Staff Data Scientist - Network

Το Relay αναδιαμορφώνει ουσιαστικά τον τρόπο με τον οποίο κινούνται τα αγαθά σε μια διαδικτυακή εποχή. Υποστηριζόμενη από τη μεγαλύτερη logistics της Ευρώπης Series A (35 εκατομμύρια $) με επικεφαλής τους επενδυτές βαθιάς τεχνολογίας Plural, και μια πρόσφατα κλειστή Series B (95 εκατομμύρια $), η Relay κλιμακώνεται ταχύτερα από το 99% των startups που υποστηρίζονται από venture. Συγκεντρώνουμε την ομάδα με τα περισσότερα ταλέντο που έχει δει ποτέ η βιομηχανία logistics
Η αποστολή του Relay είναι να απελευθερώσει το εμπόριο από την τριβή. Σήμερα, το υψηλό κόστος παράδοσης λειτουργεί ως κρυφός φόρος στο ηλεκτρονικό εμπόριο, διαμορφώνοντας αθόρυβα τι μπορεί να πωληθεί στο διαδίκτυο και περιορίζοντας ποιος μπορεί να συμμετάσχει. Οραματιζόμαστε έναν κόσμο όπου περισσότερα αγαθά κυκλοφορούν πιο ελεύθερα μεταξύ περισσότερων ανθρώπων, κάνοντας την εμπειρία αγορών στο διαδίκτυο απρόσκοπτη και προσβάσιμη σε όλους.

Η ΟΜΑΔΑ
• ~160 άτομα, περίπου τα μισά σε μηχανική, προϊόντα και δεδομένα
• 45+ προχωρημένα πτυχία στην επιστήμη των υπολογιστών, τα μαθηματικά και την επιχειρησιακή έρευνα
• Χιλιάδες σημεία δεδομένων που συλλέγονται, υπολογίζονται, αναλύονται και προβλέπονται για κάθε δέμα που χειριζόμαστε
• Μια πνευματικά ζωντανή κουλτούρα σκέψης πρώτων αρχών, σφιχτούς βρόχους ανατροφοδότησης και αδυσώπητους πειραματισμούς

Σχετικά με τον ρόλο
Το δίκτυο του Relay λειτουργεί με προβλέψεις. Κάθε βάρδια που κυκλοφόρησε σε ταξινόμηση, κάθε φορτηγό μεσαίου μιλίου που αποστέλλεται, κάθε προγραμματισμένη διαδρομή του τελευταίου μιλίου, κάθε απόφαση επέκτασης που λαμβάνεται - όλα κατάντη μοντέλων που προβλέπουν πώς κινούνται τα δέματα στο σύστημά μας. Όταν αυτά τα μοντέλα είναι σωστά, το δίκτυο λειτουργεί αποτελεσματικά και το κόστος ανά δέμα μειώνεται. Όταν παρασύρονται, το κόστος ενισχύεται σε κάθε στάδιο της λειτουργίας. Η ομάδα του Δικτύου κατασκευάζει και διατηρεί τη μηχανή πρόβλεψης που την τροφοδοτεί και η Πρόβλεψη Ζήτησης είναι ο πυρήνας της: μία πρόβλεψη για το τι θα είναι διαθέσιμο για ταξινόμηση, με ακρίβεια κωδικού, από D0 έως D30.
Ως Επιστήμονας Δεδομένων Προσωπικού, είστε η τεχνική άγκυρα για την Πρόβλεψη Ζήτησης. Εσείς είστε κάτοχος των δυσκολότερων και πιο διφορούμενων τμημάτων της πρόβλεψης και ορίζετε τη μεθοδολογία και τα πρότυπα επικύρωσης στα οποία λειτουργεί η υπόλοιπη περιοχή. Αυτό σημαίνει ότι κατέχουμε την ενιαία ολοκληρωμένη πρόβλεψη του όγκου του δικτύου που θα πρέπει να μετακινηθεί, ανά περιοχή και σε τριάντα ημέρες, την οποία το επίπεδο διαχείρισης ζήτησης μετατρέπει στη συνέχεια στο επιχειρησιακό σχέδιο στο οποίο λειτουργούν τα κέντρα ταξινόμησης και οι ομάδες μεταφορών. Σημαίνει την κατοχή του τέλους αυτής της πρόβλεψης βάσει του μοντέλου, όπου ο ορίζοντας τρέχει πέρα ​​από τυχόν ζωντανά δεδομένα παρακολούθησης και τα αναμενόμενα δέματα πρέπει να δημιουργηθούν από μοντέλα αντί να παρατηρηθούν. Σημαίνει ότι κατέχουμε την πρόβλεψη του εισερχόμενου διεθνούς όγκου, ένα από τα δυσκολότερα προβλήματα πρόβλεψης που έχουμε. Και σημαίνει ότι κατέχουμε τα μοντέλα που προβλέπουν το μέγεθος και το βάρος κάθε δέματος, τα οποία μετατρέπουν τον αριθμό των δεμάτων στον φυσικό όγκο που πραγματικά πρέπει να ταξινομηθεί και να φορτωθεί.
Αυτός είναι ένας πρακτικός ρόλος. Θα αφιερώσετε τον περισσότερο χρόνο σας στο χτίσιμο, όχι στη διαχείριση. Καθορίζετε την κατεύθυνση για τον τρόπο με τον οποίο η Πρόβλεψη Ζήτησης μοντελοποιεί, αξιολογεί και αποστέλλει το έργο της, και ανεβάζετε τον τεχνικό πήχη σε όλη την περιοχή, αλλά το κάνετε ως ο πιο ανώτερος μεμονωμένος συνεργάτης στην αίθουσα, στα εργαλεία. Θα εργαστείτε μαζί με έναν ανώτερο επιστήμονα δεδομένων που κατέχει τις εγχώριες προβλέψεις όγκου, έναν μηχανικό ML που διατηρεί τα μοντέλα αξιόπιστα στην παραγωγή και έναν αναλυτή που κατέχει την ακρίβεια των προβλέψεων και την ποιότητα των δεδομένων. Η ηγεσία των ανθρώπων, η στρατηγική και οι προτεραιότητες μεταξύ ομάδων βρίσκονται με τον Data Science Manager που ηγείται της ομάδας. κατέχεις την επιστήμη.
Η Relay λειτουργεί μια κεντρική ομάδα δεδομένων από περίπου 30 Μηχανικούς Δεδομένων, Αναλυτές και Επιστήμονες Δεδομένων, με ειδικούς ενσωματωμένους σε ομάδες σε όλη την επιχείρηση. Θα κάθεστε στην ομάδα του Δικτύου και θα αναφέρεστε στην κεντρική ομάδα δεδομένων. Η Πρόβλεψη Ζήτησης αυξάνεται και ως Staff DS θα έχετε την αποφασιστική φωνή για την τεχνική της κατεύθυνση και τις προσεγγίσεις μοντελοποίησης που υιοθετεί.

Τι θα κάνετε

• Κατέχετε την ενσωματωμένη πρόβλεψη από άκρο σε άκρο. Συνδυάστε τα σήματα ζωντανής παρακολούθησης βραχυπρόθεσμα με δέματα που δημιουργούνται από μοντέλα πιο έξω σε μια ενιαία προβολή, ανά περιοχή, από σήμερα έως τριάντα ημέρες μπροστά. Αυτή είναι η άποψη που το επίπεδο διαχείρισης ζήτησης μετατρέπει στο σχέδιο στο οποίο εκτελούνται πραγματικά τα Sortation, Middle Mile και Last Mile.

• Κατασκευάστε τα πιο σκληρά μοντέλα στην περιοχή. Η πρόβλεψη μακρού ορίζοντα που δημιουργείται από το μοντέλο, η πρόβλεψη εισερχόμενου-διεθνούς όγκου και τα μοντέλα μεγέθους και βάρους δεμάτων που καθιστούν την πρόβλεψη μέτρο φυσικού όγκου και όχι απλώς μέτρηση. Αυτά είναι τα διφορούμενα προβλήματα υψηλής μόχλευσης και είναι δικά σας.

• Ορίστε τη μεθοδολογία και τα πρότυπα επικύρωσης για την Πρόβλεψη Ζήτησης. Καθορίστε τον τρόπο αξιολόγησης των μοντέλων, τον τρόπο μέτρησης της ακρίβειας σε κάθε ορίζοντα (μια πρόβλεψη που γίνεται τριάντα ημέρες δεν θα πρέπει να τηρείται στο πρότυπο μιας που έγινε δύο ημέρες έξω) και πώς φαίνεται το "καλό" στα μοντέλα της περιοχής.

• Ανυψώστε την τεχνική μπάρα. Ελέγξτε τις προσεγγίσεις, πραγματοποιήστε κλήσεις επιλογής μοντέλου και δημιουργίας έναντι αγοράς και καθοδηγήστε τον Ανώτερο Επιστήμονα Δεδομένων και Αναλυτή δίπλα σας, χωρίς να αναλάβετε τη διαχείριση της γραμμής τους.

• Καθορίστε τις διεπαφές της πρόβλεψης. Αποφασίστε τι δίνει η Πρόβλεψη Ζήτησης στο επίπεδο διαχείρισης ζήτησης, στη Δρομολόγηση και στη συνάρτηση προγραμματισμού δικτύου: σε ποια ευαισθησία, με ποιες εγγυήσεις και πώς αποδίδεται το σφάλμα όταν ένας αριθμός αποδεικνύεται λάθος.

• Μάθετε τις επιχειρησιακές διαδικασίες που εξυπηρετούν τα μοντέλα σας, υποστηριζόμενες από την ομάδα και τις ομάδες που χρησιμοποιούν τις προβλέψεις και εντοπίστε πού αποτυγχάνει η τρέχουσα προσέγγιση.

• Διαθέτετε ποιότητα παραγωγής σε όλη την περιουσία, συνεργαζόμενοι με τον Μηχανικό ML, ώστε τα μοντέλα να παρακολουθούνται, η μετατόπιση να εντοπίζεται έγκαιρα και τα προβλήματα ακρίβειας να εντοπίζονται στη σωστή αιτία αντί να συντονίζονται ξανά στα τυφλά.

• Συνεργαστείτε με το Finance, το οποίο επεκτείνει τις επιχειρησιακές προβλέψεις σε μακροπρόθεσμες οικονομικές προβλέψεις, για να διατηρήσει αξιόπιστη τη μεταβίβαση μεταξύ λειτουργικών και χρηματοοικονομικών μοντέλων.

• Ποσοτικοποιήστε τον αντίκτυπο του σφάλματος μοντέλου στο κόστος ανά αγροτεμάχιο και χρησιμοποιήστε το για να αποφασίσετε πού η περιοχή επενδύει προσπάθεια.…

Πηγή: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/relay/staff-data-scientist-network-london-408439)