dabei, eine Data Culture aufzubauen – wo jeder versteht, woher Daten kommen und wie man sie nutzt.
Basic Qualifications
- Datenanalyse & Statistik: Du hast erste Erfahrung mit Datenanalyse und statistischen Methoden – Python, R, SQL oder ähnlich. Du kennst die Basics und bist nicht eingeschüchtert von Code und Mathematik.
- Data-Verständnis: Du interessierst dich für Daten – wie sie strukturiert sind, wo Insights versteckt sind, wie man sie nutzt. Du magst es, in komplexen Datensätzen zu graben.
- Analytisches Denken: Du kannst Datenprobleme systematisch analysieren und in klare, nachvollziehbare Insights überführen. Du magst es, tiefer zu graben und Patterns zu erkennen.
- Organisationsfähigkeit: Du behältst den Überblick – über Analysen, Datenflüsse, Dokumentation. Du bist strukturiert und dokumentierst deine Arbeit.
- Eigeninitiative: Du wartest nicht darauf, dass dir alles erklärt wird. Du packst an, lernst schnell und fragst zur Richtungsklarheit.
Preferred Qualifications
- Data Science oder Analytics Background: Du hast eine Ausbildung oder ein Studium im Bereich Data Science, Statistics, Analytics, Mathematik oder ähnlich.
- Python & SQL: Du kannst sicher mit SQL umgehen und hast praktische Erfahrung mit Python – oder ähnliche Programmiersprachen.
- Machine Learning Grundlagen: Du kennst die Basics von Machine Learning – Supervised/Unsupervised Learning, Model Evaluation, Feature Engineering.
- Visualisierung & Kommunikation: Du kannst Daten visualisieren und komplexe Insights so erklären, dass auch Nicht-Data-Scientist sie verstehen.
- Finanzsektor oder Big Data: Du hast erste Erfahrung mit Finanzdaten, Banking oder großen Datenmengen – oder große Lust, das zu lernen.
- Englisch: Gutes Englisch – wir sind international tätig.
Company Culture & Benefits
- Du arbeitest an echten Data Problems: Nicht Lehrbuch-Aufgaben – echte Datenmengen, echte Challenges, echte Impact. Deine Analysen ermöglichen Produktentwicklung, Modelling und Business-Entscheidungen.
- Du lernst Data Science in der Praxis: Du baust echte Pipelines, entwickelst echte Analysen, stellst echte Insights bereit. Das ist praktische, angewandte Data Science.
- Schnelle Entwicklung: In einem Scale-up entwickelst du dich schnell. Du kannst von Associate zu Senior Associate zu Senior Data Scientist aufsteigen – wenn du gut bist.
- Ein Team, das unterstützt: Dein Senior Data Scientist oder Lead hilft dir. Modelling Teams erklären ihre Anforderungen. Product erklärt Use Cases. Engineering erklärt Infrastruktur. Jeder packt an.
- Direkte Zusammenarbeit mit Tech- und Business-Teams: Du arbeitest eng mit Engineering, Product, Modelling und Finance zusammen. Deine Insights haben direkten Impact auf neue Features und Produkte.
- Data Culture: Du hilfst dabei, eine Data Culture aufzubauen – wo Entscheidungen datengetrieben sind und jeder versteht, woher die Insights kommen.
- Praxisorientiert: Nicht nur theoretisch. Du lernst, wie echte Data Science in einem SaaS-Scale-up für Finanzsektor funktioniert – mit echten Constraints, echten Anforderungen, echtem Impact.
Über uns
Risiq ist ein innovatives und dynamisches Startup, das sich auf die Entwicklung fortschrittlicher Risikomanagementlösungen für die Bankenbranche spezialisiert hat. Mit unserem Hauptsitz in Mannheim, sind wir bestrebt, die Effizienz und Genauigkeit im Risikomanagement durch den Einsatz modernster Technologien zu revolutionieren.
Data Scientist (m/w/d) Arbeitgeber: Risiq
Als Backend-Entwickler:in in unserem innovativen Unternehmen profitieren Sie von einer dynamischen und unterstützenden Arbeitsumgebung, die auf Teamarbeit und kontinuierliches Lernen setzt. Wir bieten Ihnen nicht nur attraktive Entwicklungsmöglichkeiten in einem agilen Umfeld, sondern auch flexible Arbeitszeiten und die Chance, an spannenden Projekten mit modernsten Technologien wie Python und AWS zu arbeiten. Unser Standort fördert eine ausgewogene Work-Life-Balance und ein starkes Gemeinschaftsgefühl, was uns zu einem hervorragenden Arbeitgeber macht.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Data Scientist (m/w/d) 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 Risiq 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 Data Scientist (m/w/d) 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 Data Scientist (m/w/d) bei Risiq gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Risiq 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 Risiq entscheidend sein!
