Vereinigte Staaten
MANTECH
Grubhub
Senior Staff Data Scientist
Vereinigte Staaten
Chicago, Illinois, United States · New York, New York, United States
PythonSQLGo
Automatische Übersetzung. Prüfe das Original.
Über Grubhub
Bei Grubhub glauben wir, dass Essen mehr ist als nur eine Mahlzeit: Es ist eine Quelle für Entdeckungen, Verbindungen und puren Genuss. Für jede Art von Gericht gibt es die richtige Zeit und den richtigen Ort – von versteckten Geheimtipps in der Nachbarschaft bis hin zu bewährten Favoriten. Wir sind da, um Menschen mit dem Essen zu verbinden, das sie lieben, und zwar genau so, wie sie es am liebsten genießen. Wir sind seit 2004 aktiv, aber jetzt, als Teil von Wonder, agiert Grubhub mit neuem Schwung und der dynamischen Energie eines leistungsstarken Startups.
Als führender Marktplatz für Bestellungen und Lieferungen in den USA bieten wir über 415,000 Händler in mehr als 4,000 Städten an. Wir schaffen das ultimative kulinarische Erlebnis, indem wir die Online-Bestellung durch innovative Restaurant-Technologie, benutzerfreundliche Plattformen und einen verbesserten Lieferservice aufwerten. Wir finden ständig neue Wege zur Innovation – von integrierter Lebensmittellieferung mit Instacart bis hin zu exklusiven Treueprogrammen. Werden Sie Teil unseres Teams in New York City und Chicago und helfen Sie uns, unseren Kunden den außergewöhnlichen Mehrwert zu bieten, den sie verdienen.
Über die Stelle
Unsere Mission bei Wonder Data Science ist es, Data-Science- und machine learning-Systeme zu entwickeln, die die Funktionsweise unseres Marktplatzes, das Kundenerlebnis auf der Plattform und die Qualität der geschäftlichen Entscheidungsfindung verbessern.
Als Senior Staff Data Scientist gehen Sie über die bloße Lösung individueller Probleme hinaus – Sie helfen dabei, die strategische Ausrichtung der angewandten Data Science zu gestalten, Senior- und Junior-Wissenschaftler zu betreuen und eng mit Führungskräften aus den Bereichen Engineering, Produkt, Operations und Business zusammenzuarbeiten, um unsere ML- und Analysefähigkeiten in Richtung skalierbarer, produktionsreifer Systeme weiterzuentwickeln.
Sie identifizieren Möglichkeiten mit hoher Hebelwirkung im gesamten Unternehmen, einschließlich Marktplatzeffizienz, Kundenerlebnis, ETA-Genauigkeit, Zuverlässigkeit der Auftragsabwicklung, Preisstrategie, Angebotsplanung, Nachfrageprognose und operativer Leistung. Sie entwerfen statistisch fundierte Frameworks, um kausale Auswirkungen zu verstehen, Signale vom Rauschen zu trennen und die Geschäftsstrategie durch Experimente, Messungen und prinzipienbasierte Schlussfolgerungen zu steuern.
Sie helfen dabei zu definieren, wie wir Zielkonflikte strukturieren, wie etwa Kundenerlebnis vs. betriebliche Effizienz, Geschwindigkeit vs. Kosten, Vorhersagegenauigkeit vs. geschäftliche Auswirkungen, kurzfristige Kennzahlenentwicklung vs. langfristige Marktplatzgesundheit sowie Automatisierung vs. menschliches Urteilsvermögen.
Sie erstellen Prototypen, führen Experimente durch, beeinflussen die Architektur und stellen sicher, dass wir Modelle und Erkenntnisse operationalisieren, die tatsächlich geschäftliche Kennzahlen bewegen – und nicht nur Analysen, die offline gut aussehen.
Ihr Beitrag
- Fungieren Sie als technischer Vordenker im Bereich Data Science – definieren Sie Prinzipien, Frameworks und Best Practices dafür, wie Wonder Daten, Experimente und machine learning nutzt, um Ergebnisse für Kunden, den Marktplatz und das Unternehmen zu verbessern.
- Betreuen und coachen Sie ein wachsendes Team von Data Scientists und tragen Sie zur beruflichen Entwicklung und technischen Exzellenz innerhalb der Gruppe bei.
- Leiten Sie die Untersuchung vernetzter Marktplatzsysteme und erkennen Sie Rückkopplungsschleifen zwischen Kundenverhalten, Zuverlässigkeit der Auftragsabwicklung, ETA-Genauigkeit, Preisgestaltung, Angebotsplanung, Produkterfahrung und Geschäftsleistung.
- Entwickeln Sie Frameworks für kausale Schlussfolgerungen und Experimente, die Wonder dabei helfen zu verstehen, welche Produkt-, Betriebs- und Marktplatzänderungen tatsächlich geschäftliche Auswirkungen haben.
- Arbeiten Sie mit dem Engineering zusammen, um Architekturentscheidungen für gemeinsame Datenschichten, Feature-Pipelines, Modellierungs-APIs, Experimentierinfrastruktur und produktive ML-Dienste voranzutreiben.
- Definieren und implementieren Sie robuste Experimentierstrategien für Änderungen, die geschäftliche Kennzahlen in Umgebungen mit hohem Rauschen beeinflussen.
- Setzen Sie sich für eine auf geschäftliche Auswirkungen ausgerichtete Data Science ein und integrieren Sie kausale Schlussfolgerungen, Experimente, risikobewusste Modellierung und skalierbare, produktive ML-Systeme, die lernen und sich anpassen.
Das bringen Sie mit
- 8+ Jahre Branchenerfahrung mit einem MS-Abschluss oder 6+ Jahre mit einem PhD in Statistik, Wirtschaftswissenschaften, angewandter Mathematik, Informatik, Data Science, Machine Learning oder einem verwandten quantitativen Bereich.
- Nachgewiesene Erfahrung in der Anwendung von Data Science und machine learning auf komplexe Geschäftsprobleme, wie z. B. Marktplatzoptimierung, Kundenerlebnis, Prognosen, Personalisierung, Preisgestaltung, Ausgleich von Angebot und Nachfrage, operative Richtlinienänderungen oder Produktexperimente.
- Fundierte Expertise in kausaler Schlussfolgerung, Experimenten und statistischer Modellierung, einschließlich Methoden wie A/B-Tests, Difference-in-Differences, Regressionsdiskontinuität, instrumentelle Variablen, synthetische Kontrollen, Uplift-Modellierung oder Kausalanalyse.
- Ausgeprägtes Gespür für geschäftliche und produktbezogene Zielkonflikte – Kundenerlebnis vs. Effizienz, ETA-Vertrauen vs. Konversionsrisiko, Zuverlässigkeit der Auftragsabwicklung vs. Kosten, Marktplatzwachstum vs. Qualität sowie kurzfristige Optimierung vs. langfristige Gesundheit.
- Kenntnisse in Python, Datenanalyse, Visualisierung und dem Schreiben von skalierbarem, produktionsreifem Code unter Verwendung objektorientierten Designs.
- Nachgewiesene Fähigkeit, Data-Science-, ML- oder kausale Inferenzsysteme in die Produktion zu überführen und dabei mit dem Engineering bei Architektur, Bereitstellung und Best Practices für die Überwachung zusammenzuarbeiten.
- Fließende Beherrschung von SQL oder ähnlichen Tools zur direkten Abfrage von Datensätzen in Produktionsgröße.
- Erfahrung in der Betreuung und technischen Anleitung anderer Wissenschaftler, Analysten oder Ingenieure.
DAS WÄRE NOCH BESSER
- Erfahrung in der Leitung des End-to-End-Designs von Data-Science-, machine learning-, Mess- oder Experimentier-Frameworks innerhalb von Marktplatz-, Konsumgüter-, Auftragsabwicklungs-, Logistik-, Preis-, Prognose- oder Betriebssystemen.
- Erfahrung in der Entwicklung kausaler Messstrategien für komplexe Systeme, in denen Produkt-, Marktplatz- und operative Entscheidungen über mehrere Ebenen hinweg interagieren.
- Hintergrund in kausaler Schlussfolgerung, Ökonometrie, Bayes'scher Modellierung, Versuchsplanung oder beobachtender Messung in Umgebungen mit hohem Rauschen.
- Erfahrung mit angewandten Experimentier-Frameworks, einschließlich A/B-Tests, Power-Analyse, heterogenen Behandlungseffekten, Leitplanken-Metriken, Interferenz-Effekten und der Messung langfristiger Auswirkungen.
- Erfahrung im Aufbau oder der Beeinflussung von produktiven ML-Systemen, die prädiktive Modellierung, kausale Messung, Experimente und Geschäftsregeln kombinieren.
- Einfluss über Disziplinen hinweg – Fähigkeit, Produkt, Engineering, Betrieb, Business und Data Science auf eine kohärente ML-, Experimentier- und Messstrategie auszurichten.
- Erfahrung in der Definition von Strategien und technischen Roadmaps für Data-Science-, machine learning-, Experimentier- oder kausale Inferenzplattformen.
Ein letzter Hinweis
Unser hybrides Modell erfordert 3 Tage pro Woche im Büro. Viele Teammitglieder kommen jedoch häufiger, um die Vorteile der persönlichen Zusammenarbeit und Vernetzung zu nutzen. Sie sind herzlich eingeladen – und dazu ermutigt –, bis zu 5 Tage pro Woche im Büro zu arbeiten, wenn dies für Sie passt.
#LI-Hybrid
New York: $240,000 - $249,500 pro Jahr.
Illinois: $216,000 - $224,500 pro Jahr.
Wonder verwendet geografisch spezifische Gehaltsstrukturen, was bedeutet, dass das angebotene Gehalt je nach Standort der Stelle variieren kann. Das endgültige Gehaltsangebot berücksichtigt verschiedene Faktoren wie die Fähigkeiten, die Ausbildung, die Schulung, die Qualifikationen und die Erfahrung des Kandidaten.
Bei Wonder bauen wir die besten Teams auf, indem wir objektiv einstellen – wir bewerten Menschen nach ihrem Potenzial und setzen uns gleichzeitig für Vielfalt, Gerechtigkeit und Inklusion ein.
Wir diskriminieren nicht aufgrund von Rasse, Hautfarbe, Religion, Geschlechtsidentität oder -ausdruck, sexueller Orientierung, nationaler Herkunft, Alter, Militärdienstberechtigung, Veteranenstatus, Familienstand, Behinderung oder einer anderen geschützten Klasse.
Als Teil unseres Engagements für faire und konforme Einstellungspraktiken nimmt Wonder am E-Verify-Programm der Bundesregierung teil, um die Beschäftigungsberechtigung zu bestätigen.
Wenn Sie während des Interviewprozesses eine Anpassung benötigen, lassen Sie dies bitte Ihren Recruiter wissen.
Wir freuen uns darauf, von Ihnen zu hören! Wir werden Sie per E-Mail oder SMS kontaktieren, um Interviews zu vereinbaren und Informationen über Ihre Kandidatur auszutauschen.
Vorteile
Zu den Vorteilen dieser Stelle gehören ein wettbewerbsfähiges Vergütungspaket mit Anteilen und einem 401(k)-Plan. Wir bieten außerdem eine Auswahl an Kranken-, Zahn- und Vorsorgeplänen, eine vom Unternehmen bezahlte kurz- und langfristige Berufsunfähigkeitsversicherung, bezahlte Freistellung einschließlich flexibler Freizeit für befreite Mitarbeiter, bezahlten Urlaub für nicht befreite Mitarbeiter und bezahlten Krankheitsurlaub gemäß geltendem Recht sowie bezahlten Elternurlaub, vergünstigte Mahlzeiten und exklusive Vergünstigungen bei der Wonder-Markenfamilie.
Die Anspruchsberechtigung, die Gültigkeitsdaten und die verfügbaren Planoptionen variieren je nach Beschäftigungsklassifizierung und Standort. Um mehr über die Vorteile für diese Stelle zu erfahren, besuchen Sie unsere Karriereseite hier wonder.com/careers.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen