Estados Unidos
B&A
Wonder
Senior Staff Data Scientist
Estados Unidos
Chicago, Illinois, United States · New York, New York, United States
PythonSQLGo
Traducción automática. Consulta el original.
Sobre Grubhub
En Grubhub, creemos que la comida es mucho más que un plato: es una fuente de descubrimiento, conexión y puro disfrute. Hay un momento y un lugar para cada tipo de plato, desde joyas ocultas del barrio hasta los favoritos de siempre, y existimos para conectar a las personas con la comida que aman de todas las formas en las que les gusta disfrutarla. Llevamos en esto desde 2004, pero ahora, como parte de Wonder, Grubhub opera con un renovado sentido de impulso y la energía de alta velocidad de una startup de gran potencia.
Como mercado líder de pedidos y entregas en EE. UU., contamos con más de 415,000 comercios en más de 4,000 ciudades, creando la mejor experiencia gastronómica al elevar los pedidos en línea a través de tecnología de restaurantes innovadora, plataformas fáciles de usar y una experiencia de entrega mejorada. Constantemente encontramos nuevas formas de innovar, desde la entrega integrada de comestibles con productos de Instacart hasta programas de fidelización exclusivos. Únete a nuestro equipo, con sede en Nueva York y Chicago, y ayúdanos a ofrecer a nuestros comensales el valor excepcional que merecen.
Sobre la oportunidad
En Wonder Data Science, nuestra misión es crear sistemas de ciencia de datos y machine learning que mejoren el funcionamiento de nuestro mercado, la experiencia de los clientes en la plataforma y la forma en que la empresa toma decisiones de alta calidad.
Como Senior Staff Data Scientist, irás más allá de la resolución de problemas individuales: ayudarás a dar forma a la dirección estratégica de la ciencia de datos aplicada, asesorarás a científicos senior y junior, y colaborarás estrechamente con líderes de ingeniería, producto, operaciones y negocio para llevar nuestras capacidades de ML y análisis hacia sistemas escalables de nivel de producción.
Identificarás oportunidades de alto impacto en todo el negocio, incluyendo la eficiencia del mercado, la experiencia del cliente, la precisión de la hora estimada de llegada (ETA), la fiabilidad del cumplimiento, la estrategia de precios, la planificación de la oferta, la previsión de la demanda y el rendimiento operativo. Diseñarás marcos estadísticamente rigurosos para comprender el impacto causal, separar la señal del ruido y guiar la estrategia empresarial a través de la experimentación, la medición y la inferencia basada en principios.
Ayudarás a definir cómo estructuramos las compensaciones, como la experiencia del cliente frente a la eficiencia operativa, la velocidad frente al coste, la precisión de la predicción frente al impacto empresarial, el movimiento de métricas a corto plazo frente a la salud del mercado a largo plazo, y la automatización frente al juicio humano.
Prototiparás, experimentarás, influirás en la arquitectura y te asegurarás de poner en funcionamiento modelos y conocimientos que realmente muevan las métricas del negocio, no solo análisis que se vean bien fuera de línea.
El impacto que generarás
- Actuar como líder de pensamiento técnico en Ciencia de Datos, definiendo principios, marcos y mejores prácticas sobre cómo Wonder utiliza los datos, la experimentación y machine learning para mejorar los resultados del cliente, del mercado y del negocio.
- Mentorizar y entrenar a un equipo en crecimiento de Científicos de Datos y contribuir al desarrollo profesional y a la excelencia técnica en todo el grupo.
- Liderar la exploración de sistemas de mercado interconectados, reconociendo los bucles de retroalimentación entre el comportamiento del cliente, la fiabilidad del cumplimiento, la precisión de la ETA, los precios, la planificación de la oferta, la experiencia del producto y el rendimiento empresarial.
- Desarrollar marcos de inferencia causal y experimentación que ayuden a Wonder a comprender qué cambios en el producto, las operaciones y el mercado realmente impulsan el impacto empresarial.
- Colaborar con ingeniería para impulsar las decisiones de arquitectura para capas de datos compartidas, tuberías de características, APIs de modelado, infraestructura de experimentación y servicios de ML de producción.
- Definir e implementar estrategias de experimentación sólidas para cambios que muevan las métricas de negocio en entornos con mucho ruido.
- Defender la ciencia de datos impulsada por el impacto empresarial, integrando la inferencia causal, la experimentación, el modelado consciente del riesgo y sistemas de ML de producción escalables que aprenden y se adaptan.
Lo que aportas
- 8+ años de experiencia en la industria con un máster o 6+ años con un doctorado en Estadística, Economía, Matemáticas Aplicadas, Informática, Ciencia de Datos, Machine Learning o un campo cuantitativo relacionado.
- Experiencia demostrada aplicando ciencia de datos y machine learning a problemas empresariales complejos, como la optimización del mercado, la experiencia del cliente, la previsión, la personalización, los precios, el equilibrio entre oferta y demanda, cambios en las políticas operativas o experimentación de productos.
- Profunda experiencia en inferencia causal, experimentación y modelado estadístico, incluyendo métodos como pruebas A/B, diferencias en diferencias, regresión discontinua, variables instrumentales, controles sintéticos, modelado de elevación o análisis de impacto causal.
- Fuerte intuición para las compensaciones de negocio y producto: experiencia del cliente frente a eficiencia, confianza en la ETA frente a riesgo de conversión, fiabilidad del cumplimiento frente a coste, crecimiento del mercado frente a calidad, y optimización a corto plazo frente a salud a largo plazo.
- Dominio de Python, análisis de datos, visualización y escritura de código escalable y listo para producción utilizando diseño orientado a objetos.
- Capacidad demostrada para llevar sistemas de ciencia de datos, ML o inferencia causal a producción, colaborando con ingeniería en arquitectura, despliegue y mejores prácticas de monitoreo.
- Fluidez en SQL o herramientas similares para consultar directamente conjuntos de datos a escala de producción.
- Experiencia en mentoría y provisión de dirección técnica a otros científicos, analistas o ingenieros.
¿TIENES ESTO? AÚN MEJOR
- Experiencia liderando el diseño integral de marcos de ciencia de datos, machine learning, medición o experimentación dentro de sistemas de mercado, productos de consumo, cumplimiento, logística, precios, previsión u operaciones.
- Experiencia diseñando estrategias de medición causal para sistemas complejos donde las decisiones de producto, mercado y operativas interactúan a través de múltiples capas.
- Antecedentes en inferencia causal, econometría, modelado bayesiano, diseño experimental o medición observacional en entornos con mucho ruido.
- Experiencia con marcos de experimentación aplicados, incluyendo pruebas A/B, análisis de potencia, efectos de tratamiento heterogéneos, métricas de protección, efectos de interferencia y medición de impacto a largo plazo.
- Experiencia construyendo o influyendo en sistemas de ML de producción que combinan modelado predictivo, medición causal, experimentación y reglas de negocio.
- Influencia entre disciplinas: capaz de alinear producto, ingeniería, operaciones, negocio y ciencia de datos en torno a una estrategia cohesiva de ML, experimentación y medición.
- Experiencia definiendo estrategias y hojas de ruta técnicas para plataformas de ciencia de datos, machine learning, experimentación o inferencia causal.
Una nota final
Nuestro modelo híbrido requiere 3 días a la semana en la oficina. Dicho esto, muchos miembros del equipo eligen venir con más frecuencia para aprovechar la colaboración y conexión en persona. Eres bienvenido, y te animamos, a estar en la oficina hasta 5 días a la semana si te funciona.
#LI-Hybrid
Nueva York: $240,000 - $249,500 al año.
Illinois: $216,000 - $224,500 al año.
Wonder utiliza estructuras salariales específicas por ubicación geográfica, lo que significa que el salario ofrecido puede variar dependiendo de dónde se encuentre el puesto. La oferta salarial final tendrá en cuenta varios factores, como las habilidades, educación, formación, credenciales y experiencia del candidato.
En Wonder, construimos los mejores equipos contratando con una lente objetiva: evaluando a las personas por su potencial mientras defendemos la diversidad, la equidad y la inclusión.
No discriminamos por motivos de raza, color, religión, identidad o expresión de género, orientación sexual, origen nacional, edad, elegibilidad para el servicio militar, estatus de veterano, estado civil, discapacidad o cualquier otra clase protegida.
Como parte de nuestro compromiso con prácticas de contratación justas y conformes, Wonder participa en el programa E-Verify del gobierno federal para confirmar la elegibilidad para el empleo.
Si necesitas una adaptación durante el proceso de entrevista, por favor házselo saber a tu reclutador.
¡Esperamos tener noticias tuyas! Nos pondremos en contacto contigo por correo electrónico o mensaje de texto para programar entrevistas y compartir información sobre tu candidatura.
Beneficios
Los beneficios aplicables a este puesto incluyen un paquete de compensación competitivo con capital y un plan 401(k). También ofrecemos una selección de planes médicos, dentales y de visión, cobertura de discapacidad a corto y largo plazo pagada por la empresa, tiempo libre remunerado que incluye tiempo libre flexible para empleados exentos, vacaciones pagadas para empleados no exentos y baja por enfermedad remunerada de acuerdo con la ley aplicable, además de baja parental remunerada, comidas con descuento y ventajas exclusivas en toda la familia de marcas de Wonder.
La elegibilidad, las fechas de entrada en vigor y las opciones de planes disponibles varían según la clasificación laboral y la ubicación. Para obtener más información sobre los beneficios para este puesto, visita nuestra página de Carreras aquí wonder.com/careers.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil