Científico de datos del personal - Red

Relay está remodelando fundamentalmente la forma en que se mueven los bienes en una era en línea. Respaldada por la Serie A de logística más grande de Europa (35 millones de dólares), liderada por los inversores en tecnología Plural, y una Serie B recientemente cerrada (95 millones de dólares), Relay está escalando más rápido que el 99% de las nuevas empresas respaldadas por empresas. Estamos reuniendo el equipo más denso en talento que la industria de la logística haya visto jamás.
La misión de Relay es liberar el comercio de fricciones. Hoy en día, los altos costos de envío actúan como un impuesto oculto en el comercio electrónico, moldeando silenciosamente lo que se puede vender en línea y limitando quién puede participar. Imaginamos un mundo en el que más productos se mueven más libremente entre más personas, haciendo que la experiencia de compra en línea sea fluida y accesible para todos.

EL EQUIPO
• ~160 personas, aproximadamente la mitad en ingeniería, productos y datos
• Más de 45 títulos avanzados en informática, matemáticas e investigación de operaciones
• Miles de puntos de datos capturados, calculados, analizados y pronosticados para cada paquete que manejamos
• Una cultura intelectualmente vibrante de pensamiento basado en primeros principios, estrechos circuitos de retroalimentación y experimentación incesante.

sobre el papel
La red de Relay se basa en pronósticos. Cada turno liberado en la clasificación, cada camioneta de media milla despachada, cada ruta de última milla planificada, cada decisión de expansión tomada, todo ello en sentido descendente de los modelos que predicen cómo se mueven los paquetes a través de nuestro sistema. Cuando esos modelos son correctos, la red funciona de manera eficiente y el costo por paquete disminuye. Cuando varían, el costo se agrava en cada etapa de la operación. El equipo de la Red construye y mantiene el motor de pronóstico que lo impulsa todo, y el Pronóstico de la Demanda es su núcleo: un pronóstico de lo que estará disponible para clasificar, con granularidad de código de salida, desde D0 hasta D30.
Como científico de datos del personal, usted es el ancla técnica para la previsión de la demanda. Eres dueño de las partes más difíciles y ambiguas del pronóstico, y estableces la metodología y los estándares de validación con los que trabaja el resto del área. Eso significa poseer un pronóstico único integrado de qué volumen tendrá que mover la red, por área y hasta treinta días, que la capa de gestión de la demanda luego convierte en el plan operativo que ejecutan los centros de clasificación y los equipos de transporte. Significa ser dueño del extremo de ese pronóstico impulsado por el modelo, donde el horizonte va más allá de cualquier dato de seguimiento en vivo y las parcelas esperadas deben generarse a partir de modelos en lugar de observarse. Significa poseer el pronóstico del volumen internacional entrante, uno de los problemas de predicción más difíciles que tenemos. Y significa poseer los modelos que predicen el tamaño y el peso de cada paquete, que convierten el recuento de paquetes en el volumen físico que realmente debe clasificarse y cargarse.
Este es un papel práctico. Pasarás la mayor parte de tu tiempo construyendo, no administrando. Usted establece la dirección sobre cómo el Pronóstico de la demanda modela, evalúa y envía su trabajo, y eleva el listón técnico en toda el área, pero lo hace como el colaborador individual de mayor rango en la sala, en las herramientas. Trabajará junto a un científico de datos sénior responsable de las previsiones de volumen nacional, un ingeniero de aprendizaje automático que mantiene los modelos funcionando de forma fiable en producción y un analista responsable de la precisión de las previsiones y la calidad de los datos. El liderazgo de personas, la estrategia y las prioridades entre equipos recaen en el gerente de ciencia de datos que lidera el equipo; eres dueño de la ciencia.
Relay opera un equipo de datos centralizado de alrededor de 30 ingenieros, analistas y científicos de datos, con especialistas integrados en equipos de toda la empresa. Te sentarás en el equipo de Red e informarás al equipo de datos centralizados. La previsión de la demanda está creciendo y, como Staff DS, usted tendrá la voz decisiva sobre su dirección técnica y los enfoques de modelado que adopte.

lo que harás

• Poseer el pronóstico integrado de principio a fin. Combine señales de seguimiento en vivo a corto plazo con paquetes generados por modelos en una sola vista, por área, desde hoy hasta treinta días después. Esta es la visión que la capa de gestión de la demanda convierte en el plan en el que realmente se ejecutan la Clasificación, la Milla Media y la Última Milla.

• Construye los modelos más difíciles de la zona. El pronóstico a largo plazo generado por el modelo, el pronóstico del volumen internacional entrante y los modelos de tamaño y peso de los paquetes que hacen del pronóstico una medida del volumen físico en lugar de solo un conteo. Éstos son los problemas ambiguos y de alto apalancamiento, y son suyos.

• Establecer la metodología y estándares de validación para la Previsión de la Demanda. Defina cómo se evalúan los modelos, cómo se mide la precisión en cada horizonte (un pronóstico realizado con treinta días de antelación no debe ajustarse al estándar de uno realizado con dos días de antelación) y qué aspecto tiene "bueno" en todos los modelos del área.

• Elevar el listón técnico. Revise los enfoques, realice la elección del modelo y las decisiones de construcción versus compra, y oriente al analista y científico de datos sénior junto con usted, sin asumir su gestión de línea.

• Definir las interfaces de la previsión. Decida qué entrega la Previsión de la Demanda a la capa de gestión de la demanda, al Enrutamiento y a la función de planificación de la red: con qué granularidad, con qué garantías y cómo se atribuye el error cuando un número resulta erróneo.

• Conozca los procesos operativos a los que sirven sus modelos, con el apoyo del equipo y los equipos que utilizan los pronósticos, e identifique dónde se queda corto el enfoque actual.

• Calidad de producción propia en toda la propiedad, trabajando con el ingeniero de ML para que los modelos sean monitoreados, la desviación se detecte tempranamente y los problemas de precisión se rastree hasta la causa correcta en lugar de volver a ajustarlos a ciegas.

• Trabajar con Finanzas, quienes amplían los pronósticos operativos a proyecciones financieras a más largo plazo, para mantener confiable la transferencia entre los modelos operativos y financieros.

• Cuantificar el impacto del error del modelo en el costo por parcela y utilizarlo para decidir dónde invierte el área el esfuerzo.…

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