Lead Data Scientist - Predictive Pricing (gn)

Leiter Data Scientist - Vorherschender Preis (gn) (m/w/d)

Kurzüberblick

• Standort: …
• Arbeitsmodell: …
• Anstellungsart: …

Aufgaben

• Operative Steuerung & E2E-Delivery: In deiner Rolle als Lead Data Scientist verantwortest du autonom die operative technische Umsetzung. Du stellst reibungslose agile Arbeitsprozesse sicher, koordinierst die teaminterne Aufgabenverteilung und reduzierst durch gezielten Wissensaufbau kritische Abhängigkeiten von Einzelpersonen.
• Advanced Pricing Engines: Du gestaltest unser Demand & Price Elasticity Forecasting maßgeblich mit, um absolute Nachfrage von reiner Preissensibilität zu entkoppeln. Dabei löst du komplexe Herausforderungen wie Zero-Inflated/Sparse Demand und modellierst kausale Preiselastizitäten unter Berücksichtigung von "Economic Physics".
• Competitor & Profit Optimization: Du entwickelst Optimierungsalgorithmen, die gekonnt zwischen Margenschutz und Wettbewerbsfähigkeit balancieren. Komplexe geschäftliche und regulatorische Constraints integrierst du nahtlos in die Logik und definierst flexible Scopes, um je nach Markt oder Artikel-Scope (z. B. Markenartikel vs. Eigenmarkenartikel) maßgeschneiderte Optimierungsstrategien anzuwenden.
• E2E-Architektur & Skalierung: Du treibst den Produktionslebenszyklus auf unserem modernen Stack (Spark, Databricks, Delta Tables) voran. Du konzipierst robuste Inferenz-Pipelines und stellst die Bereitstellung unserer Preisempfehlungen über FastAPI, Pub/Sub-Streams und Docker auf der GCP sicher.
• Quality Gate & Cross-functional Collaboration: Als operatives Quality Gate deines Streams sicherst du unsere hohen technischen Standards. In enger Abstimmung mit unserem Tech Lead als Sparringspartner treibst du die Systemarchitektur voran und sorgst für die erfolgreiche Umsetzung im Team. Dabei findest du stets die richtige Balance zwischen Time-to-Market und nachhaltiger Code-Qualität. Als fachlicher Gegenpart zum Product Manager übersetzt du komplexe ML-Modelle in den entscheidenden "So what"-Context.

Anforderungen

• Erfahrung & Domain Knowledge: Du bringst mehrjährige, profunde Erfahrung (idealerweise 5+ Jahre) im Bereich Data Science mit – idealerweise mit klarem Fokus auf Pricing, Revenue Management oder Demand Forecasting. Du verstehst die betriebswirtschaftlichen Hebel des Retail-Geschäfts wie Preiselastizitäten, Margenoptimierung und Bestandsreichweiten (Inventory-Awareness).
• Methodische Exzellenz: Du hast fundierte Praxiserfahrung mit Causal Inference, Zeitreihenanalyse und Tree-based Models. Dabei verstehst du es, methodisch präzise zwischen reiner Korrelation und Kausalität zu trennen.
• Tech-Stack: Du beherrschst Python, PySpark und Databricks souverän. Praxiserfahrung mit CI/CD-Pipelines (z.B. GitLab CI), Best-Practices im Bereich MLOps (MLflow) sowie die Arbeit mit Data-Lake-Architekturen (Delta Lake) sind dir vertraut. Erfahrung mit der Bereitstellung von Modellen via FastAPI und asynchronen Architekturen (Pub/Sub, GCP) runden dein technisches Profil ab.
• Ownership & Entscheidungsfreude: Du übernimmst gerne operative Lieferverantwortung, vertrittst technische Standpunkte souverän und managst komplexe Abhängigkeiten proaktiv. Dabei verbindest du methodische Tiefe mit Pragmatismus und verfolgst einen klaren MVP-first-Ansatz, um Modelle schnell in Produktion zu bringen und iterativ daraus zu lernen.
• Mentoring & Lernkultur: Du hast Freude daran, dein Wissen systematisch weiterzugeben. Durch praxisnahes "Mentoring im Code" (z.B. durch Pair Programming und tiefgehende Code Reviews) sicherst du die handwerkliche Exzellenz im Team ab.

Benefits

• …