Auf einen Blick
- Aufgaben: Verantworte die Data-Science-Arbeit für Cashflow-Prognosen und Risikomodelle in der Musikindustrie.
- Unternehmen: Innovatives Berliner Startup, das Musikrechteinhabern neue Finanzierungsmöglichkeiten bietet.
- Vorteile: Wettbewerbsfähiges Gehalt, flache Hierarchien und flexible Arbeitsmodelle, inklusive Remote-Arbeit.
- Weitere Informationen: Dynamisches Team mit vielfältigen Entwicklungsmöglichkeiten im Herzen Berlins.
- Warum dieser Job: Gestalte die Zukunft der Musikfinanzierung und entwickle innovative ML-Modelle mit echtem Einfluss.
- Qualifikationen: Erfahrung mit Python, ML-Methoden und Cloud-Infrastrukturen; Kommunikationsstärke ist ein Plus.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Du verantwortest die Data-Science-Arbeit hinter unserem System zur Cashflow-Prognose und Risikoschätzung für Künstler-Royalty-Portfolios. Das umfasst den vollständigen Aufbau, die Evaluierung und kontinuierliche Verbesserung von ML-Modellen – von Rohdaten bis hin zu investorentauglichen Berichten und produktionsreifen APIs – in enger Zusammenarbeit mit internen Stakeholdern und Investoren.
Deine Mission
- Modellierung & Forschung
- Entwurf, Training und Evaluierung von Modellen zur Prognose von Cashflow-Verteilungen über mehrjährige Horizonte
- Entwicklung und Verbesserung von Methoden zur Risikoschätzung
- Durchführung einer fundierten Modellbewertung
- Recherche und Einbindung zusätzlicher öffentlicher, frei verfügbarer oder käuflicher Datenquellen zur Verbesserung der Modellleistung
- Stakeholder-Kommunikation
- Erhebung, Hinterfragung und Präzisierung von Analytics- und ML-Anforderungen gemeinsam mit den Fachbereichen
- Erstellung und Pflege investorentauglicher Evaluierungsunterlagen: KPI-Definitionen, Methodenbeschreibungen und Ergebnisdarstellungen mit Diagrammen
- Übersetzung komplexer probabilistischer Modelloutputs in verständliche Geschäftskennzahlen
- Produktivsetzung
- Überführung von Prognose- und Risikomodellen in REST-APIs und Integration in eigene Frontends
- Pflege reproduzierbarer ML-Pipelines inklusive Feature Engineering, Modell-Serialisierung und Versionierung
- Anbindung an Cloud-Dateninfrastrukturen
- Agentische KI & Datenharmonisierung
- Entwicklung LLM-basierter agentischer Workflows zur automatisierten Datenerfassung, -harmonisierung und -anreicherung
- Integration dieser Workflows in produktionsreife APIs innerhalb des bestehenden Prognose-Stacks
Dein Profil
- Python-Data-Science-Stack: pandas, Polars, scikit-learn, XGBoost (oder vergleichbar)
- Vollständige ML-Umsetzung: von explorativer Datenanalyse und Feature Engineering bis hin zum Deployment eines Modells, das reale Nutzer oder Entscheidungen bedient – unter Anwendung von MLOps-Best-Practices
- Probabilistische Modellierung & Quantilregression: Quantile Regression, Kalibrierungsverfahren oder Unsicherheitsquantifizierung in Vorhersagen
- Evaluierungsqualität: Design von Kreuzvalidierungen, Kalibrierungsanalyse und Übertragung von Modellkennzahlen in Geschäfts-KPIs
- Cloud-Infrastruktur: praktische Erfahrung mit AWS, Azure oder GCP; sicherer Umgang mit verwalteten Datenbanken und dem Deployment von ML-Diensten
- Kommunikationsstärke: Fähigkeit, klare Methodendokumentationen zu verfassen und Ergebnisse für nicht-technische Zielgruppen – einschließlich Investoren und Geschäftsführung – aufzubereiten
Nice to have
- Bayesianische Modellierung: PyMC, Stan oder vergleichbare Frameworks; hierarchische Modelle, Posterior Predictive Checks
- Zeitreihen- & Cashflow-Prognose: Mehr-Horizont-Forecasts, Rolling Feature Engineering, Decay-Modellierung
- Finanzielle Risikomodellierung: Shortfall-Analysen, Kreditrisiko oder Portfolio-Verlustschätzung
- NGBoost / Distributionsregression: Erfahrung mit Natural Gradient Boosting oder ähnlichen Methoden zur Ausgabe von Verteilungen
- Agentische KI / LLM-Workflows: Entwicklung werkzeugnutzender Agenten (LangChain, LlamaIndex, Anthropic SDK o. ä.) für strukturierte Datenaufgaben
- Streamlit oder vergleichbare Frontend-Tools für interaktive ML-Anwendungen
- Kenntnisse im Bereich Royalties, Musiklizenzen oder Verwertung von Medienrechten (GEMA, ASCAP etc.)
Wir bieten
Deine Beiträge sind maßgeblich für die Weiterentwicklung unseres Unternehmens – mit dem Wachstum entstehen für dich vielfältige Möglichkeiten zur beruflichen Entwicklung. Wir bieten ein wettbewerbsfähiges Vergütungspaket, flache Hierarchien und ein entspanntes Arbeitsumfeld im Herzen Berlins. Flexible Arbeitsmodelle sind bei uns selbstverständlich, einschließlich der Möglichkeit zum zeitweisen Remote-Arbeiten.
Kontakt
Twelvebytwelve GmbH
Julia Dürr
julia@twlvxtwlv.com
Über uns
twelve x twelve ist ein Berliner Startup, das Musikrechteinhabern eine innovative Möglichkeit bietet, Liquidität aus ihren zukünftigen Tantiemen zu gewinnen. Mit unserem Produkt twelve x twelve Advance transformieren wir die komplexe Welt der Musikfinanzierung in einen digitalen, effizienten und skalierbaren Prozess. Wenn du Teil eines dynamischen Teams sein möchtest, das die Musikindustrie revolutioniert, bist du bei uns genau richtig!
Senior Data Scientist – Cashflow-Prognose & Risikomodellierung (m/f/d) Arbeitgeber: twelve x twelve
Twelve x twelve ist ein hervorragender Arbeitgeber, der dir die Möglichkeit bietet, in einem dynamischen und innovativen Umfeld im Herzen Berlins zu arbeiten. Mit flachen Hierarchien, flexiblen Arbeitsmodellen und einem wettbewerbsfähigen Vergütungspaket fördert das Unternehmen aktiv deine berufliche Entwicklung und bietet dir die Chance, bedeutende Beiträge zur Revolutionierung der Musikfinanzierung zu leisten. Hier kannst du deine Fähigkeiten in der Data Science voll entfalten und gleichzeitig Teil eines engagierten Teams werden, das die Zukunft der Musikindustrie gestaltet.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Senior Data Scientist – Cashflow-Prognose & Risikomodellierung (m/f/d) 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 twelve x twelve 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 Senior Data Scientist – Cashflow-Prognose & Risikomodellierung (m/f/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 Senior Data Scientist – Cashflow-Prognose & Risikomodellierung (m/f/d) bei twelve x twelve gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei twelve x twelve 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 twelve x twelve entscheidend sein!
