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 działania i rozwoju brytyjskiego zespołu już od tego wczesnego etapu, bez konieczności dziedziczenia długo ugruntowanej struktury.

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, zachowując spójne standardy, kontekst i priorytety we wszystkich strefach czasowych.

•
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 bliskość techniczną: 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 zapewniają wyniki biznesowe, dla których zostały stworzone.

Masz:

•
Ponad 8 lat doświadczenia w Data Science lub ML Engineering, w tym ponad 2 lata bezpośredniego zarządzania analitykami danych lub inżynierami ML.

•
Doświadczenie zespołowe na wczesnym etapie: doświadczenie w dołączaniu do nowego zespołu, biura lub regionu lub pomaganiu w kształtowaniu ich od wczesnego etapu, 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 wśród 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, magisterium lub doktorat 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 firmie, która dopiero zaczyna swoją obecność w jednym z tych regionów.

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

Źródło: Jobicy (https://jobicy.com/jobs/155725-sr-manager-data-science)