Auf einen Blick
Entwickle maßgeschneiderte Messlösungen durch Kombination von Nielsen-Datenquellen. Nutze AI-Tools aktiv für Modellvalidation und Workflow-Beschleunigung in Production-Umgebungen.
💰 $140.000–220.000/Jahr
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- 3+ Jahre Nielsen Datensätze Erfahrung
- 5+ Jahre Data Science/Analytik
- Expert Python und SQL
- Tägliche LLM-Tool Nutzung
Python
SQL
PySpark
Databricks
Airflow
Statistics
Machine Learning
Data Engineering
✅ Geeignet für
- Nielsen-Veterans oder Media-Research-Experten
- Data Scientists, die AI-Automation nutzen möchten
- Production-fokussierte Analytiker
🚫 Weniger geeignet
- Career-Changer ohne Nielsen/Media-Hintergrund
- Akademische Statistiker ohne Production-Erfahrung
- Diejenigen, die LLMs meiden möchten
💡 Gut zu wissen
- AI-Tool Nutzung ist nicht optional - täglich erwartet
- Nielsen-Methodologie ist Spezialgebiet, keine universelle Data Science Rolle
- Production-Fokus erfordert tiefes Verständnis von Data Pipelines und Sampling
Über das Unternehmen
Nielsen ist ein Marktführer in Medienforschung und digitaler Werbeabrechnung. Das Custom Media Analytics Team fungiert als Inkubator für innovative Messungsprodukte und maßgeschneiderte Lösungen.
Deine Aufgaben
- Neue Messlösungen durch Kombination von Nielsen-Datensätzen aus Linear-TV, Streaming, Audio und Digital entwickeln
- Statistische und Machine-Learning-Modelle entwerfen, um Nielsen-Methoden für neue Fragen zu erweitern
- Production-qualitative SQL, Python und PySpark schreiben für Datenextraktion und Transformation
- Wiederverwendbare Datenpipelines und ETL-Workflows implementieren
- Mit AI-Tools arbeiten, um Modelle zu validieren, Pipelines zu beschleunigen und Logik zu überprüfen
- Stakeholder-Anfragen in wohlgeformte analytische Probleme übersetzen und liefern
Deine Voraussetzungen
- 3+ Jahre direkte Arbeit mit Nielsen-Datensätzen mit Verständnis für Weighting, Projection und Audience Estimation
- 5+ Jahre Data Science oder Analytik mit bewährtem Track Record für Production-Grade-Modelle
- Fortgeschrittener Abschluss in Statistik, Mathematik, Computer Science oder verwandtem Feld
- Expert-Niveau Python und SQL; starkes PySpark für Cloud-Umgebungen
- Tägliche Nutzung von LLM-Tools für Code, Modellvalidation und Dokumentation
