Auf einen Blick
Nash sucht einen erfahrenen Senior Data Scientist, um ihre erste Data-Science-Position zu besetzen und Logistik-Entscheidungen durch Machine Learning zu optimieren.
💰 $160.000–210.000/Jahr
📊 Senior
🕒 Vollzeit
🗺️ Americas
- 4+ Jahre Data Science oder ML-Erfahrung
- Logistik- oder Supply-Chain-Erfahrung
- Production ML Systems
- Starke Python/SQL-Kenntnisse
Python
SQL
Snowflake
Machine Learning
Data Pipelines
A/B Testing
✅ Geeignet für
- Data Scientists mit Logistik-Hintergrund
- Machine-Learning-Ingenieuren mit Production-Erfahrung
- Analytikern, die von 0-1 bauen möchten
🚫 Weniger geeignet
- Entry-Level-Kandidaten ohne Production-Erfahrung
- Reinen Analytics-Spezialisten ohne ML-Hintergrund
💡 Gut zu wissen
- Startup-Rhythmus in early-stage Phase
- Direkte Kundeninteraktion erforderlich
- Ownership über komplette ML-Delivery-Zyklen
Über das Unternehmen
Nash ist die Plattform für autonomistische Logistik. Das Unternehmen vereinheitlicht Entscheidungsfindung und Ausführung über Flotten, Spediteure, Anbieter und Fulfillment-Netzwerke hinweg und passt sich kontinuierlich an sich ändernde Bedingungen an. Die weltweit größten Einzelhandelsketten, Lebensmittelketten und Apotheken wie Walmart, 7-Eleven, Woolworths und Coles führen kritische Logistik-Workflows auf Nash aus.
Deine Aufgaben
- Identifizieren und Umfang hochkarätiger Chancen in Preisgestaltung, Kostenvorhersage, Depesche, Spediteursauswahl, ETA-Vorhersage, Routing und Marktausgleich
- Datenforschungsinitiativen von 0-1 Entdeckung bis 1-10 Iteration, Bereitstellung und Leistungsverbesserung übernehmen
- Mit großen, unordentlichen operativen Datensätzen arbeiten, einschließlich Lieferereignisse, Geodaten, Spediteurleistung, Kundeneinschränkungen und SLA-Ergebnisse
- Modelle entwickeln, die reale Logistik-Zwänge, sich ändernde Nachfrage, Anbieter-Verfügbarkeit und Servicevoraussetzungen berücksichtigen
- Production Data Pipelines und Model Integrations mit Python, SQL und Snowflake entwickeln
- Mit Ingenieuren zusammenarbeiten, um Modelle über APIs, Batch-Pipelines oder echtzeitliche Entscheidungssysteme bereitzustellen
- Bewertungsrahmen, Monitoring, Experimentierung und A/B-Testing-Praktiken etablieren
- Direkt mit Enterprise-Kunden zusammenarbeiten, um ihre Operationen zu verstehen und geschäftliche Anforderungen in technische Ansätze umzuwandeln
Deine Voraussetzungen
- 4+ Jahre Erfahrung als Data Scientist, Machine Learning Engineer oder in einer verwandten quantitativen Rolle
- Erfahrung in Logistik, Marktplätzen, Supply Chain, Operations Research oder einem anderen Bereich mit komplexen realen Zwängen
- Nachweis der unabhängigen Übernahme von Data-Science-Projekten von der Problemdefinition bis zur Produktion und Messung
- Starke Beherrschung von Python und SQL mit Erfahrung in Cloud-Datenlagern
- Erfahrung mit dem Aufbau und der Wartung von Production-Machine-Learning-Systemen
- Hohe technische Urteilsfähigkeit und Fähigkeit, Modellierungsentscheidungen mit Kunden- und Geschäftsergebnissen zu verbinden
Benefits
- Attraktive Gesamtvergütung mit Aktienoptionen
- Flexible Arbeitsumgebung
- Wirkung auf reale Logistik-Workflows
