Auf einen Blick
- Aufgaben: Analysiere Daten und entwickle Einblicke zur Unterstützung von Unternehmensentscheidungen.
- Unternehmen: Stripe, ein innovatives Unternehmen im FinTech-Bereich mit einer dynamischen Teamkultur.
- Vorteile: Hybrid-Arbeitsmodell, wettbewerbsfähiges Gehalt und Entwicklungsmöglichkeiten.
- Weitere Informationen: Wachstumsorientierte Umgebung mit vielen Möglichkeiten zur beruflichen Weiterentwicklung.
- Warum dieser Job: Nutze deine Datenanalysefähigkeiten, um echte Auswirkungen auf die Finanzstrategie zu erzielen.
- Qualifikationen: Erfahrung in Datenanalyse, SQL und Python erforderlich.
Das prognostizierte Gehalt liegt zwischen 55000 - 70000 € pro Jahr.
Über das Team
Data Science bei Stripe ist eine lebendige Gemeinschaft, in der Datenanalysten, Datenwissenschaftler und Ingenieure gemeinsam lernen und wachsen. Sie werden mit einigen der grundlegendsten und spannendsten Daten von Stripe arbeiten und diese Daten nutzen, um unternehmensweite Initiativen voranzutreiben. Wir haben eine Vielzahl von Data Analytics-Rollen und -Teams bei Stripe und werden versuchen, Sie dem relevantesten Team basierend auf Ihrem Hintergrund zuzuordnen.
Was Sie tun werden
In dieser Rolle werden Sie eng mit Teams bei Stripe zusammenarbeiten, um sicherzustellen, dass unsere Nutzer, unsere Produkte und unser Geschäft die Modelle, Datenprodukte und Erkenntnisse haben, die benötigt werden, um Entscheidungen zu treffen und verantwortungsbewusst zu wachsen. Sie werden eng mit Partnern zusammenarbeiten, um Erkenntnisse aus den reichen und komplexen Daten bei Stripe zu gewinnen. Sie werden auch mit Führungskräften zusammenarbeiten, um Geschäftsbedürfnisse in Datenprobleme zu übersetzen. Sie werden Metriken, skalierbare Datenpipelines, Dashboards und Berichte erstellen, um das Geschäft zu informieren und zu steuern. Sie werden umsetzbare Geschäftseinblicke durch Analysen und Datenstorytelling liefern.
Verantwortlichkeiten
- Arbeiten Sie mit Treasury Finance, Finance & Strategy, Risk und Engineering zusammen, um ein Analyse- und Beobachtungsrahmenwerk für die finanzielle Position von Stripe aufzubauen.
- Untersuchen Sie makroökonomische Signale und entwickeln Sie analytische Rahmenwerke, die die Finanzplanung und strategische Entscheidungen informieren.
- Entwickeln Sie gezielte Beobachtungs- und Leistungsanalysen für sowohl standardisierte als auch ereignisgesteuerte Umgebungen und bieten Sie wichtige Einblicke für die Unternehmensführung zu Stripes Geschäftslage, während sich makroökonomische/marktspezifische Bedingungen ändern.
- Verstehen und nutzen Sie Stripes Datenbestände, um die finanzielle Leistung zu analysieren und skalierbare Datenfundamente für bestehende und aufkommende analytische Bedürfnisse zu entwickeln.
- Arbeiten Sie mit heterogenen und unstrukturierten Daten, um Erkenntnisse und Empfehlungen zu entwickeln.
- Zusammenarbeit mit Datenwissenschaftlern und Ingenieuren, um Datenpipelines, Modelle und Infrastrukturen zu erstellen, die den Geschäftsbedürfnissen dienen.
- Unterstützen Sie laufende Berichterstattung, Stakeholder-Kommunikation und Informationsanfragen über Treasury Finance und Finance & Strategy.
Wer Sie sind
Wir suchen jemanden, der die Mindestanforderungen erfüllt, um für die Rolle in Betracht gezogen zu werden. Wenn Sie diese Anforderungen erfüllen, werden Sie ermutigt, sich zu bewerben. Die bevorzugten Qualifikationen sind ein Bonus, keine Voraussetzung.
Mindestanforderungen:
- Sie müssen in New York ansässig sein oder bereit sein, umzuziehen, da diese Rolle hybrid ist.
- 3-6 Jahre Erfahrung in Datenforschung & -analyse, Risikomodellierung & -analyse, Business Intelligence und Datenengineering, beim Aufbau von Datenpipelines und der Analyse großer Datensätze zur Problemlösung.
- Kenntnisse in SQL und Python.
- Starkes statistisches Wissen und Geschäftssinn.
- Fähigkeit, Ergebnisse klar zu kommunizieren und Auswirkungen zu erzielen.
- Erfahrung in der Analyse im FinTech-Bereich, im Bankwesen, im Investmentmanagement, in der Unternehmensfinanzierung, im Treasury oder in den Finanzdienstleistungen.
- Expertise in der Visualisierung und der Nutzung von Dateninsights, um Empfehlungen abzugeben und Ziele zu erreichen.
- Nachgewiesene Fähigkeit, mehrere gleichzeitige Projekte mit starkem Augenmerk auf Details zu verwalten und zu liefern.
- Komfortable Zusammenarbeit über Funktionen hinweg, um Probleme der Datenanalyse zu identifizieren und Lösungen mit technischer Strenge und datengestützten Erkenntnissen umzusetzen.
- Kenntnisse im Umgang mit KI-Tools zur Beschleunigung der Modellentwicklung, Analyse und Codierung.
Bevorzugte Qualifikationen:
- Master-Abschluss in Mathematik, Statistik, Wirtschaft, Ingenieurwesen oder einem verwandten technischen Bereich.
- Vorherige Erfahrung in einem wachstumsstarken Internet- oder FinTech-Unternehmen.
- Vorherige Erfahrung in der Makroanalyse, Unternehmensfinanzierung, Finanzplanung und Portfoliomanagement.
- Vertrautheit mit finanziellen und buchhalterischen Daten, Zeitreihendaten, makroökonomischer Analyse oder Entwicklung wirtschaftlicher Indikatoren.
- Erfahrung mit verteilten Datenframeworks wie Hadoop und Spark zum Schreiben und Debuggen von Datenpipelines.
- Gutes Verständnis von Entwicklungsprozessen und Best Practices wie Ingenieurstandards, Code-Reviews und Tests.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Data Analyst, Macro Analytics erhalten könnten
✨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 Stripe 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 Analyst, Macro Analytics 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 Analyst, Macro Analytics bei Stripe gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Stripe 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 Stripe entscheidend sein!
