Root Inc. er et bilforsikringsselskab for privatkunder, der bruger en mobilapp og smartphonebaseret telematik til at vurdere køreadfærd og fastsætte priser på forsikringer, hvor mere sikker kørsel generelt kan påvirke præmierne. Appen understøtter tilbud, administration af forsikringer, skadeanmeldelser og en prøveperiode til indsamling af kørselsdata. Root tilbyder også vejhjælp og andre dækningsmuligheder i mange amerikanske delstater og henvender sig til bilister, der er interesserede i brugsbaseret forsikring.
Staff Data Scientist, kundelivstidsværdi (Root, fjernarbejde i USA)
Lede modellering af kundelivstidsværdi hos Root og udvikle samt implementere sammenkoblede prædiktive modeller for konvertering, fastholdelse, præmier og skader. Rollen kombinerer eksperimentering, maskinlæring i produktion, teknisk ledelse og coaching.
Beskrivelse
- Yde senior teknisk ledelse for teamet for kundelivstidsværdi og bidrage direkte inden for analyse, modellering, implementering, overvågning og produktionssupport
- Lede komplekse initiativer med sammenkoblede modeller for kundekonvertering, fastholdelse, fremtidige præmier og skadestab
- Definere uklare modelleringsproblemer, vurdere analytiske muligheder og forme den tekniske retning
- Evaluere samspillet mellem komponentmodeller, undersøge svag performance og prioritere forbedringer efter forretningsværdi
- Skabe og validere eksperimenter og målerammer med eksplicitte succeskriterier
- Evaluere modelperformance og forretningsresultater efter implementering
- Koordinere med teamlederen om kvartalsplanlægning, rækkefølge, kapacitet, milepæle og afhængigheder
- Samarbejde med maskinlæringsingeniører og teknologiteams om at implementere modeller, simuleringer og prognosearbejdsgange i produktion
- Balancere analytisk stringens, pålidelighed, fortolkelighed og leveringshastighed
- Præsentere anbefalinger, risici og afvejninger for tekniske samarbejdspartnere, forretningsledere og seniorbeslutningstagere
- Vejlede og støtte andre data scientists
- Opbygge genanvendelige metoder, værktøjer og standarder, der styrker datavidenskaben i teamet for kundelivstidsværdi og relateret arbejde inden for kvantitativ videnskab
Krav
- Bachelor-, kandidat- eller doktorgrad i statistik, datalogi, økonomi eller en relateret kvantitativ disciplin
- Mindst 8 års erfaring med at levere komplekse datavidenskabsprojekter med stor effekt inden for prædiktiv modellering, eksperimentering og støtte til forretningsbeslutninger
- Avanceret ekspertise i overlevelsesanalyse, herunder tid-til-hændelse-modeller og censurering
- Stærke kompetencer inden for statistisk modellering, prognoser, eksperimentdesign og validering
- Gode færdigheder i Python-softwareudvikling, herunder modulær, testet, veltypet og læsbar kode
- Erfaring med at vedligeholde og refaktorere store fælles kodebaser
- Erfaring med at designe og drive systemer med interagerende modeller, herunder ensembler eller kædede prædiktioner
- Dybtgående kendskab til Python og SQL
- Omfattende praktisk erfaring med moderne modellerings- og eksperimenteringsrammer
- Grundigt kendskab til statistiske metoder, prædiktive algoritmer, overlevelsesanalyse, tidsserieprognoser, eksperimentdesign, måling og validering
- Erfaring med at opbygge og vedligeholde sammenkoblede produktionsmodeller med MLOps-praksisser som feature stores, trænings- og inferenspipelines, workfloworkestrering, versionsstyring og overvågning efter implementering
- Evne til at estimere den fremadrettede værdi af modelleringsinitiativer og vurdere modelperformance og forretningspåvirkning efter implementering
- Stærke kommunikations- og relationsskabende evner
- Dokumenteret evne til at påvirke prioriteter og teknisk retning på tværs af relaterede arbejdsstrømme og samtidig tage ansvar for praktisk levering
- Evne til at lede teknisk arbejde, coache data scientists og skabe genanvendelige metoder til modellering, eksperimentering, validering eller rapportering
- Kendskab til prognoser for kundelivstidsværdi, simuleringsarbejdsgange, analyse af prognose kontra faktisk resultat eller kausal inferens
- Erfaring med forsikring eller regulerede finansielle produkter
- Erfaring med cloudbaserede data- og maskinlæringsplatforme og værktøjer som AWS, Docker, dbt, Airflow, Metaflow, Step Functions eller MLflow
- Erfaring med at skabe visualiseringer, dashboards eller rapporter
- Erfaring med at prototype nye modelleringsteknikker eller datavidenskabelige værktøjer
- Skal være synlig på kamera under virtuelle interviews
Fordele
- Konkurrencedygtig bonusmulighed
- Aktietilbud
- Fleksibilitet til at arbejde fra alle steder i USA
- Rimelig tilpasning gennem hele ansættelsesprocessen