Vereinigte Staaten
Siemens
impact.com
Senior Data Scientist, Programmatic Algorithms
Vereinigte Staaten
Seattle, Washington, United States
PythonSQLGCPGo
Automatische Übersetzung. Prüfe das Original.
Über impact.com: impact.com/
impact.com impact.com/ ist die weltweit führende Plattform für Commerce-Partnership-Marketing. Wir verändern die Art und Weise, wie Unternehmen wachsen, indem wir sie in die Lage versetzen, Partnerschaften über die gesamte Customer Journey hinweg zu entdecken, zu verwalten und zu skalieren. Von Affiliates und Influencern bis hin zu Content-Publishern, Markenbotschaftern und Kunden-Advocates – impact.com befähigt Marken dazu, durch authentische Beziehungen ein vertrauenswürdiges, performancebasiertes Wachstum zu erzielen. Die preisgekrönten Produkte – Performance (Affiliate), Creator (Influencer) und Advocate (Kundenempfehlungen) – vereinen jede Art von Partner in einer integrierten Plattform. Da sich Verbraucher zunehmend auf Empfehlungen von Personen und Communities verlassen, denen sie vertrauen, hilft impact.com Marken dabei, dort präsent zu sein, wo es am meisten zählt. Heute verlassen sich über 5,000 globale Marken – darunter Walmart, Uber, Shopify, Lenovo und Fanatics – auf impact.com cts.businesswire.com/ct/CT?id=smartlink&url=http%3A%2F%2Fimpact.com&esheet=54399906&newsitemid=20260120914149&lan=en-US&anchor=impact.com&index=38&md5=c467739484a5a8610aff0747572ac8cb, um mehr als 350,000 Partnerschaften zu betreiben, die messbare Geschäftsergebnisse liefern.
Ihre Rolle bei impact.com impact.com
Wir suchen einen Senior Data Scientist, der als eingebetteter Data Scientist in unserer Programmatic Experience Group tätig wird. Sie verantworten das Design und die Bereitstellung von machine learning-Modellen, die Ertrag, Preisgestaltung und Inventarallokation in großem Maßstab optimieren – an der Schnittstelle von Data Science, Plattform-Engineering und Marktplatzökonomie.
Dies ist eine Position für einen Individual Contributor mit hohem Anspruch und großer Eigenverantwortung. Sie arbeiten durchgängig: Sie konzipieren die Datenpipelines, die Ihre Modelle speisen, entwickeln die Features, die die Performance steigern, und implementieren Echtzeit-Inferenzsysteme, die Entscheidungen in hoher Geschwindigkeit treffen. Ihre Arbeit bestimmt direkt, wie effektiv der programmatische Marktplatz von Impact die Performance der Werbetreibenden mit der Monetarisierung der Publisher in Einklang bringt – was dies zu einer der technisch einflussreichsten Rollen im Unternehmen macht.
Sie arbeiten eng mit den Bereichen Produkt, Data Science und Programmatic Delivery Engine Engineering zusammen, agieren jedoch mit erheblicher Autonomie. Von Ihnen wird sowohl die Modellierungsstärke eines Data Scientists als auch das Produktionsverständnis eines ML-Engineers erwartet – und dass Sie für beides echte Begeisterung mitbringen.
Ihre Aufgaben
Ertragsoptimierung & Preismodelle
- Entwurf und Bereitstellung von ML-Modellen zur Optimierung von Auktionspreisen, Bid Shading, Mindestpreis-Einstellungen und Erträgen über das gesamte programmatische Inventar von Impact hinweg.
- Entwicklung und Weiterentwicklung von Echtzeit-Preisalgorithmen, die kurzfristige Umsatz-Effizienz mit der langfristigen Gesundheit von Publishern und Werbetreibenden in Einklang bringen.
- Entwicklung und Pflege von Feedback-Schleifen, die es Preismodellen ermöglichen, sich an veränderte Marktbedingungen, Inventarmix und Nachfragemuster anzupassen.
- Quantifizierung des Umsatzbeitrags von Verbesserungen an Preismodellen; Kommunikation von Zielkonflikten zwischen Ertragsmaximierung, Fill Rate und Partner-ROI an die Stakeholder.
Inventarallokation & Angebotsoptimierung
- Verantwortung für die ML-gesteuerte Inventarallokationslogik: Routing, Pacing und Matching von Angebot und Nachfrage über Partnersegmente, Deal-Typen und Kampagnenziele hinweg.
- Erstellung von Modellen zur Prognose von Inventarverfügbarkeit, Nachfragekurven und Clearing-Preisen zur Unterstützung proaktiver Allokationsentscheidungen.
- Identifizierung und Behebung von Ineffizienzen bei der Inventarnutzung – einschließlich unverkauftem Inventar, suboptimalem Deal-Matching und Allokationsungleichgewichten in der Publisher-Basis.
Datenarchitektur & Feature Engineering
- Entwurf und Verantwortung der Dateninfrastruktur, die programmatische Modelle speist: Event-Pipelines, Feature Stores, Trainingsdatensätze und Echtzeit-Feature-Serving.
- Entwicklung von hochgradig aussagekräftigen Features aus Auktionsprotokollen, Bid-Stream-Daten, Nutzersignalen, kontextuellen Attributen und historischer Performance – im Maßstab programmatischer Datenvolumina.
- Aufbau robuster Datenpipelines mit produktionsreifen Standards: Zuverlässigkeit, Observability, Versionierung und effiziente Neuverarbeitung.
Echtzeit-Inferenz & Produktions-ML
- Bereitstellung von Modellen in Echtzeit-Inferenzumgebungen; Verantwortung für Latenz-, Zuverlässigkeits- und Durchsatzanforderungen bei Auktionsentscheidungen.
- Aufbau von Überwachungssystemen zur Verfolgung von Modell-Performance, Data Drift und Systemzustand in der Produktion; Definition von Alarm-Schwellenwerten und Auslösern für das Retraining.
- Zusammenarbeit mit MLOps und Platform Engineering, um sicherzustellen, dass die skalierbare, latenzarme Serving-Infrastruktur die SLOs bei hohem Auktionsaufkommen erfüllt.
- Verantwortung für den gesamten Modell-Lebenszyklus: Training, Evaluierung, Bereitstellung, A/B-Tests und Iteration.
Experimente & Performance-Messung
- Design und Durchführung rigoroser A/B- und Holdout-Experimente zur Messung des kausalen Einflusses von Modelländerungen auf Ertrag, Fill Rate, Performance der Werbetreibenden und Publisher-Umsatz.
- Aufbau von Evaluierungs-Frameworks, die über Offline-Metriken hinausgehen – Validierung des Modellverhaltens in Live-Auktionsumgebungen, in denen Feedback-Signale verzögert oder verrauscht sind.
- Übersetzung experimenteller Ergebnisse in klare geschäftliche Narrative; Präsentation von Erkenntnissen und Empfehlungen gegenüber Produkt- und Business-Stakeholdern.
Selbstlernende Systeme & Feedback-Schleifen
- Erforschung und Implementierung adaptiver, selbstlernender Komponenten innerhalb des programmatischen Stacks – einschließlich Contextual Bandits, Reinforcement Learning-Signalen und Online-Learning-Ansätzen, wo dies angemessen ist.
- Design von Feedback-Mechanismen, die den Kreis zwischen Auktionsergebnissen, Modell-Updates und Systemverhalten schließen; Reduzierung der Abhängigkeit von manueller Abstimmung und regelbasierten Überschreibungen.
- Aktuelle Kenntnisse über Fortschritte im Bereich programmatisches ML, Auktionstheorie und Online-Optimierung; Bewertung der Anwendbarkeit auf die spezifische Marktplatzdynamik von Impact.
Funktionsübergreifende Zusammenarbeit
- Fungieren als primärer technischer ML-Partner für die Rubicon-Produkt- und Engineering-Teams; Übersetzung von Geschäftsanforderungen in Modellierungsansätze und klare Kommunikation technischer Zielkonflikte.
- Zusammenarbeit mit Data-Science-Kollegen an gemeinsamer Infrastruktur, Modellierungsstandards und domänenübergreifender Feature-Wiederverwendung.
- Dokumentation von Modellen, Architekturen und experimentellen Ergebnissen auf einem Standard, der Überprüfung, Replikation und Wissenstransfer über Teams hinweg ermöglicht.
Was Sie mitbringen
Erforderlich
- Erfahrung: 5+ Jahre in Data Science, ML Engineering oder quantitativer Forschung, mit mindestens 2+ Jahren Erfahrung im Aufbau und der Bereitstellung von ML-Modellen im Bereich programmatische Werbung, AdTech, Marktplatzoptimierung oder einem eng verwandten Bereich (z. B. Real-Time Bidding, dynamische Preisgestaltung, Auktionssysteme).
- Tiefe im Bereich Programmatic & Marktplatz: Nachgewiesenes Verständnis der Mechanismen programmatischer Auktionen (RTB, Header Bidding, Mindestpreisgestaltung, Deal-Typen, Bid Shading) und wie ML zur Optimierung der Ergebnisse über den gesamten Angebots-Nachfrage-Stack hinweg eingesetzt werden kann.
- Produktions-ML-Engineering: Nachgewiesene Fähigkeit, Modelle unabhängig vom Prototyp in die Produktion zu überführen – einschließlich Echtzeit-Inferenz, Überwachung, Retraining-Pipelines und SLO-Verantwortung.
- Datenarchitektur: Erfahrung im Entwurf und Aufbau von Datenpipelines, Feature Stores und Trainingsinfrastruktur für ML-Systeme mit hohem Volumen und geringer Latenz.
- Technische Fähigkeiten:
- Fundierte Kenntnisse in Python und SQL; Beherrschung von ML-Bibliotheken (scikit-learn, XGBoost, LightGBM, PyTorch/TensorFlow) und Tools für große Datenmengen (Spark, Kafka oder äquivalente Streaming-/Batch-Frameworks).
- Erfahrung mit Echtzeit-Feature-Serving und latenzarmer Modellbereitstellung (REST APIs, gRPC oder Streaming-Inferenz).
- Vertrautheit mit Produktions-ML-Workflows: Modellversionierung, Drift-Überwachung, A/B-Tests, Evaluierung und Retraining.
- Erfahrung in der Verarbeitung und Modellierung im Maßstab programmatischer Daten: Auktionsprotokolle mit hoher Kardinalität, Bid-Stream-Daten, Impression- und Klick-Events.
- Experimentelle Strenge: Starkes Verständnis von kausaler Inferenz und Versuchsplanung in Online-Umgebungen mit verzögertem Feedback (Auktions-Holdouts, Switchback-Tests, Varianzreduktionstechniken).
- Kommunikation: Fähigkeit, komplexe Modellierungsentscheidungen und Zielkonflikte gegenüber Produkt- und Business-Stakeholdern zu erklären; sicher im Präsentieren in funktionsübergreifenden Foren.
- Ausbildung: Bachelor-Abschluss in einem quantitativen Bereich (Informatik, Statistik, Mathematik, Ingenieurwesen, Wirtschaftswissenschaften oder ähnlich); Master/PhD bevorzugt.
Was Sie auszeichnet
Bevorzugt / Wünschenswert
- Direkte Erfahrung mit SSP-, DSP- oder Exchange-seitiger Ertragsoptimierung – insbesondere Mindestpreisoptimierung, Modellierung der Gebotslandschaft oder Deal-Matching-Algorithmen.
- Vertrautheit mit Auktionstheorie (First-Price- vs. Second-Price-Dynamik, optimale Reservepreisgestaltung, Revenue Equivalence) und deren praktischen Auswirkungen auf programmatisches ML.
- Erfahrung mit Contextual Bandits, Multi-Armed Bandits oder Reinforcement Learning bei Echtzeit-Entscheidungsproblemen.
- Wissen über Online-Learning und adaptive Algorithmen in Produktionsumgebungen mit nicht-stationären Datenverteilungen.
- Vertrautheit mit datenschutzfreundlichen ML-Techniken, die für den programmatischen Bereich relevant sind (Differential Privacy, Federated Learning, cookieless Attribution Modeling).
- Erfahrung mit GCP-Tools (BigQuery, Vertex AI, Dataflow, Pub/Sub) und/oder Databricks/Spark für die Verarbeitung großer Events und das Modelltraining.
- Erfahrung mit Angebotsprognosen, Inventarmanagement oder Kapazitätsplanung in programmatischen oder Marktplatz-Kontexten.
- Vertrautheit mit dem Affiliate- und Partnerschafts-Ökosystem von Impact oder vorherige Erfahrung an der Schnittstelle von Performance-Marketing und programmatischer Bereitstellung.
Was Sie auszeichnet
- Marktplatz-Intuition. Sie verstehen programmatische Auktionen nicht nur als Ingenieur, sondern als Ökonom – Sie denken über Anreizstrukturen, Gleichgewichtsdynamiken und die Auswirkungen von Modellentscheidungen auf den Angebots-Nachfrage-Stack nach.
- Full-stack ML-Verantwortung. Sie fühlen sich beim Entwurf eines Feature-Store-Schemas genauso wohl wie beim Tuning eines Gradient-Boosting-Modells oder dem Debugging eines Latenz-Spikes in der Produktion. Sie verantworten die gesamte Kette.
- Denken in Feedback-Schleifen. Sie stellen Modelle nicht nur bereit – Sie entwerfen die Systeme, die sie im Laufe der Zeit intelligenter machen. Sie denken darüber nach, wie die Entscheidungen von heute zum Trainingssignal von morgen werden.
- Strenge unter realen Bedingungen. Sie wissen, wie man saubere Experimente in Umgebungen durchführt, in denen Feedback verzögert ist, Daten verrauscht sind und geschäftlicher Druck zu Zielkonflikten führt. Sie lassen unvollkommene Bedingungen nicht als Ausrede für unpräzises Denken gelten.
- Pragmatische Umsetzung. Sie liefern Ergebnisse. Sie wägen zwischen Perfektion und Produktionsreife ab, iterieren schnell und wissen, wann ein MVP ein sechsmonatiges Forschungsprojekt übertrifft.
- Kollaborative Tiefe. Sie bauen echtes technisches Vertrauen zu Engineering- und Produktpartnern auf – nicht nur durch gute Ideen, sondern durch Zuverlässigkeit, klare Kommunikation und die Vereinfachung der Integration.
Gehaltsspanne: $165,000 - $185,000 pro Jahr, zuzüglich eines variablen Jahresbonus von 5%, abhängig von der Unternehmensleistung, sowie die Berechtigung zum Erhalt von Restricted Stock Units (RSU).
*Dies ist die Gehaltsspanne, die das Unternehmen zum Zeitpunkt dieser Ausschreibung für diese Position als angemessen erachtet. In Übereinstimmung mit geltendem Recht wird die Vergütung auf der Grundlage der Fähigkeiten, Qualifikationen und Erfahrungen des Bewerbers sowie der Anforderungen der Position festgelegt. Das Unternehmen behält sich das Recht vor, diese Gehaltsspanne jederzeit zu ändern.
impact.com ist stolz darauf, ein Arbeitgeber zu sein, der Chancengleichheit fördert. Alle Mitarbeiter und Bewerber werden fair behandelt und erhalten gleiche Beschäftigungschancen, unabhängig von Rasse, ethnischer Herkunft oder Abstammung, Hautfarbe oder Kaste, Religion oder Weltanschauung, Alter, Geschlecht (einschließlich Geschlechtsidentität, Geschlechtsangleichung, sexueller Orientierung, Schwangerschaft/Mutterschaft), nationaler Herkunft, Gewicht, Neurodivergenz, Behinderung, Familienstand und eingetragener Partnerschaft, Betreuungsstatus, Veteranenstatus, genetischen Informationen, politischer Zugehörigkeit oder anderen gesetzlich geschützten, nicht leistungsbezogenen Faktoren.
#LI_Seattle
Leistungen und Vorteile
Bei impact.com glauben wir, dass Sie Ihre beste Arbeit leisten, wenn Sie glücklich und erfüllt sind. Deshalb haben wir ein Leistungspaket zusammengestellt, das Ihr Wohlbefinden, Ihr Wachstum und Ihre Work-Life-Balance unterstützt.
- Kranken-, Zahn- und Augenversicherung
- Jeden Donnerstag ein Catering-Mittagessen im Büro, eine gesunde Snack-Bar und großartiger Kaffee, um Sie bei Energie zu halten
- Flexible Ausgabenkonten und 401(k)
- Flexibles Arbeiten: Unsere Richtlinie für verantwortungsbewussten Urlaub (Responsible PTO) bedeutet, dass Sie sich die Zeit nehmen können, die Sie zum Ausruhen und Auftanken benötigen. Wir setzen uns für eine positive Work-Life-Balance ein und bieten ein flexibles Umfeld, das es Ihnen ermöglicht, sowohl in Ihrer Karriere als auch in Ihrem Privatleben glücklich und erfüllt zu sein.
- Gesundheit und Wellness: Ihr Wohlbefinden hat Priorität. Unser Angebot für psychische Gesundheit und Wellness umfasst bis zu 12 vollständig abgedeckte Therapie-/Coaching-Sitzungen pro Jahr, mit zusätzlicher Abdeckung für Angehörige. Wir bieten auch eine monatliche Erstattung für Fitnessstudio-Mitgliedschaften an, um Ihre körperliche Gesundheit zu unterstützen.
- Beteiligung an unserem Wachstum: Wir bieten Restricted Stock Units (RSUs) als Teil unserer Gesamtvergütung an, die Ihnen eine Beteiligung am Unternehmenswachstum mit einem 3-jährigen Vesting-Zeitplan ermöglichen, vorbehaltlich der Zustimmung des Vorstands.
- Investition in Ihr Wachstum: Wir engagieren uns für Ihre kontinuierliche Weiterbildung. Nutzen Sie unser kostenloses Coursera-Abonnement und unsere PXA-Kurse.
- Unterstützung für Eltern: Wir bieten eine großzügige Elternzeitregelung: 26 Wochen voll bezahlten Urlaub für die primäre Bezugsperson und 13 Wochen voll bezahlten Urlaub für die sekundäre Bezugsperson.
- Finanzielle Unterstützung für Technologie: Wir stellen ein Technologie-Stipendium bereit, um Ihnen bei der Einrichtung Ihres Home-Office zu helfen, sowie eine monatliche Pauschale zur Deckung Ihrer Internetkosten.
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