Leitender Datenwissenschaftler

UNSERE MISSION
Das Ziel Ihrer Wahl für den Autowechsel zu werden. Durch die Kombination von Technologie, Medien und umfassender Automobilkompetenz haben wir die Art und Weise, wie Menschen Autos kaufen, verkaufen, bewerben und leasen, auf den Kopf gestellt.
Was als einfache Bewertungsseite begann, ist heute eines der größten Online-Autowechsel-Ziele in Europa. Allein im letzten Jahr sind wir um mehr als 50 % gewachsen und haben vor Ort Autos im Wert von fast 3 Milliarden Pfund gekauft, während über unseren „Sell My Car“-Service Autos im Wert von 1,8 Milliarden Pfund zum Verkauf angeboten wurden.
Im Jahr 2024 gingen wir groß raus und erwarben Autovia – die Macher der Zeitschriften AutoExpress und Evo – und verdoppelten so über Nacht unser Publikum. Zusammen verfügen wir jetzt über einen der größten YouTube-Kanäle der Welt mit fast 10 Millionen Abonnenten und über 1,1 Milliarden jährlichen Aufrufen, während wir 1,2 Millionen gedruckte Exemplare unserer Zeitschriften verkaufen und eine jährliche Reichweite von über 350 Millionen Webinhalten haben.
Und wir sind noch lange nicht fertig!

DIE ROLLE
Wir suchen einen Senior Data Scientist, der in einem entscheidenden Moment unserem preisgekrönten Data Science-Team beitritt. Carwow betreibt einen zweiseitigen Marktplatz – er verbindet Autokäufer und -verkäufer in großem Maßstab – und die Datenwissenschaft steht im Mittelpunkt, wie wir diesen Marktplatz für alle darin intelligenter, schneller und wertvoller machen. Tatsächlich haben wir kürzlich bei den British Data Awards die GenAI-Initiative des Jahres gewonnen.
Dabei handelt es sich um eine praktische, eigenverantwortliche Rolle, die zentral im gesamten Unternehmen arbeitet. Sie arbeiten mit Teams aus den Bereichen Handel, Marketing, Produkt, Finanzen, Technik und Betrieb zusammen und entwickeln und implementieren ML- und KI-Lösungen, die auf beiden Seiten unseres Marktes zu Ergebnissen führen. Die Probleme, an denen Sie arbeiten werden, sind wirklich vielfältig: Preismodelle, Neigungs- und Nachfragesignale, die die Marketingausgaben steigern, personalisierte Empfehlungen für unser Webprodukt und CRM sowie LLM-basierte Lösungen für betriebliche Herausforderungen wie die Dokumentenüberprüfung.
Sie übersetzen mehrdeutige Geschäftsprobleme in strukturierte, produktionsreife Lösungen – und von Ihnen wird erwartet, dass Sie diese durchgängig liefern, von den ersten Prinzipien bis zur Bereitstellungsreife und darüber hinaus.

WAS SIE TUN WERDEN

• Durchgängige ML- und KI-Bereitstellung: Leiten Sie datenwissenschaftliche Initiativen von der Problemstellung bis hin zur Bereitstellung, Überwachung und Iteration – und stellen Sie so den gesamten Produktionslebenszyklus bereit. Da Sie keine spezielle ML-Engineering-Funktion haben, sind Sie dafür verantwortlich, sicherzustellen, dass Ihre Lösungen lange nach der Auslieferung robust, skalierbar und in der realen Welt leistungsfähig sind.

• GenAI- und LLM-Anwendung: Entwerfen und bauen Sie LLM-basierte Lösungen dort, wo sie echten Geschäftswert schaffen – Dokumentenverarbeitung, intelligente Suche, Inhaltsverständnis und mehr. Wenden Sie sie neben klassischem ML an und entscheiden Sie dabei klar, wo jeder Ansatz seinen Platz verdient.

• Kommerzielle Auswirkungen: Verbinden Sie Ihre Arbeit direkt mit den Geschäftsergebnissen. Ganz gleich, ob Sie ein Modell zur Verbesserung der Marketingeffizienz, ein Preissignal zur Präzisierung kommerzieller Entscheidungen oder eine Empfehlungsmaschine zur Steigerung der Konversionsrate erstellen – Sie verstehen den geschäftlichen Hebel, den Sie betätigen, und entwerfen Ihre Lösungen entsprechend.

• Prototyping und Experimente: Testen Sie Ideen schnell, bevor Sie mit der umfassenden Entwicklung beginnen. Definieren Sie im Vorfeld strenge Erfolgskennzahlen, validieren Sie diese ehrlich und wissen Sie, wann Sie sich verdoppeln und wann Sie aufgeben sollten.

• Funktionsübergreifende Partnerschaft: Arbeiten Sie eng mit Interessenvertretern aus den Bereichen Handel, Marketing, Produkt, Finanzen, Technik und Betrieb zusammen, um Probleme tiefgreifend zu verstehen, bevor Sie nach einer Lösung greifen. Übersetzen Sie die Ergebnisse in klare, umsetzbare Erzählungen für sowohl technische als auch nichttechnische Zielgruppen.

• Standards und Handwerk: Tragen Sie zu gemeinsamen Best Practices, Dokumentationen und Arbeitsweisen bei, die die Messlatte für die Data-Science-Funktion höher legen – und helfen Sie mehr jungen Teammitgliedern, gemeinsam mit Ihnen zu wachsen. Fördern Sie die kontinuierliche Einführung von KI-Funktionen, um die Effizienz und Automatisierung zu steigern und ständig neue Funktionen zu nutzen.

WAS SIE BENÖTIGEN
Bitte beachten Sie: Wir wissen, dass kein Kandidat perfekt zu allen in diesem Beitrag aufgeführten Kriterien passt. Daher empfehlen wir Ihnen, sich zu bewerben, wenn Sie der Meinung sind, dass Sie den Anforderungen zwar nahe kommen, aber nicht genau zu Ihnen passen. Im Idealfall haben Sie das

• Kommerzielle Denkweise: Denken Sie zuerst über die geschäftlichen Auswirkungen nach. Sie verstehen, wie sich Ihre Modelle auf Umsatz, Effizienz oder Kundenergebnisse auswirken – und nutzen dies, um Ihre Arbeit zu priorisieren, einzugrenzen und zu kommunizieren.

• Stakeholder-Partnerschaft: Nachgewiesene Fähigkeit, mit kommerziellen, Marketing- und Produkt-Stakeholdern zusammenzuarbeiten – geschäftliche Probleme in umfassende Lösungen umzusetzen und technische Lösungen, Herausforderungen und Ergebnisse auf allen Ebenen klar zu kommunizieren.

• Fundiertes Urteilsvermögen: Sie navigieren mit klarem Blick durch die Werkzeuglandschaft – wissen, wann klassisches ML richtig ist, wann GenAI etwas Neues erschließt und wann eine einfachere Lösung die ehrlichere Antwort ist. Starkes Gespür für Skalierbarkeit, Zuverlässigkeit und Erklärbarkeit.

• [Bonus] Marktplatz- oder zweiseitige Plattformerfahrung: Verständnis der Angebots-/Nachfragedynamik und wie Data Science im Marktkontext Hebelwirkung erzielt.

TECHNISCHE FÄHIGKEITEN

• Nachgewiesene ML-Erfahrung: Eine starke Erfolgsbilanz beim Erstellen, Bereitstellen und Verwalten von ML-Modellen in Python in einer Produktionsumgebung – nicht nur in Notebooks. Sie besitzen Modelle nach der Auslieferung und wissen, wie Sie sie gesund halten können.

• Full-Lifecycle Delivery (MLOps): Bequeme Bereitstellung des End-to-End-Produktionslebenszyklus – Modellschulung, Versionierung, Überwachung und Champion/Challenger-Experimente – ohne auf ein spezielles ML-Engineering-Team angewiesen zu sein, das diese Verantwortung trägt.

• GenAI- und LLM-Expertise: Praktische Erfahrung beim Aufbau LLM-gestützter Lösungen, die messbaren Geschäftswert liefern. Sie wissen, wie man diese Tools anwendet, bewertet und erweitert – und Sie sagen ehrlich, wo sie mangelhaft sind.

• Technische Tiefe: Solide Erfahrung in einer Cloud-ML-Umgebung mit Software-Engineering-Prinzipien – Versionskontrolle, Codeüberprüfungen, Unit-Tests und Vertrautheit mit Containerisierung.…

Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/carwow/senior-data-scientist-london-428558)