Ang Root Inc. ay isang kompanya ng consumer auto insurance na gumagamit ng mobile app at smartphone-based telematics upang suriin ang gawi sa pagmamaneho at magtakda ng presyo ng mga polisiya, kung saan karaniwang nakaaapekto sa mga singil ang mas ligtas na pagmamaneho. Sinusuportahan ng app nito ang pagkuha ng quote, pamamahala ng polisiya, paghahain ng claim, at panahon ng test drive para mangolekta ng datos sa pagmamaneho. Nag-aalok din ang Root ng roadside assistance at iba pang opsyon sa coverage sa maraming estado sa U.S., para sa mga drayber na interesado sa usage-based insurance.
Nakatataas na Data Scientist, Halaga sa Buong Buhay ng Customer (Root, Remote sa US)
Pangungunahan ang pagmomodelo ng halaga sa buong buhay ng customer sa Root, kabilang ang pagbuo at pag-deploy ng magkakaugnay na predictive model para sa conversion, retention, premium, at claim. Pinagsasama ng tungkulin ang experimentation, production machine learning, teknikal na pamumuno, at coaching.
Estados Unidos$171,400 – $214,200 / taon
RemoteFull-timeLeadKinakailangang Wika: InglesSiyentipiko ng datosPaglalarawan
- Magbigay ng senior technical leadership para sa Lifetime Value team habang direktang nag-aambag sa analysis, modeling, deployment, monitoring, at production support
- Pangunahan ang mga kumplikadong inisyatibong gumagamit ng magkakaugnay na modelo para sa customer conversion, retention, mga premium sa hinaharap, at claim losses
- Tukuyin ang malalabong problema sa pagmomodelo, suriin ang mga opsyong analitikal, at hubugin ang teknikal na direksiyon
- Suriin ang mga ugnayan ng component model, imbestigahan ang mahinang performance, at unahin ang mga pagpapahusay batay sa halaga sa negosyo
- Lumikha at mag-validate ng mga eksperimento at measurement framework na may malinaw na pamantayan ng tagumpay
- Suriin ang performance ng modelo at mga resulta sa negosyo pagkatapos ng deployment
- Makipag-ugnayan sa team manager tungkol sa quarterly planning, pagkakasunod-sunod ng trabaho, kapasidad, milestones, at dependencies
- Makipagtulungan sa machine learning engineers at technology teams upang i-deploy sa production ang mga modelo, simulation, at forecasting workflow
- Panatilihin ang balanse sa pagitan ng higpit ng pagsusuri, pagiging maaasahan, pagiging madaling maunawaan, at bilis ng delivery
- Iharap ang mga rekomendasyon, panganib, at tradeoff sa mga teknikal na katuwang, lider ng negosyo, at senior decision-maker
- Mag-mentor at sumuporta sa iba pang data scientist
- Bumuo ng mga reusable na pamamaraan, tool, at pamantayan na magpapalakas sa data science sa Lifetime Value team at kaugnay na Quantitative Science work
Mga Kinakailangan
- Bachelor’s, master’s, o doctoral degree sa statistics, computer science, economics, o kaugnay na quantitative discipline
- Hindi bababa sa 8 taon ng karanasan sa paghahatid ng kumplikado at may malaking epekto na data science project na kinabibilangan ng predictive modeling, experimentation, at suporta sa mga desisyon sa negosyo
- Advanced na kadalubhasaan sa survival analysis, kabilang ang time-to-event model at censoring
- Malakas na kakayahan sa statistical modeling, forecasting, experimental design, at validation
- Kasanayan sa Python software engineering, kabilang ang modular, tested, well-typed, at madaling basahing code
- Karanasan sa pagpapanatili at pag-refactor ng malalaking shared codebase
- Karanasan sa pagdidisenyo at pagpapatakbo ng mga sistemang may magkakaugnay na modelo, kabilang ang ensemble o chained prediction
- Malalim na kasanayan sa Python at SQL
- Malawak na praktikal na karanasan sa makabagong modeling at experimentation framework
- Masusing kaalaman sa statistical method, predictive algorithm, survival analysis, time-series forecasting, experimental design, measurement, at validation
- Karanasan sa pagbuo at pagpapanatili ng magkakaugnay na production model gamit ang mga kasanayan sa MLOps tulad ng feature store, training at inference pipeline, workflow orchestration, version control, at post-deployment monitoring
- Kakayahang tantiyahin ang inaasahang halaga ng mga modeling initiative at suriin ang performance ng modelo at epekto sa negosyo pagkatapos ng deployment
- Malakas na kakayahan sa komunikasyon at pagbuo ng ugnayan
- Napatunayang kakayahang impluwensiyahan ang mga prayoridad at teknikal na direksiyon sa magkakaugnay na workstream habang nananatiling responsable sa hands-on delivery
- Kakayahang magdirekta ng teknikal na trabaho, mag-coach ng mga data scientist, at lumikha ng reusable na kasanayan sa modeling, experimentation, validation, o reporting
- Pamilyaridad sa customer lifetime value forecasting, simulation workflow, forecast-versus-actual analysis, o causal inference
- Karanasan sa insurance o mga regulated financial product
- Karanasan sa cloud data at machine learning platform at tool tulad ng AWS, Docker, dbt, Airflow, Metaflow, Step Functions, o MLflow
- Karanasan sa paggawa ng visualization, dashboard, o report
- Karanasan sa pagbuo ng prototype ng mga bagong modeling technique o data science tool
- Dapat lumitaw sa camera para sa mga virtual interview
Mga Benepisyo
- Mapagkumpitensyang pagkakataon para sa bonus
- Alok na equity
- Kakayahang magtrabaho mula sa anumang lokasyon sa buong United States
- Makatuwirang accommodation sa buong proseso ng pagkuha