Data Scientist – Forecasting & Predictive Analytics (f/m)

• Projektowanie, rozwijanie, wdrażanie i doskonalenie modeli prognostycznych służących przewidywaniu popytu, wolumenu zamówień oraz zapotrzebowania produkcyjnego.
• Prognozowanie zmian w bazie klientów i wolumenie zamówień, z uwzględnieniem nowych zamówień, odnowień subskrypcji, powrotów klientów (winbacków), rezygnacji oraz zmian terminów realizacji zamówień.
• Analiza wpływu sezonowości, trendów, świąt, kampanii marketingowych i promocji na zachowania klientów oraz przewidywany popyt.
• Rozwijanie modeli prognozujących zapotrzebowanie na paczki, diety i poszczególne dania oraz przekładanie wyników prognoz na potrzeby planowania produkcji, zakupów i logistyki.
• Projektowanie i automatyzacja procesów prognostycznych, zapewniających regularne przeliczanie prognoz, aktualizację danych oraz monitorowanie jakości i stabilności modeli.
• Weryfikacja i doskonalenie modeli poprzez backtesting, walidację na danych historycznych oraz porównywanie prognoz z rzeczywistymi wynikami.
• Monitorowanie jakości prognoz, w szczególności forecast accuracy i forecast bias, identyfikowanie źródeł błędów oraz wdrażanie usprawnień zwiększających trafność i stabilność prognoz.
• Analiza przyczyn odchyleń między prognozowanym a rzeczywistym popytem, z uwzględnieniem zmian zachowań klientów, sezonowości, działań promocyjnych i czynników operacyjnych.
• Współpraca z zespołami biznesowymi i operacyjnymi w celu wykorzystania prognoz w planowaniu produkcji, zakupów, logistyki, zasobów i kosztów.
• Przygotowywanie prognoz i scenariuszy wspierających planowanie finansowe i budżetowanie, w tym ocenę wpływu zmian popytu oraz błędów prognostycznych na wyniki i koszty działalności.
• Komunikowanie wyników prognoz, ich ograniczeń i poziomu niepewności oraz formułowanie rekomendacji wspierających podejmowanie decyzji biznesowych.
• Rozwijanie dodatkowych modeli predykcyjnych i scoringowych wspierających przewidywanie zachowań klientów oraz identyfikowanie możliwości dalszego wykorzystania danych w organizacji.

• Doświadczenie w samodzielnym projektowaniu, rozwijaniu i wdrażaniu modeli statystycznych oraz predykcyjnych, szczególnie w obszarze prognozowania popytu lub szeregów czasowych.
• Bardzo dobra znajomość metod statystycznych i technik prognozowania, w tym modelowania trendów, sezonowości oraz wpływu czynników zewnętrznych na zmienność popytu.
• Praktyczna znajomość Pythona oraz bibliotek wykorzystywanych w analizie danych i modelowaniu, w szczególności pandas, scikit-learn i statsmodels.
• Dobra znajomość SQL oraz umiejętność pozyskiwania, przetwarzania i przygotowywania danych na potrzeby budowy modeli prognostycznych.
• Doświadczenie w walidacji i ocenie jakości modeli, w tym przeprowadzaniu backtestingu, analizie forecast accuracy i forecast bias oraz identyfikowaniu źródeł błędów prognostycznych.
• Umiejętność projektowania i automatyzowania procesów prognostycznych, w tym regularnego przeliczania prognoz, monitorowania jakości modeli i zapewnienia powtarzalności ich działania.
• Doświadczenie w feature engineering oraz umiejętność identyfikowania i wykorzystywania zmiennych wpływających na prognozowany popyt, takich jak historia zamówień, zachowania klientów, sezonowość i promocje.
• Umiejętność przekładania wyników modeli na praktyczne zastosowania biznesowe, w szczególności w obszarach planowania produkcji, zakupów, logistyki i kosztów.
• Rozumienie wpływu błędów prognostycznych na procesy operacyjne i wyniki finansowe oraz umiejętność oceny konsekwencji różnych scenariuszy prognozowania.
• Umiejętność komunikowania wyników, niepewności i ograniczeń modeli oraz współpracy z zespołami biznesowymi i operacyjnymi.
• Samodzielność, dociekliwość analityczna i nastawienie na ciągłe doskonalenie modeli oraz ich praktyczną użyteczność biznesową.

Mile widziane:

• Doświadczenie w prognozowaniu popytu w branży e-commerce, retail, FMCG, produkcyjnej lub logistycznej.
• Znajomość dodatkowych bibliotek i narzędzi do prognozowania szeregów czasowych.
• Doświadczenie w budowaniu i wdrażaniu modeli predykcyjnych dotyczących zachowań klientów, retencji, churnu lub scoringu.
• Doświadczenie w automatyzacji i wdrażaniu modeli w środowiskach produkcyjnych (MLOps).
• Znajomość zagadnień związanych z planowaniem produkcji, zarządzaniem zapasami i prognozowaniem finansowym.

• Zatrudnienie w dynamicznie rozwijającej się firmie, będącej liderem branży w Polsce.
• Atrakcyjne wynagrodzenie adekwatne do doświadczenia i umiejętności: 15 000-20 000 zł netto (B2B).
• Możliwość rozwoju kompetencji zawodowych.
• Pakiet benefitów pracowniczych (m.in. dofinansowanie do karty Medicover Sport, ubezpieczenie PZU, rabat na produkty Kuchni Vikinga).