Vereinigte Staaten
MANTECH
Wonder
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 als nur eine Mahlzeit ist: Es ist eine Quelle für Entdeckungen, Verbindungen und puren Genuss. Es gibt für jede Art von Gericht die richtige Zeit und den richtigen Ort, von versteckten Geheimtipps in der Nachbarschaft bis hin zu bewährten Favoriten. Wir sind dazu da, Menschen mit dem Essen zu verbinden, das sie lieben – und zwar auf jede Art und Weise, wie sie es genießen möchten. Wir sind seit 2004 aktiv, aber jetzt, als Teil von Wonder, agiert Grubhub mit einem neuen Schwung und der hochdynamischen 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 Restauranttechnologie, benutzerfreundliche Plattformen und ein verbessertes Liefererlebnis aufwerten. Wir finden ständig neue Wege zur Innovation – von integrierter Lebensmittellieferung mit Lebensmitteln, die von Instacart bereitgestellt werden, bis hin zu exklusiven Treueprogrammen. Werden Sie Teil unseres Teams in New York City und Chicago und helfen Sie uns, unseren Gästen den außergewöhnlichen Wert zu bieten, den sie verdienen.
Über die Stelle
Bei Wonder Data Science ist es unsere Mission, 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 individuelle Problemlösung 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 prinzipielle Schlussfolgerungen zu steuern.
Sie helfen dabei zu definieren, wie wir Zielkonflikte strukturieren, wie z. B. Kundenerlebnis vs. betriebliche Effizienz, Geschwindigkeit vs. Kosten, Vorhersagegenauigkeit vs. geschäftliche Auswirkungen, kurzfristige Kennzahlenveränderungen vs. langfristige Marktplatzgesundheit und Automatisierung vs. menschliches Urteilsvermögen.
Sie erstellen Prototypen, führen Experimente durch, beeinflussen die Architektur und stellen sicher, dass wir Modelle und Erkenntnisse operationalisieren, die geschäftliche Kennzahlen tatsächlich voranbringen – nicht nur Analysen, die offline gut aussehen.
Ihr Einfluss
- 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 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.
Was Sie mitbringen
- 8+ Jahre Branchenerfahrung mit einem Master-Abschluss oder 6+ Jahre mit einem Doktortitel 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, Änderungen der operativen Richtlinien 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 und 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 Schlussfolgerungssysteme in die Produktion zu überführen und dabei mit dem Engineering bei Architektur, Bereitstellung und Überwachung von Best Practices 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 Beobachtungsmessung in Umgebungen mit hohem Rauschen.
- Erfahrung mit angewandten Experimentier-Frameworks, einschließlich A/B-Tests, Power-Analyse, heterogenen Behandlungseffekten, Leitplanken-Metriken, Interferenzeffekten und 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 – in der Lage, Produkt, Engineering, Operations, 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 Kausal-Inferenz-Plattformen.
Ein abschließender Hinweis
Unser hybrides Modell erfordert 3 Tage pro Woche im Büro. Viele Teammitglieder entscheiden sich jedoch dafür, häufiger zu kommen, um die Vorteile der persönlichen Zusammenarbeit und Verbindung zu nutzen. Sie sind herzlich eingeladen – und dazu ermutigt –, bis zu 5 Tage pro Woche im Büro zu sein, wenn das 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 mit einem objektiven Blick 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
Die für diese Rolle geltenden Vorteile umfassen ein wettbewerbsfähiges Vergütungspaket mit Eigenkapitalbeteiligung und einem 401(k)-Plan. Wir bieten außerdem eine Auswahl an Kranken-, Zahn- und Vorsorgeplänen, vom Unternehmen bezahlte kurz- und langfristige Berufsunfähigkeitsversicherungen, bezahlte Freistellung einschließlich flexibler Freistellung für befreite Mitarbeiter, bezahlten Urlaub für nicht befreite Mitarbeiter und bezahlten Krankenurlaub in Übereinstimmung mit geltendem Recht sowie bezahlten Elternurlaub, vergünstigte Mahlzeiten und exklusive Vergünstigungen für die gesamte Wonder-Markenfamilie.
Berechtigung, Wirksamkeitsdaten und verfügbare Planoptionen variieren je nach Beschäftigungsklassifizierung und Standort. Um mehr über die Vorteile für diese Rolle 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