Beschreibung
Aufgabe:- Konzeption und Entwicklung verschiedener prädiktiver Modelle zur Optimierung von Prozessen verschiedenen Produktkategorien des Kunden; schwerpunktmäßig Prognosen der Absatzmenge von Einzelartikeln (zwecks Artikel-Disposition und Optimierung der Lagerhaltungsprozesse) sowie von Sortimentsblöcken (zwecks Sortimentsplanung) und Dynamic Pricing.
- Hierzu bestehen bereits einzelne Modelle, auf denen man aufbauen kann (sowohl ARIMA-Modelle als auch Einzelartikelprognosen). Nichtsdestotrotz ist hohe Innovationskraft in Hinblick auf die verwendeten statistischen Methoden und Tools (Analytics-Systeme/ -Programmiersprachen) sowie die zu nutzenden Daten erforderlich.
- Bei einzelnen Algorithmen (insbesondere Pricing) soll der gesuchte Data Scientist primär Sparring für einen internen Data Scientist geben, der die Hauptverantwortung für die Entwicklung trägt. Bei anderen Algorithmen soll der gesuchte Data Scientist stark eigenverantwortlich agieren. In jedem Fall gibt es Unterstützung durch einen zusätzlichen Projektleiter, der das Projekt-Setup arrangiert und die Aufnahme der Fachanforderungen koordiniert.
- In Zusammenarbeit mit einem BI-Developer (Data Engineer) Konzeption der Prädiktoren und Aufbau der erforderlichen Daten aus verschiedenen Quellen für die Entwicklung und anschließend regelmäßige Produktion der Prognosemodelle / Festlegung der erforderlichen Prozesse im gegebenen Setting der Analytics-Systeme in der BI-Infrastruktur
- Führen des Austauschs mit den Fachbereichen zu den inhaltlichen Anforderungen in Hinblick a) auf Zielsetzungen der spezifischen Modelle im operativen Prozess und b) auf relevante Prädiktoren (Grobkonzept existiert bereits)
Umfeld:
- großes Data Science Team mit umfangreicher Expertise in vielen verschiedenen fachlichen Kontexten und komplexen statistischen Algorithmen
- umfangreiches Tool-Set, das für Projekt zur Verfügung stellt: SAS, Python, Spark, R, Teradata SQL, Hive, Pig, Datameer etc.
Anforderung:
- umfangreiche Erfahrung im Bereich multivariate Statistik, Machine Learning, Data Mining, Scoring-Entwicklung, Predictive Analytics
- Modellierung in SAS, R, Python oder Spark
- Teradata-SQL-Kenntnisse (zwingend notwendig), idealerweise NoSQL
- Erfahrung im Handling mit Click-Stream-Daten
- Ausgeprägtes Interesse an E-Commerce, Webdaten
- Kenntnisse über Category-Prozesse wie Disposition, Sortimentsplanung, Pricing;
Wünschenswert:
- Erfahrungen mit NoSQL / Big-Data-Technik wie z. B. Hadoop, Hive, Spark oder anderen sind willkommen
- idealerweise Vorerfahrung aus Projekten in Organisationseinheiten zur Einkaufssteuerung
- Prozesswissen im Supply-Chain-Management wünschenswert
- idealerweise methodische Kenntnisse bzw. Vorerfahrung im Bereich Absatzprognosen, Zeitreihenanalytik (ARIMA-Modelle), Forecasting, Dynamic Pricing
Umgebung/Sonstiges:
- Option auf Verlängerung
- Auslastung: 4 - 5 Tage / Woche (je nach Absprache)
Beginn: 01.03.2016
Dauer: 31.05.2016
Branche: Handel/Konsum