Senior Applied Scientist - Assortment Demand Forecast (all genders)

Die Partner Tech Applied Science Team fungiert als Motor hinter dem Wachstum von Zalando und arbeitet mit Zalando-Partnern sowie internen Stakeholdern zusammen, um eine bessere Geschäftsentwicklung zu erreichen. Wir entwickeln Produkte, die bessere Nachfragesignale für Partner bereitstellen. Durch den Einsatz modernster Technologie stellen wir sicher, dass unser Sortiment relevant, ansprechend und respektvoll gegenüber der Privatsphäre der Kunden ist.

Als Senior Applied Scientist werden Sie eng mit Produktmanagern, Ingenieuren und Analysten zusammenarbeiten, um unsere branchenführende Artikel-Nachfrageprognose-Engine zu verfeinern. Sie werden die wissenschaftliche Roadmap für unseren Prognosebereich mitgestalten und mit Principal Scientists und Führungskräften zusammenarbeiten, um die Prognoseleistung zu maximieren, indem wir über einfache Metriken hinausgehen und echten Mehrwert schaffen.

• Messung: Entwerfen und Implementieren fortschrittlicher Experimentierframeworks zur Messung der kausalen Auswirkungen von CRM-Kampagnen.
• Optimierung: Aufbau komplexer Modelle zur Identifizierung, welche Kunden spezifische Aktionen erhalten sollten, um Abfall zu minimieren und Relevanz zu maximieren.
• Steuerung: Direkter Einfluss darauf, wie Zalando Marketinginvestitionen zuweist, um sicherzustellen, dass wir den Wert korrekt zuordnen und auf langfristiges Wachstum optimieren.

Wenn Sie denken, dass Sie das Zeug dazu haben, ermutigen wir Sie, sich zu bewerben, auch wenn Sie nicht alle Anforderungen erfüllen. Sie könnten genau der richtige Kandidat für diese oder andere Rollen sein!

Bei Zalando ist es unser Ziel, das führende paneuropäische Ökosystem für Mode- und Lifestyle-E-Commerce zu sein – eines, das auf Vielfalt basiert und wirklich inklusiv gestaltet ist. Wir glauben, dass vielfältige Teams Innovation und Kreativität fördern, und wir suchen aktiv nach Talenten aus allen Hintergründen.

Wir bemühen uns aktiv, Vorurteile in unseren Einstellungs- und Beschäftigungsprozessen abzubauen, wobei wir uns auf Ihre Qualifikationen, Fähigkeiten und Beiträge konzentrieren. Um dies zu unterstützen, bitten wir Sie, persönliche Details wie Ihr Foto, Alter oder Familienstand in Ihrem Lebenslauf zu vermeiden, um eine faire und gerechte Bewertung basierend auf Ihren Fähigkeiten und Ihrem Potenzial zu gewährleisten.

Wir setzen uns dafür ein, allen Bewerbern ein außergewöhnliches und zugängliches Erlebnis zu bieten. Wenn Sie Unterstützung während des Einstellungsprozesses benötigen, lassen Sie es uns bitte wissen – wir sind hier, um Ihnen zu helfen.

WAS WIR UNS WÜNSCHEN (UND LIEBEN)

• Konzipieren, Prototypisieren und Produktionsreife von hochmodernen Nachfrageprognoselösungen. Sie genießen es, Lösungen für neue komplexe Probleme zu finden und scheuen sich nicht, selbst Hand anzulegen (mit Stift und Papier oder in Ihrer bevorzugten IDE).
• Technische Probleme und Ergebnisse effektiv mit anderen Teammitgliedern und auch mit (weniger technischen) Stakeholdern zu kommunizieren. Sie bilden sie über Ihre Produkte und Lösungen auf.
• Der Eigentümer des gesamten Entwicklungszyklus von Algorithmen zu sein – von der Entdeckung von Möglichkeiten bis zur Produktion. Iterative Verbesserung von Modellen und Erkundung der Kunst des Möglichen (z.B. neue Datenquellen, neue Wege zur Strukturierung des Problems).
• Modellpipelines aufbauen und Analyseprozesse optimieren, unter Verwendung gängiger Programmierwerkzeuge (z.B. Python, R, Scala, SQL, PyTorch, Tensorflow usw.).
• Junior-Wissenschaftler betreuen und eine Kultur des kontinuierlichen Lernens und Wissensaustauschs im Team fördern.

WIR WÜRDEN UNS FREUEN, SIE ZU TREFFEN, WENN…

• Sie einen Masterabschluss oder höher (PhD) in quantitativer Wirtschaftswissenschaft, Statistik, Mathematik, Physik, Operations Research oder einer verwandten quantitativen Disziplin mit einer soliden theoretischen Grundlage in Statistik, Ökonometrie, Zeitreihenanalyse und Methoden des maschinellen Lernens haben. Kenntnisse in kausaler Inferenz sind ein großes Plus.
• Sie mindestens 5 Jahre Berufserfahrung (3 Jahre mit PhD-Abschluss) in der Entwicklung von Prognosemodellen haben, sowohl mit statistischen Methoden als auch mit Techniken des maschinellen Lernens. Sie verstehen die Vor- und Nachteile jeder Methode und deren Anwendungsbereiche. Sie haben tiefgehendes Wissen über die neuesten Praktiken in der Prognose, behalten aber auch eine Vorliebe für Einfachheit bei.
• Sie ausgezeichnete mündliche und schriftliche Kommunikationsfähigkeiten mit einer neugierigen und selbstmotivierten Einstellung besitzen. Sie können sich selbst befreien, aber auch proaktiv um Unterstützung bitten, wenn nötig, um Hindernisse zu beseitigen.
• Sie über umfassende Kenntnisse in Python, SQL und PySpark verfügen und sich zu hohen Codestandards verpflichten, einschließlich aktiver Teilnahme an Code-Reviews und der Förderung der Engineering-Kultur des Teams.
• Sie nachweislich Erfahrung in der Anleitung weniger erfahrener Kollegen und der Organisation von Teambildungsinitiativen haben.

UNSER ANGEBOT

Zalando bietet eine Reihe von Vorteilen, hier ist eine Übersicht darüber, was Sie erwarten können. Fragen Sie Ihren Talent Acquisition Partner, um mehr über unser Angebot zu erfahren.

• 27 Tage Urlaub pro Jahr für Vollzeitbeschäftigte.
• 2 bezahlte Freiwilligentage pro Jahr.
• Hybrides Arbeitsmodell mit bis zu 60% Remote-Arbeit pro Woche, die tatsächliche Praxis liegt im Ermessen jedes Teams, um die Zusammenarbeit bestmöglich zu unterstützen.
• Arbeiten Sie bis zu 30 Arbeitstage pro Jahr im Ausland.
• Mitarbeiteraktienprogramm.
• 40% Rabatt auf Mode- und Schönheitsprodukte, die von Zalando verkauft und versendet werden, 30% Rabatt auf Lounge by Zalando, Rabatte von externen Partnern.
• Umzugshilfe verfügbar (nach vorheriger Vereinbarung).
• Familienservices, einschließlich Beratung und Unterstützung.
• Gesundheits- und Wellnessoptionen (einschließlich Wellhub, ehemals Gympass).
• Unterstützung und Coaching für psychische Gesundheit verfügbar.
• Fördern Sie Ihre Entwicklung durch unsere Schulungsplattform und halbjährliche Peer-to-Peer-Bewertungen.