Profil erstellen
Anmelden

impact.com

Sr. Data Scientist, Programmatic Algorithms

Kanada

Vancouver, British Columbia, Canada · New York, New York, United States · Seattle, Washington, United States

PythonSQLGCPGo
Automatische Übersetzung. Prüfe das Original.

Über uns

impact.com: impact.com/

impact.com impact.com/ ist die weltweit führende Plattform für Commerce-Partnerschaftsmarketing, die die Art und Weise, wie Unternehmen wachsen, verändert, indem sie es ihnen ermöglicht, 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-Fürsprechern befähigt impact.com Marken, vertrauenswürdiges, performance-basiertes Wachstum durch authentische Beziehungen zu fördern. Seine preisgekrönten Produkte – Performance (Affiliate), Creator (Influencer) und Advocate (Kundenempfehlung) – vereinen jede Art von Partner in einer integrierten Plattform. Da Verbraucher zunehmend auf Empfehlungen von Menschen und Gemeinschaften vertrauen, denen sie vertrauen, hilft impact.com Marken, dort präsent zu sein, wo es am wichtigsten ist. Heute verlassen sich über 5,000 globale Marken – darunter Walmart, Uber, Shopify, Lenovo, L’Oréal 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 ermöglichen, 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 fungiert. Sie werden für das Design und die Bereitstellung von machine learning-Modellen verantwortlich sein, die Ertrag, Preisgestaltung und Bestandsallokation in großem Maßstab optimieren – und sich an der Schnittstelle von Data Science, Plattform-Engineering und Marktplatzökonomie befinden.

Dies ist eine Rolle mit hohem Anspruch und hoher Verantwortung für einen einzelnen Mitarbeiter. Sie werden End-to-End arbeiten: die Datenpipelines entwerfen, die Ihre Modelle speisen, die Features entwickeln, die die Leistung steigern, und Echtzeit-Inferenzsysteme bereitstellen, die schnell Entscheidungen treffen. Ihre Arbeit bestimmt direkt, wie effektiv der programmatische Marktplatz von Impact die Advertiser-Leistung mit der Publisher-Monetarisierung in Einklang bringt – was dies zu einer der wirkungsvollsten technischen Rollen im Unternehmen macht.

Sie werden eng mit Product, Data Science und Programmatic Delivery Engine Engineering zusammenarbeiten, agieren aber mit erheblicher Autonomie. Von Ihnen wird erwartet, dass Sie sowohl die Modellierungsgenauigkeit eines Data Scientists als auch die Produktionsinstinkte eines ML-Ingenieurs mitbringen – und dass Sie sich für beides wirklich begeistern.

Was Sie auszeichnet

  1. Marktplatz-Intuition. Sie verstehen programmatische Auktionen nicht nur als Ingenieur, sondern als Ökonom – Sie denken über Anreizstrukturen, Gleichgewichts-Dynamiken und die Auswirkungen von Modellentscheidungen auf den Angebots-Nachfrage-Stack nach.
  1. Full-stack ML-Verantwortung. Sie sind genauso komfortabel mit dem Entwurf eines Feature-Store-Schemas wie mit der Abstimmung eines Gradient Boosting-Modells oder der Fehlersuche bei Latenzspitzen in der Produktion. Sie verantworten die gesamte Kette.
  1. Feedbackschleifen-Denken. Sie stellen nicht nur Modelle bereit – Sie entwerfen die Systeme, die sie im Laufe der Zeit intelligenter machen. Sie denken darüber nach, wie heutige Entscheidungen zum Trainingssignal von morgen werden.
  1. Strenge unter realen Bedingungen. Sie wissen, wie man saubere Experimente in Umgebungen durchführt, in denen das Feedback verzögert ist, die Daten verrauscht sind und geschäftliche Zwänge Kompromisse erfordern. Sie lassen nicht zu, dass unvollkommene Bedingungen eine Entschuldigung für unpräzises Denken sind.
  1. Pragmatische Lieferung. Sie liefern. Sie wägen das Perfekte gegen das Produktionsreife ab, iterieren schnell und wissen, wann ein MVP ein sechstmonatiges Forschungsprojekt übertrifft.
  1. Kollaborative Tiefe. Sie bauen echtes technisches Vertrauen mit Engineering- und Produktpartnern auf – nicht nur, indem Sie gute Ideen haben, sondern indem Sie sie umsetzen, klar kommunizieren und die Integration einfach gestalten.

Was Sie tun werden

Ertragsoptimierung & Preismodelle

  1. Entwerfen und Bereitstellen von ML-Modellen, die Auktionspreise, Gebotsabschattung, Mindestpreise und Erträge über das programmatische Inventar von Impact optimieren.
  1. Aufbauen und Iterieren von Echtzeit-Preisalgorithmen, die kurzfristige Umsatzeffizienz mit langfristiger Publisher- und Advertiser-Gesundheit in Einklang bringen.
  1. Entwickeln und Pflegen von Feedbackschleifen, die es Preismodellen ermöglichen, sich an veränderte Marktbedingungen, Inventarmischungen und Nachfragemuster anzupassen.
  1. Quantifizieren der Umsatzwirkung von Preismodellverbesserungen; Kommunikation von Kompromissen zwischen Ertragsmaximierung, Auslastungsrate und Partner-ROI an Stakeholder.

Inventarallokation & Angebotsoptimierung

  1. Verantwortlich für ML-gesteuerte Inventarallokationslogik: Routing, Pacing und Abgleich von Angebot und Nachfrage über Partnersegmente, Deal-Typen und Kampagnenziele hinweg.
  1. Aufbauen von Modellen, die die Verfügbarkeit von Inventar, Nachfragekurven und Abrechnungspreise prognostizieren, um proaktive Allokationsentscheidungen zu unterstützen.
  1. Identifizieren und Beheben von Ineffizienzen bei der Inventarnutzung – einschließlich unverkauftem Inventar, suboptimalem Deal-Matching und Allokationsungleichgewichten über die Publisher-Basis hinweg.

Datenarchitektur & Feature Engineering

  1. Entwerfen und Verantworten der Dateninfrastruktur, die programmatische Modelle speist: Event-Pipelines, Feature Stores, Trainingsdatensätze und Echtzeit-Feature-Serving.
  1. Entwickeln von High-Signal-Features aus Auktionsprotokollen, Gebotsstromdaten, Benutzersignalen, kontextuellen Attributen und historischer Leistung – im Maßstab programmatischer Datenvolumina.
  1. Aufbauen robuster Datenpipelines mit produktionsreifen Standards: Zuverlässigkeit, Beobachtbarkeit, Versionierung und effiziente Neuverarbeitung.

Echtzeit-Inferenz & Produktions-ML

  1. Bereitstellen von Modellen in Produktions-Echtzeit-Inferenzumgebungen; Verantworten von Latenz-, Zuverlässigkeits- und Durchsatzanforderungen für Auktionszeit-Entscheidungen.
  1. Aufbauen von Überwachungssystemen, die Modellleistung, Daten-Drift und Systemgesundheit in der Produktion verfolgen; Definieren von Alarmgrenzen und Neu-Trainings-Triggern.
  1. Zusammenarbeit mit MLOps und Platform Engineering, um sicherzustellen, dass skalierbare, latenzarme Serving-Infrastrukturen SLOs unter hohem Auktionsverkehr erfüllen.
  1. Verantworten des gesamten Modell-Lebenszyklus: Training, Evaluierung, Bereitstellung, A/B-Tests und Iteration.

Experimentation & Performance Measurement

  1. Entwerfen und Durchführen rigoroser A/B- und Holdout-Experimente zur Messung der kausalen Auswirkung von Modelländerungen auf Ertrag, Auslastungsrate, Advertiser-Leistung und Publisher-Umsatz.
  1. Aufbauen von Bewertungs-Frameworks, die über Offline-Metriken hinausgehen – Validieren des Modellverhaltens in Live-Auktionsumgebungen, in denen Feedbacksignale verzögert oder verrauscht sind.
  1. Übersetzen von experimentellen Ergebnissen in klare Geschäftsberichte; Präsentieren von Erkenntnissen und Empfehlungen für Produkt- und Geschäfts-Stakeholder.

Selbstlernende Systeme & Feedbackschleifen

  1. Erforschen und Implementieren von adaptiven, selbstlernenden Komponenten innerhalb des programmatischen Stacks – einschließlich kontextueller Banditen, Reinforcement Learning-Signalen und Online-Lernansätzen, wo angebracht.
  1. Entwerfen von Feedback-Mechanismen, die den Kreislauf zwischen Auktionsergebnissen, Modellaktualisierungen und Systemverhalten schließen; Reduzieren der Abhängigkeit von manueller Abstimmung und regelbasierten Überschreibungen.
  1. Auf dem Laufenden bleiben über Fortschritte in programmatischem ML, Auktionstheorie und Online-Optimierung; Bewertung der Anwendbarkeit auf die spezifischen Marktdynamiken von Impact.

Funktionsübergreifende Zusammenarbeit

  1. Fungieren als primärer technischer ML-Partner für die Produkt- und Engineering-Teams von Rubicon; Übersetzen von Geschäftsanforderungen in Modellierungsansätze und klare Kommunikation technischer Kompromisse.
  1. Zusammenarbeit mit Data Science-Kollegen an gemeinsamer Infrastruktur, Modellierungsstandards und domänenübergreifender Wiederverwendung von Features.
  1. Dokumentieren von Modellen, Architekturen und experimentellen Erkenntnissen auf einem Standard, der Überprüfung, Reproduktion und Wissensübertragung über Teams hinweg ermöglicht.

Was Sie mitbringen

Erforderlich

  1. Erfahrung: 5+ Jahre in Data Science, ML Engineering oder quantitativer Forschung, davon mindestens 2+ Jahre im Aufbau und der Bereitstellung von ML-Modellen in programmatischer Werbung, Ad Tech, Marktplatzoptimierung oder einem eng verwandten Bereich (z. B. Echtzeit-Gebote, dynamische Preisgestaltung, Auktionssysteme).
  1. Programmatische & Marktplatz-Tiefe: Nachgewiesene Kenntnisse der programmatischen Auktionsmechanismen (RTB, Header Bidding, Floor Pricing, Deal-Typen, Gebotsabschattung) und wie ML zur Optimierung von Ergebnissen über den Angebots-Nachfrage-Stack hinweg angewendet werden kann.
  1. Produktions-ML-Engineering: Nachgewiesene Fähigkeit, Modelle selbstständig von der Prototypenphase bis zur Produktion zu bringen – einschließlich Echtzeit-Inferenz, Überwachung, Neu-Trainings-Pipelines und SLO-Verantwortung.
  1. Datenarchitektur: Erfahrung im Entwurf und Aufbau von Datenpipelines, Feature Stores und Trainingsinfrastrukturen für ML-Systeme mit hohem Volumen und geringer Latenz.
  1. Technische Fähigkeiten:
  1. Starkes Python und SQL; Kenntnisse von ML-Bibliotheken (scikit-learn, XGBoost, LightGBM, PyTorch/TensorFlow) und Big-Data-Tools (Spark, Kafka oder gleichwertige Streaming/Batch-Frameworks). *
  1. Erfahrung mit Echtzeit-Feature-Serving und latenzarmer Modellbereitstellung (REST APIs, gRPC oder Streaming-Inferenz).
  1. Vertrautheit mit Produktions-ML-Workflows: Modell-Versionierung, Drift-Überwachung, A/B-Tests, Evaluierung und Neu-Training. *
  1. Erfahrung in der Verarbeitung und Modellierung von programmatischen Daten in großem Maßstab: Auktionsprotokolle mit hoher Kardinalität, Gebotsstromdaten, Impressionen und Klickereignisse. *
  1. Experimentelle Strenge: Gutes Verständnis von kausaler Inferenz und Experimentdesign in Online-Umgebungen mit verzögertem Feedback (Auktions-Holdouts, Switchback-Tests, Varianzreduktionstechniken).
  1. Kommunikation: Fähigkeit, komplexe Modellierungsentscheidungen und Kompromisse für Produkt- und Geschäfts-Stakeholder zu erklären; Komfort bei Präsentationen in funktionsübergreifenden Foren.
  1. Ausbildung: Bachelor-Abschluss in einem quantitativen Fach (Informatik, Statistik, Mathematik, Ingenieurwesen, Wirtschaft oder ähnlich); Master/Promotion bevorzugt.

Bevorzugt / Nice-to-have

  1. Direkte Erfahrung mit Ertragsoptimierung auf SSP-, DSP- oder Exchange-Seite – insbesondere mit Floor-Preis-Optimierung, Gebotslandschaftsmodellierung oder Deal-Matching-Algorithmen.
  1. Vertrautheit mit Auktionstheorie (First-Price vs. Second-Price-Dynamik, optimale Reservepreise, Umsatzäquivalenz) und deren praktischen Auswirkungen auf programmatisches ML.
  1. Erfahrung mit kontextuellen Banditen, Multi-Armed Banditen oder Reinforcement Learning, angewendet auf Echtzeit-Entscheidungsprobleme.
  1. Kenntnisse von Online-Lernen und adaptiven Algorithmen in Produktionsumgebungen mit nicht-stationären Datenverteilungen.
  1. Vertrautheit mit datenschutzfreundlichen ML-Techniken im Zusammenhang mit Programmatic (Differential Privacy, Federated Learning, Cookieless Attribution Modeling).
  1. Erfahrung mit GCP-Tools (BigQuery, Vertex AI, Dataflow, Pub/Sub) und/oder Databricks/Spark für die Verarbeitung von Großereignissen und das Modelltraining.
  1. Einblick in Angebotsplanung, Bestandsverwaltung oder Kapazitätsplanung in programmatischen oder Marktplatzkontexten.
  1. Vertrautheit mit dem Affiliate- und Partner-Ökosystem von Impact oder frühere Erfahrung an der Schnittstelle von Performance-Marketing und programmatischer Auslieferung.

Gehaltsspanne: $165,000 - $185,000 pro Jahr, plus ein zusätzlicher variabler Jahresbonus von 5% in Abhängigkeit von der Unternehmensleistung und Anspruch auf eine Zuteilung von Restricted Stock Units (RSUs).

*Dies ist die Gehaltsspanne, die das Unternehmen zum Zeitpunkt dieser Veröffentlichung 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, und das Unternehmen behält sich das Recht vor, diese Gehaltsspanne jederzeit zu ändern.

impact.com ist stolz darauf, ein Arbeitgeber zu sein, der Chancengleichheit bietet. Alle Mitarbeiter und Bewerber erhalten eine faire Behandlung und gleiche Beschäftigungschancen, unabhängig von ihrer Rasse, ethnischen Zugehörigkeit oder Herkunft, Hautfarbe oder Kaste, Religion oder Glauben, Alter, Geschlecht (einschließlich Geschlechtsidentität, Geschlechtsumwandlung, sexueller Orientierung, Schwangerschaft/Mutterschaft), nationaler Herkunft, Gewicht, Neurodivergenz, Behinderung, Familienstand und Lebenspartnerschaft, Betreuungsstatus, Veteranenstatus, genetischen Informationen, politischer Zugehörigkeit oder anderen geschützten nicht-verdienstbezogenen Faktoren.

#LI_NewYork_NewYork

Leistungen und Vergünstigungen

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 Sehversicherung
  • Nur im Büro: Catered Lunch jeden Donnerstag, eine gesunde Snack-Bar und großartiger Kaffee, um Sie bei Laune zu halten
  • Flexible Sparguthabenkonten und 401(k)
  • Flexibles Arbeiten: Unsere Richtlinie für verantwortungsbewusste PTO bedeutet, dass Sie sich die Auszeit nehmen können, die Sie zum Ausruhen und Aufladen benötigen. Wir setzen uns für eine positive Work-Life-Balance ein und bieten ein flexibles Umfeld, das es Ihnen ermöglicht, in Ihrer Karriere und Ihrem Privatleben glücklich und erfüllt zu sein.
  • Gesundheit und Wohlbefinden: Ihr Wohlbefinden hat Priorität. Unsere Leistung für psychische Gesundheit und Wohlbefinden umfasst bis zu 12 vollständig bezahlte Therapie-/Coaching-Sitzungen pro Jahr, mit zusätzlicher Deckung für Angehörige. Wir bieten auch eine monatliche Fitnessstudio-Erstattungsrichtlinie zur Unterstützung Ihrer körperlichen Gesundheit.
  • Ein Anteil an unserem Wachstum: Wir bieten Restricted Stock Units (RSUs) als Teil unserer Gesamtvergütung an, die Ihnen mit einem Vesting-Zeitplan von 3 Jahren einen Anteil am Unternehmenswachstum geben, vorbehaltlich der Genehmigung durch den Vorstand.
  • Investition in Ihr Wachstum: Wir engagieren uns für Ihr kontinuierliches Lernen. Nutzen Sie unser kostenloses Coursera-Abonnement und unsere PXA-Kurse.
  • Elternunterstützung: Wir bieten eine großzügige Elternzeitregelung, 26 Wochen vollständig bezahlte Freistellung für den Hauptbetreuer und 13 Wochen vollständig bezahlte Freistellung für den Sekundärbetreuer.
  • Technologiefinanzielle Unterstützung: Wir stellen ein Technologie-Stipendium zur Verfügung, um Ihnen bei der Einrichtung Ihres Home-Office zu helfen, und eine monatliche Zulage 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

Weiter entdecken

Dein nächster Jobsucht schon nach dir.

Ich will gefunden werden
Nort

Reverse-Recruiting- Plattform für Entwickler

PlattformKonto erstellenAnmeldenBlogGlossarEventsSupport
Social MediaInstagramLinkedInTwitter
RechtlichesNutzungsbedingungenDatenschutznortjobs © 2026