Senior Data Scientist (Supply Chain Planning)

003 The P&G Distributing LLC; Województwo mazowieckie; On-site; PLN 60,000 - 100,000; Full time

Job summary

003 The P&G Distributing LLC poszukuje specjalisty ds. Demand Planning w zespole EU Supply Network Hub.

Dołączysz do zespołu odpowiedzialnego za modele prognozowania popytu od launchu po wycofanie, od analizy czasowo-szeregowej po wdrożenie konfigurowalnych pipeline’ów danych w Databricks i PySpark. Twoje zadania obejmą prowadzenie inicjatyw z zakresu feature engineering, ewaluacji modeli i monitoringu trafności prognoz, a także wsparcie zespołów cross-funkcyjnych i kadry zarządzającej decyzjami

Qualifications

• Doświadczenie w projektowaniu, rozwoju i wdrażaniu modeli prognozowania popytu.
• Doświadczenie w modelowaniu statystycznym/ML i time-series clustering.
• Doświadczenie w budowie i utrzymaniu konfigurowalnych pipeline'ów danych w Databricks i PySpark.

Responsibilities

• Budujesz modele prognozowania popytu dla pełnego cyklu życia produktów.
• Prowadzisz inicjatywy z feature engineering, ewaluacji modeli i monitoringu trafności prognoz.
• Wspierasz zespoły cross-funkcjonalne i management w decyzjach opartych na danych.

Skills

Prognozowanie popytu

Modelowanie ML

Time-series clustering

Databricks

PySpark

Feature engineering

Ewaluacja modeli

Monitoring prognoz

Kierowanie zespołów cross-funkcyjnych

Tools

Databricks

PySpark

scikit-learn

statsmodels

Job description

W zespole Demand Planning P&G w EU Supply Network Hub budujesz modele prognozowania popytu dla pełnego cyklu życia produktów (od launchu po wycofanie) - od time-series clustering i modeli statystycznych/ML po konfigurowalne pipeline'y danych w Databricks i PySpark. Prowadzisz inicjatywy z zakresu feature engineering, ewaluacji modeli i monitoringu trafności prognoz oraz wspierasz zespoły cross-funkcyjne i management w decyzjach opartych na danych. Szczera uwaga: 'thrives in high-impact environments' i 'ambitious' to często kod na wysoką presję i tempo pracy.

• doświadczenie w projektowaniu, rozwoju i wdrażaniu modeli prognozowania popytu
• doświadczenie w modelowaniu statystycznym/ML (scikit-learn, statsmodels) i time-series clustering
• doświadczenie w budowie i utrzymaniu konfigurowalnych pipeline'ów danych w Databricks i PySpark
• doświadczenie w prowadzeniu inicjatyw z zakresu feature engineering, ewaluacji modeli i monitoringu trafności prognoz na skalę
• doświadczenie w prowadzeniu zespołów cross-funkcyjnych