États-Unis
Axiom Path
Grubhub
Senior Staff Data Scientist
États-Unis
Chicago, Illinois, United States · New York, New York, United States
PythonSQLGo
Traduction automatique. Consultez l’original.
À propos de Grubhub
Chez Grubhub, nous pensons que la nourriture est plus qu'un simple repas : c'est une source de découverte, de connexion et de pur plaisir. Il y a un temps et un lieu pour chaque type de plat, des trésors cachés de quartier aux favoris éprouvés, et nous existons pour connecter les gens avec la nourriture qu'ils aiment, de toutes les manières qu'ils aiment la déguster. Nous sommes dans ce domaine depuis 2004, mais maintenant, en tant que partie de Wonder, Grubhub opère avec un élan renouvelé et l'énergie à haute vélocité d'une startup puissante.
En tant que principal marché de commande et de livraison aux États-Unis, nous proposons plus de 415,000 marchands dans plus de 4,000 villes, créant ainsi l'expérience culinaire ultime en améliorant la commande en ligne grâce à une technologie de restaurant innovante, des plateformes faciles à utiliser et une expérience de livraison améliorée. Nous trouvons constamment de nouvelles façons d'innover, de la livraison de produits d'épicerie intégrée alimentée par Instacart aux programmes de fidélité exclusifs. Rejoignez notre équipe, basée à New York et à Chicago, et aidez-nous à offrir à nos clients la valeur exceptionnelle qu'ils méritent.
À propos de l'opportunité
Chez Wonder Data Science, notre mission est de construire des systèmes de science des données et de machine learning qui améliorent le fonctionnement de notre marché, l'expérience client sur la plateforme et la prise de décisions de haute qualité par l'entreprise.
En tant que Senior Staff Data Scientist, vous irez au-delà de la simple résolution de problèmes individuels — vous contribuerez à définir l'orientation stratégique de la science des données appliquée, à encadrer des scientifiques seniors et juniors, et à collaborer étroitement avec les responsables de l'ingénierie, des produits, des opérations et des activités commerciales pour faire évoluer nos capacités de ML et d'analyse vers des systèmes évolutifs et prêts pour la production.
Vous identifierez des opportunités à fort effet de levier dans l'ensemble de l'entreprise, notamment l'efficacité du marché, l'expérience client, la précision des ETA, la fiabilité de l'exécution, la stratégie de prix, la planification de l'approvisionnement, la prévision de la demande et la performance opérationnelle. Vous concevrez des cadres rigoureux sur le plan statistique pour comprendre l'impact causal, séparer le signal du bruit et guider la stratégie commerciale par l'expérimentation, la mesure et l'inférence basée sur des principes.
Vous contribuerez à définir la manière dont nous structurons les compromis tels que l'expérience client vs l'efficacité opérationnelle, la vitesse vs le coût, la précision de la prédiction vs l'impact commercial, le mouvement des métriques à court terme vs la santé du marché à long terme, et l'automatisation vs le jugement humain.
Vous prototyperez, expérimenterez, influencerez l'architecture et veillerez à ce que nous opérationnalisions des modèles et des informations qui font réellement bouger les métriques commerciales, et pas seulement des analyses qui paraissent bien hors ligne.
L'impact que vous aurez
- Servir de leader technique en science des données, en définissant les principes, les cadres et les meilleures pratiques pour l'utilisation des données, de l'expérimentation et du machine learning par Wonder afin d'améliorer les résultats pour les clients, le marché et l'entreprise.
- Encadrer et coacher une équipe croissante de Data Scientists et contribuer au développement de carrière et à l'excellence technique au sein du groupe.
- Diriger l'exploration des systèmes de marché interconnectés, en reconnaissant les boucles de rétroaction entre le comportement des clients, la fiabilité de l'exécution, la précision des ETA, la tarification, la planification de l'approvisionnement, l'expérience produit et la performance commerciale.
- Développer des cadres d'inférence causale et d'expérimentation qui aident Wonder à comprendre quels changements de produit, opérationnels et de marché génèrent réellement un impact commercial.
- Collaborer avec l'ingénierie pour orienter les décisions d'architecture pour les couches de données partagées, les pipelines de fonctionnalités, les APIs de modélisation, l'infrastructure d'expérimentation et les services ML de production.
- Définir et mettre en œuvre des stratégies d'expérimentation robustes pour les changements qui font bouger les métriques commerciales dans des environnements à fort bruit.
- Promouvoir la science des données axée sur l'impact commercial, en intégrant l'inférence causale, l'expérimentation, la modélisation consciente des risques et des systèmes ML de production évolutifs qui apprennent et s'adaptent.
Ce que vous apportez
- 8+ années d'expérience industrielle avec un Master ou 6+ années avec un Doctorat en Statistique, Économie, Mathématiques Appliquées, Informatique, Science des Données, Machine Learning, ou un domaine quantitatif connexe.
- Expérience avérée dans l'application de la science des données et du machine learning à des problèmes commerciaux complexes, tels que l'optimisation du marché, l'expérience client, la prévision, la personnalisation, la tarification, l'équilibrage de l'offre/demande, les changements de politique opérationnelle ou l'expérimentation de produits.
- Expertise approfondie en inférence causale, expérimentation et modélisation statistique, y compris des méthodes telles que les tests A/B, les différences-en-différences, la régression par discontinuité, les variables instrumentales, les contrôles synthétiques, la modélisation de l'uplift ou l'analyse d'impact causal.
- Forte intuition pour les compromis commerciaux et produit : expérience client vs efficacité, confiance dans l'ETA vs risque de conversion, fiabilité de l'exécution vs coût, croissance du marché vs qualité, et optimisation à court terme vs santé à long terme.
- Maîtrise de Python, d'analyse de données, de visualisation et d'écriture de code évolutif et prêt pour la production en utilisant une conception orientée objet.
- Capacité démontrée à mettre en production des systèmes de science des données, ML ou d'inférence causale, en collaborant avec l'ingénierie sur l'architecture, le déploiement et les meilleures pratiques de surveillance.
- Maîtrise de SQL ou d'outils similaires pour interroger directement des ensembles de données à l'échelle de la production.
- Expérience dans le mentorat et la direction technique d'autres scientifiques, analystes ou ingénieurs.
VOUS AVEZ ÇA ? ENCORE MIEUX
- Expérience dans la direction de la conception de bout en bout de cadres de science des données, de machine learning, de mesure ou d'expérimentation au sein de systèmes de marché, de produits de consommation, d'exécution, de logistique, de tarification, de prévision ou d'opérations.
- Expérience dans la conception de stratégies de mesure causale pour des systèmes complexes où les décisions de produit, de marché et opérationnelles interagissent sur plusieurs niveaux.
- Expérience en inférence causale, économétrie, modélisation bayésienne, conception expérimentale ou mesure observationnelle dans des environnements à fort bruit.
- Expérience avec des cadres d'expérimentation appliqués, y compris les tests A/B, l'analyse de puissance, les effets de traitement hétérogènes, les métriques de garde-fou, les effets d'interférence et la mesure de l'impact à long terme.
- Expérience dans la construction ou l'influence de systèmes ML de production qui combinent modélisation prédictive, mesure causale, expérimentation et règles métier.
- Influence interdisciplinaire : capacité à aligner les équipes produit, ingénierie, opérations, affaires et science des données autour d'une stratégie cohérente de ML, d'expérimentation et de mesure.
- Expérience dans la définition de la stratégie et des feuilles de route techniques pour les plateformes de science des données, de machine learning, d'expérimentation ou d'inférence causale.
Une dernière note
Notre modèle hybride nécessite 3 jours par semaine au bureau. Cela dit, de nombreux membres de l'équipe choisissent de venir plus souvent pour profiter de la collaboration et de la connexion en personne. Vous êtes les bienvenus – et encouragés – à être au bureau jusqu'à 5 jours par semaine si cela vous convient.
#LI-Hybrid
New York : $240,000 - $249,500 par an.
Illinois : $216,000 - $224,500 par an.
Wonder utilise des structures salariales spécifiques à la géographie, ce qui signifie que le salaire proposé peut varier en fonction de l'emplacement du poste. L'offre de salaire finale tiendra compte de divers facteurs, tels que les compétences, l'éducation, la formation, les qualifications et l'expérience du candidat.
Chez Wonder, nous constituons les meilleures équipes en recrutant avec un regard objectif, en évaluant les personnes pour leur potentiel tout en défendant la diversité, l'équité et l'inclusion.
Nous ne faisons aucune discrimination fondée sur la race, la couleur, la religion, l'identité ou l'expression de genre, l'orientation sexuelle, l'origine nationale, l'âge, l'admissibilité au service militaire, le statut de vétéran, l'état civil, le handicap ou toute autre classe protégée.
Dans le cadre de notre engagement envers des pratiques d'embauche équitables et conformes, Wonder participe au programme E-Verify du gouvernement fédéral pour confirmer l'éligibilité à l'emploi.
Si vous avez besoin d'un aménagement pendant le processus d'entretien, veuillez en informer votre recruteur.
Nous avons hâte d'avoir de vos nouvelles ! Nous vous contacterons par e-mail ou par SMS pour planifier des entretiens et partager des informations sur votre candidature.
Avantages
Les avantages applicables à ce poste comprennent un ensemble de rémunération compétitif avec des actions et un 401(k). Nous proposons également un choix de plans médicaux, dentaires et de vision, une couverture d'invalidité de courte et longue durée payée par l'entreprise, des congés payés, y compris des congés flexibles pour les employés exemptés, des vacances payées pour les employés non exemptés, et des congés maladie payés conformément à la loi applicable, en plus des congés parentaux payés, des repas à prix réduit et des avantages exclusifs dans toute la famille de marques Wonder.
L'éligibilité, les dates d'entrée en vigueur et les options de plan disponibles varient selon la classification de l'emploi et l'emplacement. Pour en savoir plus sur les avantages de ce poste, visitez notre page Carrières ici wonder.com/careers.
Plus d’opportunités avec un seul profil
Vous souhaitez accéder à plus de postes sans répéter tout le processus ? Créez votre profil pour être trouvé par les entreprises utilisant Nort.
Créer mon profil