Starszy analityk danych

NASZA MISJA
Stać się ulubionym miejscem docelowym zmieniającym samochody. Łącząc technologię, media i głęboką wiedzę specjalistyczną w dziedzinie motoryzacji, wywróciliśmy do góry nogami sposób, w jaki ludzie kupują, sprzedają, reklamują i leasingują samochody.
To, co zaczęło się jako prosta witryna z recenzjami, jest obecnie jednym z największych internetowych miejsc wymiany samochodów w Europie. Tylko w zeszłym roku odnotowaliśmy wzrost o ponad 50%, sprzedając na miejscu samochody o wartości prawie 3 miliardów funtów, a za pośrednictwem naszej usługi Sell My Car wystawiono na sprzedaż samochody o wartości 1,8 miliarda funtów.
W 2024 roku osiągnęliśmy sukces i przejęliśmy firmę Autovia – twórców magazynów AutoExpress i Evo – podwajając w ciągu jednej nocy naszą widownię. Razem mamy obecnie jeden z największych kanałów YouTube na świecie, z prawie 10 milionami subskrybentów i ponad 1,1 miliarda wyświetleń rocznie, sprzedajemy 1,2 miliona drukowanych egzemplarzy naszych magazynów, a roczna zawartość internetowa przekracza 350 milionów.
A jeszcze daleko nam do osiągnięcia celu!

ROLA
Poszukujemy starszego analityka danych, który dołączy do naszego wielokrotnie nagradzanego zespołu Data Science w kluczowym momencie. Carwow obsługuje dwustronny rynek, łączący kupujących i sprzedających samochody na dużą skalę, a nauka danych leży u podstaw tego, jak sprawić, by ten rynek był inteligentniejszy, szybszy i bardziej wartościowy dla wszystkich użytkowników. Niedawno zdobyliśmy tytuł Inicjatywy Roku GenAI w konkursie British Data Awards.
Jest to praktyczna rola o wysokim poziomie własności, działająca centralnie w całej firmie. Będziesz współpracować z zespołami zajmującymi się handlem, marketingiem, produktem, finansami, inżynierią i operacjami — opracowując i wdrażając rozwiązania ML i AI, które przynoszą wyniki po obu stronach naszego rynku. Problemy, nad którymi będziesz pracować, są naprawdę zróżnicowane: modele cenowe, sygnały skłonności i popytu, które zwiększają wydatki marketingowe, spersonalizowane rekomendacje dotyczące naszego produktu internetowego i CRM oraz rozwiązania oparte na LLM w przypadku wyzwań operacyjnych, takich jak weryfikacja dokumentów.
Przełożysz niejednoznaczne problemy biznesowe na ustrukturyzowane, gotowe do produkcji rozwiązania — i oczekuje się, że dostarczysz je kompleksowo, od podstawowych zasad po gotowość do wdrożenia i nie tylko.

CO BĘDZIESZ ROBIĆ

• Kompleksowe dostarczanie uczenia maszynowego i sztucznej inteligencji: prowadź inicjatywy związane z analizą danych, od określenia problemu po wdrożenie, monitorowanie i iterację — zapewniając pełny cykl życia produkcyjnego. Bez dedykowanej funkcji inżynierii uczenia maszynowego będziesz odpowiedzialny za zapewnienie solidności, skalowalności i wydajności rozwiązań w świecie rzeczywistym długo po wysłaniu.

• Aplikacja GenAI i LLM: Projektuj i buduj rozwiązania oparte na LLM, które tworzą prawdziwą wartość biznesową — przetwarzanie dokumentów, inteligentne wyszukiwanie, zrozumienie treści i nie tylko. Stosuj je obok klasycznego uczenia maszynowego, mając jasną ocenę tego, gdzie każde podejście zasługuje na swoje miejsce.

• Wpływ komercyjny: Połącz swoją pracę bezpośrednio z wynikami biznesowymi. Niezależnie od tego, czy budujesz model poprawiający efektywność marketingu, sygnał cenowy ułatwiający podejmowanie decyzji handlowych, czy też silnik rekomendacji zwiększający konwersję — rozumiesz dźwignię biznesową, którą pociągasz, i odpowiednio projektujesz swoje rozwiązania.

• Prototypowanie i eksperymentowanie: szybko przetestuj pomysły, zanim zaangażujesz się w prace rozwojowe na pełną skalę. Zdefiniuj od razu rygorystyczne wskaźniki sukcesu, rzetelnie je weryfikuj i wiedz, kiedy podwoić skuteczność, a kiedy odpuścić.

• Partnerstwo międzyfunkcyjne: Ściśle współpracuj z interesariuszami z branży handlowej, marketingowej, produktowej, finansowej, inżynieryjnej i operacyjnej, aby dogłębnie zrozumieć problemy przed sięgnięciem po rozwiązanie. Przekładaj ustalenia na jasne, przydatne narracje zarówno dla odbiorców technicznych, jak i nietechnicznych.

• Standardy i rzemiosło: współtwórz wspólne najlepsze praktyki, dokumentację i sposoby pracy, które podnoszą poprzeczkę dla funkcji analizy danych — i pomóż większej liczbie młodszych członków zespołu rozwijać się razem z Tobą. Promuj ciągłe wdrażanie możliwości sztucznej inteligencji, aby zwiększyć wydajność, automatyzację i stale wykorzystywać nowe możliwości.

CZEGO POTRZEBUJESZ
Uwaga: wiemy, że żaden kandydat nie będzie idealnie pasował do wszystkich wymagań wymienionych w tym poście, dlatego zachęcamy Cię do aplikowania, jeśli uważasz, że spełniasz wymagania, ale nie pasujesz dokładnie. Idealnie będziesz mieć

• Komercyjne nastawienie: Najpierw myślisz o wpływie na biznes. Rozumiesz, w jaki sposób Twoje modele łączą się z przychodami, wydajnością lub wynikami klientów – i wykorzystujesz to do ustalania priorytetów, zakresu i komunikowania swojej pracy.

• Partnerstwo z interesariuszami: sprawdzona umiejętność współpracy z interesariuszami z branży handlowej, marketingowej i produktowej — przekładanie problemów biznesowych na rozwiązania o odpowiednim zakresie oraz jasne komunikowanie rozwiązań technicznych, wyzwań i wyników na wszystkich poziomach.

• Rozsądna ocena: poruszasz się po narzędziach z bystrym okiem — wiedząc, kiedy klasyczne uczenie maszynowe jest właściwe, kiedy GenAI odblokowuje coś nowego, a kiedy prostsze rozwiązanie jest bardziej uczciwą odpowiedzią. Silny instynkt skalowalności, niezawodności i wyjaśnialności.

• [Bonus] Doświadczenie na rynku lub platformie dwustronnej: Zrozumienie dynamiki podaży/popytu oraz tego, w jaki sposób nauka o danych tworzy dźwignię w kontekście rynku.

UMIEJĘTNOŚCI TECHNICZNE

• Sprawdzone doświadczenie w zakresie uczenia maszynowego: duże doświadczenie w budowaniu, wdrażaniu i utrzymywaniu modeli uczenia maszynowego w języku Python w środowisku produkcyjnym — nie tylko w notatnikach. Posiadałeś modele po wysłaniu i wiesz, jak dbać o ich zdrowie.

• Dostawa w pełnym cyklu życia (MLops): Wygodna realizacja kompleksowego cyklu życia produkcyjnego — szkolenia modeli, wersjonowanie, monitorowanie i eksperymentowanie z mistrzami/pretendentami — bez polegania na dedykowanym zespole inżynierów ML, który poniesie tę odpowiedzialność.

• Doświadczenie GenAI i LLM: praktyczne doświadczenie w tworzeniu rozwiązań opartych na LLM, które zapewniają mierzalną wartość biznesową. Rozumiesz, jak stosować, oceniać i rozszerzać te narzędzia – i uczciwie mówisz, gdzie są one niewystarczające.

• Głębokość techniczna: Solidne doświadczenie w środowisku uczenia maszynowego w chmurze z zasadami inżynierii oprogramowania — kontrola wersji, przeglądy kodu, testowanie jednostkowe i znajomość konteneryzacji.…

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