Principal Real World Data Scientist

Principal Real World Data Scientist

Vollzeit 60000 - 80000 € / Jahr (geschätzt) Kein Homeoffice möglich
Roche

Auf einen Blick

  • Aufgaben: Leite komplexe Datenanalysen zur Unterstützung strategischer Entscheidungen im Gesundheitswesen.
  • Unternehmen: Roche, ein führendes Unternehmen in der pharmazeutischen Forschung.
  • Vorteile: Wettbewerbsfähiges Gehalt, flexible Arbeitszeiten und Entwicklungsmöglichkeiten.
  • Weitere Informationen: Mentoring-Möglichkeiten und Zusammenarbeit in einem dynamischen Team.
  • Warum dieser Job: Gestalte die Zukunft der Medizin mit realen Daten und innovativen Ansätzen.
  • Qualifikationen: PhD in Epidemiologie oder verwandten Bereichen und Erfahrung in der Analyse realer Daten.

Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.

Diese Position konzentriert sich auf die Bereitstellung von weltweit führenden analytischen Fähigkeiten für reale Daten (RWD) in großem Maßstab. Sie werden eine leitende wissenschaftliche Rolle im Team für Real World Data Insights in der Computational Medicine spielen. Zusammen mit anderen Experten für reale Daten und Kooperationspartnern werden Sie das Design und die Durchführung komplexer, hochwirksamer RWD-Studien leiten, um unser Verständnis der Krankheitsbiologie zu verbessern, Biomarker-Strategien zu informieren und umsetzbare Erkenntnisse über Patientengruppen und Vorhersagen zu Behandlungsergebnissen zu generieren. Sie werden die Integration verschiedener realer Datenquellen (z. B. EHR, Ansprüche, Register und verknüpfte Datensätze) vorantreiben und fortschrittliche analytische Ansätze anwenden, um klinische Entwicklungsentscheidungen zu informieren. Sie werden Studiendesigns, Patientenqualifikationskriterien und Endpunktstrategien beeinflussen und optimieren, um sicherzustellen, dass RWD im gesamten Lebenszyklus der Arzneimittelentwicklung effektiv genutzt wird. Sie werden als vertrauenswürdiger strategischer Partner für leitende Stakeholder agieren und komplexe analytische Ergebnisse in wirkungsvolle Entscheidungen übersetzen. Im Rahmen der Abteilung für Computational Biology and Medicine werden Sie zur breiteren wissenschaftlichen und technischen Strategie beitragen, globale Expertise nutzen und Best Practices in der RWD-Analyse vorantreiben. Sie werden auch eine Schlüsselrolle bei der Mentoring und Entwicklung von Talenten sowie der Etablierung methodologischer Standards und skalierbarer analytischer Lösungen spielen.

In dieser Rolle werden Sie:

  • Strategische Entscheidungsunterstützung: Leiten Sie das Design und die Durchführung komplexer Datenanalysen, um Investitions- und klinische Entscheidungen in frühen Programmen zu leiten.
  • Methodologische Exzellenz: Stellen Sie sicher, dass alle RWD-Ausgaben reproduzierbar, statistisch rigoros und unter Verwendung skalierbarer, wiederverwendbarer analytischer Rahmenbedingungen erstellt werden.
  • Innovatives Studiendesign: Nutzen Sie RWD, um Phase I/II-Einstellungen durch Kohortendefinition, Endpunktuntersuchung und die Entwicklung externer Kontrollarme zu optimieren.
  • Integration der Präzisionsmedizin: Kombinieren Sie RWD mit Biomarker- und Omics-Daten, um Patiententrajektorien abzubilden und gezielte, personalisierte Behandlungsansätze zu ermöglichen.
  • Team-Mentoring: Agieren Sie als technischer und wissenschaftlicher Leiter, um junior Talente zu entwickeln und eine leistungsstarke, kollaborative Forschungskultur zu fördern.
  • Interdisziplinäre Partnerschaft: Dienen Sie als vertrauenswürdiger wissenschaftlicher Ansprechpartner zwischen Datenfunktionen und klinischen Stakeholdern, um die Evidenzgenerierung mit den Prioritäten des Portfolios in Einklang zu bringen.

Wer Sie sind:

  • Ein PhD in Epidemiologie, Biostatistik, Datenwissenschaft, Bioinformatik oder einem verwandten Bereich mit mehr als 3 Jahren Erfahrung in der Anwendung von Analysen realer Daten in der pharmazeutischen Forschung oder im Gesundheitswesen ist erforderlich.
  • Tiefe, praktische Expertise in der Analyse realer Daten, mit starkem Fokus auf die Bereitstellung aufschlussreicher Ergebnisse in frühen Entwicklungsanwendungen sowie ein starkes Verständnis der Krankheitsbiologie und klinischen Entwicklung sind erforderlich.
  • Nachweisliche Fähigkeit, Datenanalysen mit Entscheidungsfindung zu verbinden, ist erforderlich.
  • Solide Programmierkenntnisse in R und/oder Python, fortgeschrittene AI/ML-Kenntnisse, angewandte Biostatistik und starke Expertise in Datenintegration und -visualisierung sind erforderlich.
  • Tiefe Vertrautheit mit realen Datenquellen (z. B. EHR, Ansprüche, Register) und deren Stärken, Einschränkungen und angemessener Nutzung in verschiedenen Forschungskontexten ist erforderlich.
  • Nachweisbare Erfahrung in der Mitwirkung an leistungsstarken und multidisziplinären Teams sowie Erfahrung in der Mentoring und Entwicklung anderer ist wünschenswert.
  • Starke Kommunikationsfähigkeiten, mit der Fähigkeit, komplexe Analysen in klare, umsetzbare Erkenntnisse für verschiedene Zielgruppen zu übersetzen, sind wünschenswert.
  • Nachgewiesene Fähigkeit, kollaborative, vertrauensbasierte Beziehungen über Funktionen hinweg und innerhalb des breiteren Unternehmensökosystems aufzubauen, ist wünschenswert.

Principal Real World Data Scientist Arbeitgeber: Roche

Roche bietet als Arbeitgeber eine inspirierende und innovative Arbeitsumgebung in Rotkreuz, wo Mitarbeiter in einem interdisziplinären Team an der Schnittstelle von Wissenschaft und Technologie arbeiten. Die Unternehmenskultur fördert Zusammenarbeit und persönliche Entwicklung, während umfassende Schulungs- und Weiterbildungsmöglichkeiten sowie flexible Arbeitsmodelle den Mitarbeitern helfen, ihre Karriereziele zu erreichen. Zudem engagiert sich Roche für Vielfalt und Chancengleichheit, was das Unternehmen zu einem attraktiven Arbeitsplatz für alle macht, die einen bedeutungsvollen Beitrag zur Gesundheitsversorgung leisten möchten.

Roche

Kontaktdaten:

Roche Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Principal Real World Data Scientist mit Bravour zu bestehen

Epidemiologie
Biostatistik
Datenwissenschaft
Bioinformatik
Real-World-Datenanalyse
Programmierung in R
Programmierung in Python