Starszy menedżer ds. nauki o danych

Hims & Hers to wiodąca platforma zajmująca się zdrowiem i dobrym samopoczuciem, której misją jest pomaganie światu w doskonałym samopoczuciu dzięki mocy lepszego zdrowia. Na nowo definiujemy opiekę zdrowotną, stawiając klienta na pierwszym miejscu i zapewniając dostęp do opieki, która jest niedroga, dostępna i spersonalizowana, od diagnozy, przez leczenie, aż po poród. Nie ma dwóch takich samych osób, dlatego zapewniamy dostęp do spersonalizowanej opieki zaprojektowanej z myślą o wynikach. Normalizując wyzwania związane ze zdrowiem i dobrym samopoczuciem oraz wprowadzając innowacje w zakresie ich rozwiązań, ułatwiamy osiągnięcie lepszych wyników zdrowotnych.

Hims & Hers jest spółką publiczną notowaną na giełdzie nowojorskiej pod symbolem „HIMS”. Aby dowiedzieć się więcej o marce i ofercie, odwiedź hims.com/about i hims.com/how-it-works. Informacje na temat wyjątkowych korzyści, kultury firmy oraz jej elastycznego podejścia do pracy zdalnej i skupiającej się na talentach można znaleźć poniżej i odwiedzić stronę www.hims.com/careers-professionals.

O roli:
Jako starszy menedżer w dziale Data Science kierujący naszym zespołem w Wielkiej Brytanii będziesz jednym z pierwszych członków działu analityki danych Hims & Hers w Wielkiej Brytanii i dołączysz, gdy będziemy tworzyć zespół obok nowego centrum technologicznego firmy. Pomożesz kształtować sposób, w jaki zespół w Wielkiej Brytanii działa i rozwija się już na tym wczesnym etapie, bez dawno ugruntowanej struktury do dziedziczenia.
Jesteś w równym stopniu liderem technicznym, jak i liderem ludzi: ustalasz plan działania dotyczący tego, co i w jakiej kolejności ma zbudować Twój zespół w Wielkiej Brytanii, odblokowujesz decyzje techniczne, gdy droga naprzód jest niejasna, i sam rozwijasz swoich raportów, aby stali się silniejszymi liderami technicznymi.
Będziesz raportować do dyrektora ds. nauki o danych (z siedzibą w USA) i działać jako jeden zespół z naszymi analitykami danych z USA, a nie jako oddzielny satelita. Oznacza to prawdziwą codzienną współpracę przez Atlantyk: wspólne standardy, wspólny plan działania i wystarczające pokrywanie się godzin pracy, aby móc wspólnie rozwiązywać trudne problemy. Będziesz ściśle współpracować z dyrektorem, aby dowiedzieć się, jak najlepiej zorganizować zespół podzielony na dwa kraje, począwszy od podziału pracy po strukturę zespołu, tak aby wywarł jak największy wpływ na firmę, a nie tylko powielał strukturę amerykańską za granicą. Będziesz współpracować bezpośrednio z kierownictwem finansów, marketingu i operacji, aby przełożyć priorytety biznesowe na plan działania zespołu, a następnie upewnić się, że plan faktycznie zostanie zrealizowany.

Będziesz:

• Pomóż w utworzeniu zespołu w Wielkiej Brytanii: Jako jeden z pierwszych członków zespołu w Wielkiej Brytanii pomóż kształtować normy pracy, kulturę techniczną i doświadczenie w zakresie wdrażania analityków danych, którzy dołączą po Tobie.

• Kieruj jako jeden rozproszony zespół: Obsługuj zespół w Wielkiej Brytanii jako pojedynczą funkcję z amerykańską organizacją zajmującą się analizą danych, a nie oddzielnym silosem, utrzymując spójne standardy, kontekst i priorytety niezależnie od strefy czasowej.

• Ukształtuj plan działania: nawiąż współpracę z dyrektorem ds. analizy danych i zespołem w USA, aby nadać priorytet konkurencyjnym żądaniom ze strony marketingu, operacji, produktów i finansów we wspólnym planie działania i pomóc w dokonaniu kompromisu w zakresie tego, co i kiedy tworzy zespół z Wielkiej Brytanii.

• Zachowaj kontakt techniczny: przeglądaj projekty i kod na takim poziomie szczegółowości, który pozwala wcześnie wykryć błędne decyzje techniczne, nawet jeśli nie jesteś osobą, która codziennie pisze kod produkcyjny.

• Odblokuj niejednoznaczność: Wejdź w problemy o największej niejednoznaczności na planie działania zespołu, gdy twój zespół potrzebuje drugiej pary rąk lub decyzji technicznej rozstrzygającej remis.

• Ustaw poprzeczkę techniczną: Ustal i egzekwuj standardy (przegląd kodu, dokumentacja, monitorowanie modelu, rygorystyczność eksperymentów), zgodnie z którymi buduje Twój zespół, zgodnie z zespołem amerykańskim i we współpracy z IC na poziomie personelu.

• Własna dostawa: Weź odpowiedzialność za to, czy kompilacje 0 do 1 Twojego zespołu rzeczywiście są wysyłane, działają niezawodnie w środowisku produkcyjnym i dostarczają wyniki biznesowe, dla których zostały stworzone.

Masz:

• Ponad 8 lat doświadczenia w nauce danych lub inżynierii ML, w tym ponad 2 lata bezpośredniego zarządzania analitykami danych lub inżynierami ML.

• Doświadczenie zespołowe na wczesnym etapie: doświadczenie w dołączeniu do nowego zespołu, biura lub regionu lub pomaganiu w kształtowaniu zupełnie nowego zespołu, biura lub regionu już na wczesnym etapie, a nie tylko w ramach ustalonej struktury.

• Współpraca rozproszona/międzynarodowa: doświadczenie w pracy lub kierowaniu zespołem podzielonym na kraje lub znaczące strefy czasowe, dobrze radzące sobie z narzutami komunikacyjnymi i wymaganymi asynchronicznymi przepływami pracy.

• Sprawdzone przywództwo ludzi: osiągnięcia w rozwijaniu i zatrzymywaniu talentów w dziedzinie analityki danych, w tym kalibrowanie wydajności i zarządzanie w okresach rozwoju zespołu.

• Wiarygodność techniczna: Wystarczająco dobra znajomość języka Python, SQL i stosowanego uczenia maszynowego (regresja/klasyfikacja, szeregi czasowe, metody przyczynowe), aby przeglądać decyzje techniczne zespołu i odblokowywać je, nawet bez codziennego pisania kodu produkcyjnego.

• Ustalanie priorytetów pod ograniczeniami: wykazano umiejętność pomagania w ustalaniu planu działania według konkurencyjnych żądań interesariuszy przy ograniczonej liczbie pracowników oraz przedstawiania jasnych, dobrze uzasadnionych argumentów za kompromisami, nawet jeśli ostateczna rozmowa jest dzielona z innymi.

• Komunikacja wykonawcza: Swobodne przekładanie prac technicznych na narrację dla kierownictwa wyższego szczebla i interesariuszy nietechnicznych oraz bezpośrednie negocjowanie z nimi zakresu i harmonogramu.

• Rygor inżynieryjny: Znajomość produkcyjnych systemów ML (środowiska chmurowe, CI/CD, ML Ops) wystarczająca, aby utrzymać Twój zespół na poziomie prawdziwej produkcji, a nie tylko pracy o jakości notebooka.

• Wykształcenie: licencjat, magister lub doktor w dziedzinie ilościowej (statystyka, matematyka, ekonomia, fizyka, badania operacyjne itp.) lub równoważne doświadczenie. Rozważamy praktyczne doświadczenie w badaniach empirycznych, takie jak praca dyplomowa lub program laboratoryjny, nad konkretnym kierunkiem studiów.

Preferowane kwalifikacje:

• Współpraca w USA i Wielkiej Brytanii, w szczególności: bezpośrednie doświadczenie w pracy w podzielonym zespole ze Stanów Zjednoczonych i Wielkiej Brytanii (lub podobnego zespołu transatlantyckiego), najlepiej w ramach firmy, która dopiero rozpoczyna swoją obecność w jednym z tych regionów.

• Advanced Business ML (doświadczenie w prowadzeniu lub recenzowaniu prac w 1-2 z poniższych):…

Źródło: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/hims-and-hers/remote-sr-manager-data-science-295537)