Offer details
L'Azienda:
Il nostro cliente è una realtà multinazionale leader nel settore sportivo. Dietro i loro prodotti, i servizi e la vasta rete retail, c'è un'infrastruttura digitale complessa e in continua evoluzione. Questa opportunità ti permetterà di entrare a far parte di un'azienda finale solida e dinamica, dove l'innovazione tecnologica ha un impatto diretto su milioni di utenti.
Per ampliamento del team Data, siamo attualmente alla ricerca di figure di Data Analyst e Data Scientist junior-middle, di seguito le relative job description.
DATA ANALYST:
Questa figura ha l'obiettivo di esplorare i dati per risolvere problemi di business, guidare le decisioni strategiche attraverso la modellazione dei dati, e automatizzare la presentazione dei dati aziendali per migliorarne l'efficacia e le prestazioni. È inoltre responsabile del monitoraggio, della qualità e dell'aggiornamento dei dati.
Responsabilità Principali
- Identificare i problemi di business analytics: Raccogliere e analizzare le esigenze degli stakeholder, traducendole in quesiti analitici ben definiti e definendo le priorità in base all'impatto sul business.
- Implementare un approccio esplorativo rigoroso: Identificare e validare le fonti di dati (interne ed esterne), formulare ipotesi di analisi e documentare proattivamente rischi o bias nei dati.
- Risolvere il problema analitico: Estrarre, pulire e trasformare i dati; applicare tecniche statistiche e analitiche per far emergere insight e sviluppare prototipi/Proof of Concept (PoC).
- Presentare l'analisi con chiarezza e trasparenza: Semplificare informazioni complesse per un pubblico non tecnico utilizzando la data visualization e lo storytelling; proporre raccomandazioni concrete e documentare i processi per renderli replicabili.
Must Have
- Architettura dei dati e Data Preparation
- Data Visualization (Tableau o simili)
- Generazione di Insight
- Programmazione in Python per la gestione dei dati
- Ottima conoscenza e padronanza di SQL
- Analisi Statistica
- Generative AI
Competenze (anche parziali) in architetture dati (BI e Cloud AWS), modellazione, denormalizzazione e trasformazione dei dati (dbt) saranno considerate un PLUS. È gradita la conoscenza di strumenti DevOps e infrastrutturali come Git, CI/CD, Airflow, oltre a basi di Machine Learning.
DATA SCIENTIST:
Questa figura ha il compito di risolvere le sfide di business applicando modelli matematici avanzati attraverso l'uso dei dati. Sfrutta l'analisi dei dati, la modellazione predittiva e casi d'uso di Intelligenza Artificiale per identificare opportunità, ottimizzare i processi e migliorare prodotti e servizi, garantendo un impatto aziendale misurabile.
Responsabilità Principali
- Comprendere e definire problemi e opportunità di business: Collaborare con i Product Manager e gli stakeholder per inquadrare le sfide aziendali, valutare la fattibilità delle soluzioni DS/ML (anche dal punto di vista etico) e co-definire KPI chiari.
- Progettare soluzioni DS/ML robuste e scalabili: Tradurre problemi complessi in framework analitici, selezionare gli algoritmi più adatti e definire le metriche tecniche allineandosi con i Data e ML Engineer per creare architetture pronte per la produzione.
- Sviluppare, validare e implementare soluzioni DS/ML: Condurre analisi esplorative (EDA), addestrare e ottimizzare modelli in Python seguendo le best practice di sviluppo, ed eseguire rigorose strategie di validazione offline (es. cross-validation, backtesting).
- Monitorare, mantenere e migliorare continuamente le soluzioni: Ottimizzare i modelli esistenti integrando nuove metodologie all'avanguardia (SOTA) o risultati di A/B testing; implementare sistemi di monitoraggio per rilevare il data drift e collaborare con i BI Engineer per la creazione di dashboard.
- Comunicare gli insight, documentare e promuovere la cultura del dato: Produrre una documentazione tecnica accessibile e tradurre i risultati complessi dei modelli in narrazioni d'impatto ed indicazioni strategiche per gli stakeholder non tecnici.
Must Have
- Sistemi di controllo versione (Git)
- Ottima conoscenza e padronanza di SQL
- Statistical Testing
- Clustering
- Qualità, manipolazione e trasformazione dei dati
- Hyperparameter Tuning
- Programmazione in Python per la gestione dei dati
- Supervised Models
La conoscenza di Data Governance, Data Visualization, Deep Learning e tecniche di riduzione della dimensionalità, nonché la familiarità con le ML pipeline, la progettazione di componenti riutilizzabili e l'uso di strumenti per la sperimentazione e il registro dei modelli come MLflow saranno considerate un PLUS.
Non possiedi tutti i requisiti tecnici? NON TEMERE! Diamo peso alle persone e alla loro formazione, con il giusto approccio e predisposizione, verranno valutati positivamente anche i profili che non rispecchiano il 100% dei requisiti.
Se sei alla ricerca di una nuova sfida CANDIDATI!