Manager, Data Science

Manager, Data Science

Vollzeit Homeoffice möglich
W

Auf einen Blick

  • Aufgaben: Leite ein Team von Datenwissenschaftlern und löse spannende Marktplatzprobleme.
  • Unternehmen: Wasnot ist die größte Live-Shopping-Plattform in Nordamerika und Europa.
  • Vorteile: Flexible Arbeitszeiten, Gesundheitsversorgung und Unterstützung für Homeoffice.
  • Weitere Informationen: Wachsendes Unternehmen mit großartigen Karrierechancen und einem dynamischen Team.
  • Warum dieser Job: Gestalte die Zukunft des Handels und mache einen echten Unterschied.
  • Qualifikationen: Mindestens 7 Jahre Erfahrung in Datenwissenschaft und Führungskompetenz.

Join die Zukunft des Handels mit Whatnot! Whatnot ist die größte Live-Shopping-Plattform in Nordamerika und Europa, um die Dinge zu kaufen, zu verkaufen und zu entdecken, die Sie lieben. Unsere Verkäufer bauen echte Geschäfte in Hunderten von Kategorien auf. Wir entwickeln Live-Commerce in einem Maßstab, der im Westen noch nie erreicht wurde, und es gibt kein Handbuch, dem wir folgen können. Die Menschen hier gestalten, wie sich eine völlig neue Branche entwickelt.

Wir suchen einen Manager für Data Science, um ein hochwirksames Team zu leiten, das an zentralen Marktplatzproblemen arbeitet. In dieser Rolle sind Sie verantwortlich für Messung, Experimentierung und analytische Strategien in Bezug auf einige unserer wichtigsten Wachstums-, Entdeckungs- und Ökosystemfragen, um nachhaltigen, profitablen GMV über den Marktplatz hinweg voranzutreiben. Dies ist eine praktische Führungsrolle. Sie werden ein starkes Team von Datenwissenschaftlern leiten und gleichzeitig eng mit der Arbeit verbunden bleiben – Methodik gestalten, die Qualitätsstandards erhöhen und dem Unternehmen helfen, bessere Produkt- und Investitionsentscheidungen zu treffen.

Aufgaben:

  • Leitung eines Teams von Datenwissenschaftlern, das an hochwirksamen Marktplatzproblemen arbeitet, einschließlich Wachstum, Entdeckung, Anreize, Werbung, Ranking und Ökosystemgesundheit.
  • Aufbau und Operationalisierung starker Messfundamente, einschließlich KPI-Rahmen, Dashboards, Diagnosen und regelmäßigen Geschäftsüberprüfungen.
  • Erhöhung der Qualität von Experimenten durch besseres Testdesign, Schutzmaßnahmen, Beobachtbarkeit und Interpretation.
  • Enge Zusammenarbeit mit Produkt, Engineering, Marketing, Finanzen, Trust & Safety und anderen funktionsübergreifenden Teams bei komplexen Marktplatz- und Wachstumsproblemen.
  • Führung der analytischen Strategie für wichtige Produkt- und Geschäftsinvestitionen, um den Teams zu helfen, Leistung, Rentabilität und Kompromisse zu verstehen.
  • Verbesserung der Datennutzung durch den Aufbau skalierbarer Rahmenwerke, Self-Service-Analysen und hochwertige analytische Ressourcen.
  • Hilfe bei der Einführung moderner Werkzeuge, einschließlich KI-gestützter Arbeitsabläufe, zur Verbesserung von Geschwindigkeit, Hebelwirkung und Entscheidungsfindung.
  • Management, Coaching und Entwicklung leistungsstarker Datenwissenschaftler sowie sorgfältige Einstellung, während das Geschäft wächst.

Voraussetzungen:

  • Über 7 Jahre Erfahrung in Datenwissenschaft, Produktanalytik, Experimentierung, Wirtschaftswissenschaften oder einem verwandten quantitativen Bereich.
  • Mindestens 2 Jahre Erfahrung in der Leitung oder technischen Führung leistungsstarker Datenwissenschaftler oder quantitativer Teams.
  • Starke praktische Grundlagen in Analytik, Experimentierung, kausaler Argumentation und statistischer Methodik.
  • Erfahrung in der Unterstützung von Verbraucherprodukten, Wachstum, Marktplätzen, Monetarisierung oder teamspezifischen Ökosystemen.
  • Nachweisliche Erfolge beim Aufbau von Messsystemen und analytischen Rahmenwerken, die die Entscheidungsqualität verbessern.
  • Starkes Produkt- und Geschäftswissen mit der Fähigkeit, detaillierte Analysen mit breiteren Unternehmenszielen zu verbinden.
  • Fähigkeit, effektiv in Unklarheiten zu arbeiten und sich schnell anzupassen, wenn sich Prioritäten ändern.
  • Starke Kommunikations- und Stakeholder-Management-Fähigkeiten, einschließlich Erfahrung in der funktionsübergreifenden Zusammenarbeit mit Führungskräften.
  • Nachweisliche Erfolge beim Coaching und der Entwicklung starker individueller Mitarbeiter.
  • Begeisterung für moderne Datenwerkzeuge und KI-gestützte Arbeitsabläufe, die die Produktivität des Teams verbessern.

Benefits:

  • Flexible Urlaubsrichtlinien und unternehmensweite Feiertage (einschließlich Frühjahrs- und Winterpause).
  • Gesundheitsversicherungsoptionen, einschließlich medizinischer, zahnärztlicher und augenärztlicher Versorgung.
  • Unterstützung für das Arbeiten von zu Hause aus.
  • Rentenleistungen; 401k-Angebot für traditionelle und Roth-Konten in den USA (Arbeitgeberbeitrag bis zu 4 % des Grundgehalts) und Pensionspläne international.
  • Monatliches Budget zur Nutzung der App.
  • Elternzeit.

Whatnot ist stolz darauf, ein Arbeitgeber, der Chancengleichheit bietet, zu sein. Wir schätzen Vielfalt und diskriminieren nicht aufgrund von Rasse, Religion, Farbe, nationaler Herkunft, Geschlecht, sexueller Orientierung, Alter, Familienstand, Veteranenstatus, Elternstatus, Behinderungsstatus oder einem anderen durch das lokale Recht geschützten Status. Wir glauben, dass unsere Arbeit besser ist und unsere Unternehmenskultur sich verbessert, wenn wir die unterschiedlichen Fähigkeiten und Erfahrungen innerhalb unserer Belegschaft fördern, unterstützen und respektieren.

Vergütung: $221K – $320K. Das Gehalt oder der Stundensatz kann mehrere Ebenen umfassen, die für die Position zutreffend sind. Das endgültige Gehalt oder der Stundensatz basiert auf einer Reihe von Faktoren, einschließlich Niveau, relevanter vorheriger Erfahrung, Fähigkeiten und Fachkenntnissen. Dieser Bereich umfasst nur das Grundgehalt oder den Stundensatz, nicht die Leistungen oder Eigenkapital.

Manager, Data Science Arbeitgeber: Whatnot

Was macht Whatnot zu einem hervorragenden Arbeitgeber? Als führende Plattform für Live-Shopping in Nordamerika und Europa bieten wir nicht nur ein dynamisches Arbeitsumfeld, sondern auch großzügige Leistungen wie Gesundheitsversorgung, flexible Arbeitszeiten und Unterstützung bei der Arbeit im Homeoffice. Unsere Unternehmenskultur fördert Vielfalt und Zusammenarbeit, während wir unseren Mitarbeitern durch gezielte Entwicklungsprogramme und internationale Wachstumschancen die Möglichkeit geben, ihre Karriere voranzutreiben.

W

Kontaktdaten:

Whatnot Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so Manager, Data Science 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 Whatnot 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 Manager, Data Science mit Bravour zu bestehen

Datenanalyse
Experimentierung
Kausalreasoning
Statistische Methodik
Führung von Datenwissenschaftlern
Messsysteme aufbauen
Analytische Frameworks entwickeln

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 Manager, Data Science bei Whatnot gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei Whatnot 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 Whatnot entscheidend sein!