Cientista de Dados Sênior

Sobre Grubbub Em Grubbub, acreditamos que a comida é mais do que apenas uma refeição. É uma fonte de descoberta, conexão e puro prazer. Há um tempo e lugar para cada tipo de prato, desde pedras preciosas escondidas do bairro a favoritos experimentados e verdadeiros, e nós existimos para conectar as pessoas com a comida que eles amam em todas as maneiras que eles gostam de cavar. Estamos nisso desde 2004, mas agora, como parte da Wonder, Grubbub está operando com um renovado senso de impulso e a energia de alta velocidade de uma startup de potência. Como principal mercado de encomendas e entregas dos EUA, temos mais de 415 mil comerciantes em mais de 4.000 cidades, criando a melhor experiência de alimentos, elevando a encomenda online através de tecnologia de restaurante inovadora, plataformas fáceis de usar e uma experiência de entrega melhorada. Estamos constantemente a encontrar novas formas de inovar — desde a entrega integrada de mercearia com mantimentos alimentados pela Instacart a programas de fidelidade exclusivos. Junte-se à nossa equipa, baseada em Nova Iorque, Chicago e Denver, e ajude-nos a dar aos nossos comensais o valor excepcional que merecem. Sobre a oportunidade Na Wonder Data Science, nossa missão é construir sistemas de ciência de dados e aprendizagem de máquina que melhorem o funcionamento do nosso mercado, como os clientes experimentam a plataforma e como o negócio toma decisões de alta qualidade. Como um cientista sênior de dados, você irá além da resolução individual de problemas — você ajudará a moldar a direção estratégica da ciência de dados aplicada, orientar cientistas sênior e júnior, e colaborar estreitamente com a engenharia, produto, operações e líderes empresariais para mover nossas capacidades de análise e ML para sistemas escaláveis de qualidade de produção. Você identificará oportunidades de alta produtividade em todo o negócio, incluindo eficiência de mercado, experiência do cliente, precisão de ETA, confiabilidade de cumprimento, estratégia de preços, planejamento de oferta, previsão de demanda e desempenho operacional. Você projetará frameworks estatisticamente rigorosos para entender o impacto causal, separar o sinal do ruído e orientar a estratégia de negócios através da experimentação, medição e inferência de princípios. Você ajudará a definir como estruturamos trocas como experiência do cliente vs. eficiência operacional, velocidade vs. custo, precisão de previsão vs. impacto comercial, movimento métrico de curto prazo vs. saúde de mercado de longo prazo e automação vs. julgamento humano. Você irá prototipar, experimentar, influenciar a arquitetura e garantir que operacionalizemos modelos e insights que realmente movem métricas de negócios — não apenas análises que parecem bem offline. O impacto que você causará • Servir como líder de pensamento técnico em Ciência de Dados — definindo princípios, frameworks e melhores práticas para como Wonder usa dados, experimentação e aprendizado de máquina para melhorar os resultados do cliente, mercado e negócios. • Mentor e treinador de uma equipe crescente de cientistas de dados e contribuir para o desenvolvimento de carreira e excelência técnica em todo o grupo. • Lidere a exploração de sistemas de mercado interligados, reconhecendo loops de feedback entre o comportamento do cliente, confiabilidade de cumprimento, precisão de ETA, preços, planejamento de fornecimento, experiência de produto e desempenho empresarial. • Desenvolva frameworks de inferência e experimentação causais que ajudam Wonder a entender que produto, operacional e mercado muda verdadeiramente impulsionar o impacto empresarial. • Parceria com engenharia para direcionar decisões de arquitetura para camadas de dados compartilhadas, pipelines de recursos, APIs de modelagem, infraestrutura de experimentação e serviços de produção ML. • Definir e implementar estratégias de experimentação robustas para mudanças que movem métricas de negócios em ambientes de alto ruído. • Champion business-impact-driven data science, integrando inferência causal, experimentação, modelagem consciente de risco e sistemas de produção escaláveis ML que aprendem e se adaptam. O que você traz à mesa • 8 + anos de experiência na indústria com MS ou 6 + anos com PhD em Estatística, Economia, Matemática Aplicada, Ciência da Computação, Ciência dos Dados, Aprendizagem de Máquinas ou um campo quantitativo relacionado. • Experiência comprovada aplicando ciência de dados e aprendizado de máquina para problemas complexos de negócios, como otimização de mercado, experiência do cliente, previsão, personalização, preços, balanceamento oferta/demanda, mudanças de política operacional ou experimentação de produtos. • Profundo conhecimento em inferência causal, experimentação e modelagem estatística, incluindo métodos como teste A/B, diferenças, descontinuidade de regressão, variáveis instrumentais, controles sintéticos, modelagem de elevação ou análise de impacto causal. • Intuição forte para trade-offs de negócios e produtos — experiência do cliente vs. eficiência, confiança ETA vs. risco de conversão, confiabilidade de realização vs. custo, crescimento de mercado vs. qualidade, e otimização de curto prazo vs. saúde de longo prazo. • Proficiência em Python, análise de dados, visualização e gravação escalável, código pronto para produção usando design orientado a objetos. • Capacidade comprovada de levar a ciência de dados, ML, ou sistemas de inferência causais para a produção, parceria com engenharia em arquitetura, implantação e monitoramento de melhores práticas. • Fluência em SQL ou ferramentas semelhantes para interrogar diretamente conjuntos de dados em escala de produção. • Experiência mentoring e fornecendo orientação técnica para outros cientistas, analistas, ou engenheiros. Tens isto? Melhor ainda • Experiência líder design de ponta a ponta de ciência de dados, machine learning, medição ou experimentação frameworks dentro do mercado, produto de consumo, cumprimento, logística, preços, previsão, ou sistemas de operações. • Experimente projetar estratégias de medição causal para sistemas complexos onde as decisões de produto, mercado e operacionais interagem em várias camadas. • Antecedentes em inferência causal, econometria, modelagem bayesiana, desenho experimental ou medição observacional em ambientes de alto ruído. • Experiência com quadros de experimentação aplicados, incluindo testes A/B, análise de potência, efeitos heterogêneos de tratamento, métricas de guartrail, efeitos de interferência e medição de impacto a longo prazo. • Experimente construir ou influenciar sistemas de produção ML que combinam modelagem preditiva, medição causal, experimentação e regras de negócios • Influência entre disciplinas — capaz de alinhar produtos, engenharia, operações, negócios e ciência de dados em torno de uma estratégia coesa ML, experimentação e medição. • Experiência definindo estratégias e roteiros técnicos para a ciência de dados, aprendizagem de máquina, experimentação ou plataformas de inferência causal. O nosso modelo híbrido requer 3 dias por semana no escritório. Dito isto, muitos membros da equipe escolhem vir mais vezes para aproveitar a colaboração e a conexão presenciais. Você é bem-vindo – e encorajado – para estar no escritório até 5 dias por semana, se funcionar para você. LI-Hybrid Nova Iorque: $240.000 - $249.500 por ano. Illinois: $216.000 - $224.500 por ano. Wonder utiliza estruturas salariais geográficas específicas, o que significa que o salário oferecido pode variar dependendo de onde o trabalho está localizado. A oferta de salário final terá em conta vários fatores, como as habilidades do candidato, educação, formação, credenciais e experiência. Benefícios Oferecemos um pacote de salário competitivo, incluindo equidade e 401K. Além disso, fornecemos vários planos médicos, odontológicos e de visão para atender todas as necessidades de nossos funcionários, bem como muitos benefícios e benefícios que não estão listados. Uma nota final Na Wonder, criamos as melhores equipes contratando com uma lente objetiva — avaliando as pessoas pelo seu potencial enquanto defendemos a diversidade, equidade e inclusão. Não discriminamos com base em raça, cor, religião, identidade ou expressão de gênero, orientação sexual, origem nacional, idade, elegibilidade do serviço militar, status de veterano, estado civil, deficiência, ou qualquer outra classe protegida. Como parte do nosso compromisso com práticas de contratação justas e compatíveis, Wonder participa do programa E-Verify do governo federal para confirmar a elegibilidade ao emprego. Se precisar de alojamento durante o processo de entrevista, informe o seu recrutador. Estamos ansiosos para ouvir de você! Entraremos em contato por e-mail ou texto para agendar entrevistas e compartilhar informações sobre sua candidatura.