Root Inc. är ett bilförsäkringsföretag för privatpersoner som använder en mobilapp och smartphonebaserad telematik för att bedöma körbeteende och prissätta försäkringar, där säkrare körning generellt kan påverka premierna. Appen stöder offertförfrågningar, hantering av försäkringar, skadeanmälningar och en provkörningsperiod för insamling av kördata. Root erbjuder även vägassistans och andra försäkringsalternativ i många amerikanska delstater och riktar sig till förare som är intresserade av användningsbaserad försäkring.
Staff Data Scientist, kundens livstidsvärde (Root, distansarbete i USA)
Leda modellering av kundens livstidsvärde på Root och utveckla samt driftsätta sammankopplade prediktiva modeller för konvertering, retention, premier och skador. Rollen kombinerar experimentering, maskininlärning i produktion, tekniskt ledarskap och coachning.
Beskrivning
- Ge senior teknisk ledning för teamet för livstidsvärde och bidra direkt inom analys, modellering, driftsättning, övervakning och produktionsstöd
- Leda komplexa initiativ med sammankopplade modeller för kundkonvertering, retention, framtida premier och skadeförluster
- Definiera otydliga modelleringsproblem, bedöma analytiska alternativ och forma den tekniska inriktningen
- Utvärdera samspelet mellan komponentmodeller, undersöka svaga resultat och prioritera förbättringar utifrån affärsvärde
- Skapa och validera experiment och mätstrukturer med tydliga framgångskriterier
- Utvärdera modellprestanda och affärsresultat efter driftsättning
- Samordna med teamchefen kring kvartalsplanering, ordningsföljd, kapacitet, milstolpar och beroenden
- Samarbeta med maskininlärningsingenjörer och teknikteam för att driftsätta modeller, simuleringar och prognosarbetsflöden i produktion
- Balansera analytisk noggrannhet, tillförlitlighet, tolkningsbarhet och leveranshastighet
- Presentera rekommendationer, risker och avvägningar för tekniska samarbetspartner, affärsledare och seniora beslutsfattare
- Vara mentor för och stödja andra data scientists
- Bygga återanvändbara metoder, verktyg och standarder som stärker datavetenskapen inom teamet för livstidsvärde och närliggande arbete inom kvantitativ vetenskap
Krav
- Kandidat-, master- eller doktorsexamen i statistik, datavetenskap, nationalekonomi eller ett närliggande kvantitativt område
- Minst 8 års erfarenhet av att leverera komplexa datavetenskapsprojekt med stor påverkan inom prediktiv modellering, experimentering och stöd för affärsbeslut
- Avancerad kompetens inom överlevnadsanalys, inklusive tid-till-händelse-modeller och censurering
- Stark kompetens inom statistisk modellering, prognostisering, experimentdesign och validering
- Goda kunskaper i Python-programvaruutveckling, inklusive modulär, testad, vältypad och lättläst kod
- Erfarenhet av att underhålla och refaktorera stora gemensamma kodbaser
- Erfarenhet av att utforma och driftsätta system med samverkande modeller, inklusive ensembler eller kedjade prediktioner
- Djupa kunskaper i Python och SQL
- Omfattande praktisk erfarenhet av moderna ramverk för modellering och experimentering
- Grundlig kunskap om statistiska metoder, prediktiva algoritmer, överlevnadsanalys, tidsserieprognoser, experimentdesign, mätning och validering
- Erfarenhet av att bygga och underhålla sammankopplade produktionsmodeller med MLOps-metoder som feature stores, tränings- och inferenspipelines, arbetsflödesorkestrering, versionshantering och övervakning efter driftsättning
- Förmåga att uppskatta det framtida värdet av modelleringsinitiativ och bedöma modellprestanda och affärspåverkan efter driftsättning
- Stark kommunikationsförmåga och förmåga att bygga relationer
- Dokumenterad förmåga att påverka prioriteringar och teknisk inriktning inom närliggande arbetsströmmar och samtidigt ansvara för praktisk leverans
- Förmåga att leda tekniskt arbete, coacha data scientists och skapa återanvändbara arbetssätt för modellering, experimentering, validering eller rapportering
- Kännedom om prognostisering av kundens livstidsvärde, simuleringsarbetsflöden, analys av prognos kontra faktiskt utfall eller kausal inferens
- Erfarenhet av försäkring eller reglerade finansiella produkter
- Erfarenhet av molnbaserade data- och maskininlärningsplattformar och verktyg som AWS, Docker, dbt, Airflow, Metaflow, Step Functions eller MLflow
- Erfarenhet av att skapa visualiseringar, instrumentpaneler eller rapporter
- Erfarenhet av att ta fram prototyper för nya modelleringstekniker eller datavetenskapliga verktyg
- Måste synas i bild under virtuella intervjuer
Förmåner
- Konkurrenskraftig bonusmöjlighet
- Aktieerbjudande
- Flexibilitet att arbeta från valfri plats i hela USA
- Skälig anpassning under hela rekryteringsprocessen