Portugal
ambi.
Planet
Data Scientist
Portugal
Warsaw, Masovian Voivodeship, Poland · Porto, Portugal · London, England, United Kingdom
PythonSQLAWS
Automatische Übersetzung. Prüfe das Original.
Über uns
Planet Planet ist ein globaler Anbieter von integrierten Technologie- und Zahlungslösungen für Kunden aus den Bereichen Einzelhandel und Gastgewerbe.
Wir schaffen großartige Erlebnisse für die Millionen von Menschen, die unsere Zahlungs-, Software- und steuerfreien Lösungen jede Minute des Tages nutzen.
Planet ermöglicht seinen Kunden, großartige Kundenerlebnisse zu bieten, indem es Zahlungen und Software so kombiniert, dass höhere Loyalität gefördert, der Umsatz gesteigert und Zeit gespart wird.
Vor über 35 Jahren gegründet und mit Hauptsitz in London, beschäftigen wir heute mehr als 2,500 Mitarbeiter auf sechs Kontinenten, die unsere Kunden in mehr als 120 Märkten betreuen.
ROLLENÜBERBLICK
Dies ist ein langfristiger befristeter Vertrag, der zur Unterstützung des AI-first Engineering Scale-up-Projekts von Planet konzipiert ist.
Wir stellen einen Data Scientist ein, der sich dem KI-Team von Planet anschließt und unsere kaufmännische Data-Science-Arbeit leitet. Sie arbeiten eng mit Vertrieb, Marketing, Kundenerfolg und Finanzen zusammen, um Kunden- und Umsatzdaten in Modelle und Erkenntnisse umzuwandeln, die direkt den Umsatz steigern – durch Reduzierung der Abwanderung, Identifizierung von Cross-Selling-Möglichkeiten und Vermittlung eines klaren Bildes davon, was den Umsatz antreibt.
Dies ist eine praxisorientierte, wirkungsvolle Rolle für jemanden, der gerne eng mit dem Geschäft zusammenarbeitet, Probleme von Anfang bis Ende eigenverantwortlich löst und rigorose Modellierung mit pragmatischer Umsetzung verbinden kann.
Warum Planet
Planet ist ein Arbeitgeber, der Chancengleichheit fördert, Vielfalt schätzt und alle Beschäftigungsverhältnisse auf Qualifikationen, Verdiensten und Geschäftsanforderungen basiert.
Kommen Sie und entwickeln Sie Ihre Karriere im aufregendsten, schnelllebigsten Technologiemarkt mit einem Unternehmen, das ein positives, vernetztes Handelserlebnis bietet.
Wir würden uns freuen, von Ihnen zu hören – Bewerben Sie sich jetzt.
Was Sie tun werden
- Churn-Modellierung – Erstellung, Bereitstellung und Iteration von Modellen zur Vorhersage der Kundenabwanderung. Identifizierung von Frühindikatoren, Segmentierung von gefährdeten Kohorten und Zusammenarbeit mit dem Kundenerfolg bei Retention Playbooks.
- Cross-Selling & Upselling – Entwicklung von Propensity-Modellen und Next-Best-Action-Empfehlungen, um Vertriebsteams bei der Priorisierung von Konten und Produktgesprächen zu unterstützen.
- Umsatzattribution & -verfolgung – Entwurf von Attributions-Frameworks über Marketingkanäle, Vertriebsprozesse und Produktberührungspunkte hinweg. Erstellung der Datenprodukte, die der Führung ermöglichen, zu sehen, was den Umsatz tatsächlich antreibt.
- Experimente – Entwurf und Analyse von A/B-Tests und Quasi-Experimenten für kommerzielle Initiativen. Einbringung statistischer Rigorosität in Geschäftsentscheidungen.
- Produktivsetzung – Überführung von Modellen vom Notebook in die Produktion. Eigenverantwortung für den gesamten Lebenszyklus: Feature Engineering, Training, Bereitstellung, Überwachung, Neutraining.
- Stakeholder-Partnerschaft – Übersetzung von unklaren kommerziellen Fragen in gut definierte analytische Probleme. Klare Kommunikation der Ergebnisse an nicht-technische Zielgruppen.
Wer Sie sind
- 5+ Jahre in angewandter Data Science, mit erheblicher Erfahrung bei kommerziellen Problemen (Churn, LTV, Propensity, Attribution, Preisgestaltung oder Ähnliches).
- Starke SQL- und Python-Kenntnisse (pandas, scikit-learn, statsmodels). Komfortabel beim Erstellen von produktionsreifen Code, nicht nur von Notebooks.
- Praktische Erfahrung mit Snowflake (oder einem vergleichbaren Cloud-Data-Warehouse – BigQuery, Redshift, Databricks).
- Erfahrung in der Bereitstellung von Modellen auf AWS (SageMaker, Lambda, ECS oder Ähnliches).
- Solide Grundlagen in Statistik, Experimenten und kausaler Inferenz – Sie wissen, wann eine Korrelation nicht ausreicht.
- Nachweisbare Erfolge beim Ausliefern von Modellen, die tatsächlich vom Unternehmen genutzt werden, nicht nur erstellt wurden.
- Exzellente Kommunikationsfähigkeiten – Sie können einem CFO ein Modell erklären und am selben Nachmittag eine Feature-Pipeline mit einem Ingenieur debuggen.
Nice-to-have
- Erfahrung mit n8n oder anderen Workflow-Automatisierungstools (Airflow, Prefect, Dagster).
- Erfahrung mit Zahlungen, Fintech, SaaS oder anderen Unternehmen mit wiederkehrenden Umsätzen.
- DBT-Erfahrung für Analytics Engineering.
- Erfahrung in der Integration von LLMs oder GenAI in kommerzielle Workflows.
Bei Planet setzen wir auf ein hybrides Arbeitsmodell, mit drei Tagen pro Woche im Büro.
Angemessene Vorkehrungen können getroffen werden, um einer Einzelperson die erfolgreiche Erfüllung der wesentlichen Funktionen dieser Rolle zu ermöglichen.
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
