Über das Unternehmen
Just Eat Takeaway.com ist eine führende globale Online-Lieferplattform mit der Vision, alltägliche Convenience zu ermöglichen. Die Technologieplattform verbindet tens of millions Kunden mit hundreds of thousands Restaurants, Lebensmittel- und Convenience-Partnern weltweit.
Die Rolle
Als Data Scientist im Courier Pay & Incentives Team werden Sie an der Optimierung der Fahrercompensation arbeiten. Sie werden fortgeschrittene Analytik und Machine Learning-Techniken einsetzen, um Fahrerleistungsdaten zu analysieren, Anreizprogramme zu entwerfen und Vorhersagemodelle zu entwickeln, um Einnahmen zu maximieren und gleichzeitig Kosteneffizienz zu gewährleisten.
Ihr Fokus liegt an der Schnittstelle von Wirtschaft, Echtzeit-ML und Logistik. Sie werden an der Verbesserung von Echtzeit-Kurier-Anreizsystemen unter strikten Latenz- und Fairness-Einschränkungen beitragen und Modellverbesserungen von der Entwicklung bis zur Live-Produktion durchführen.
Aufgaben
- Entwicklung und Validierung von ML-Modellen für Kurier-Kompensation, einschließlich dynamischer Einnahmefloors und Surge/Boost-Mechanismen
- Merkmalsentwicklung aus Betriebsdaten und Experimentdesign zur Messung von Modellleistungsverbesserungen
- Durchführung von Kausalexperimenten in großem Maßstab mittels A/B-Tests, Switchback-Experimenten und geografiegestützten Designs
- Anwendung von Engineering Best Practices wie sauberer Code, Versionskontrolle, Unit Tests und Production Monitoring
- Übersetzung von Analyseergebnissen in klare, umsetzbare Erkenntnisse für Stakeholder
- Zusammenarbeit mit ML Engineers und Operations Research Scientists an projektübergreifenden Initiativen
- Identifikation von Möglichkeiten zur Automatisierung von Retraining-, Validierungs- und Evaluierungs-Pipelines
- Überwachung und Wartung der Vorhersageleistung in Live-Produktionsumgebungen
Anforderungen
- Praktische Erfahrung beim Aufbau und der Validierung von ML-Modellen in der Produktion
- Kenntnisse in Python und SQL für Datenanalyse und Modellentwicklung
- Fundiertes Verständnis von überwachten ML-Techniken (Regression, Klassifikation, Gradient Boosting) und Time-Series-Modellierung
- Solide konzeptionelle Grundlagen in Experimentdesign, Offline-Validierung und Marketplace-Experimentation
- Interesse oder Hintergrund in Anreizgestaltung, dynamischer Preisgestaltung oder Arbeitsökonomie
- Exposüre zu ML-Ops-Praktiken einschließlich Git, Datenpipelines und Production Monitoring
- Interesse an Logistik und realen operativen Problemen ist von Vorteil
Kultur und Benefits
- Dynamische und unterstützende Teamumgebung mit Fokus auf Bewegung und Wachstum
- Internationale Auswirkungen durch Zusammenarbeit mit bekannten globalen Marken
- Inklusive Kultur mit Fokus auf Vielfalt und Zugehörigkeitsgefühl
- Continuous Learning und Skill-Entwicklung unter Anleitung erfahrener Team-Member
- Hybrid-Arbeitsmodell mit Flexibilität