Data Scientist für den Commercial-Bereich

🕒 vor 1 Monat

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mails für Remote-Jobs erhalten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Synthesia

WebsiteLinkedInAlle Stellen

501 - 1000 Mitarbeiter

Gegründet 2017

🤖 Künstliche Intelligenz

☁️ SaaS

🤝 B2B

🔥 Finanzierung im letzten Jahr

💰 €200.000.000 Series E - Synthesia im 2025-10

Artificial Intelligence • SaaS • B2B

Synthesia ist eine SaaS KI-Video-Plattform, die es Unternehmen ermöglicht, Videos in Studioqualität ohne Kameras, Mikrofone, Schauspieler oder Studios zu erstellen, indem sie KI-Avatare und synthetische Sprachübertragungen nutzen. Die Plattform unterstützt über 160 Sprachen, bietet eine Ein-Klick-Übersetzung/Localization, einen KI-Bildschirmrekorder, Markenverwaltung, Zusammenarbeit und Analysen sowie Sicherheit auf Unternehmensniveau (SOC 2 Typ II, DSGVO). Sie wird hauptsächlich für Teams und Unternehmen im Bereich Schulung, Vertriebsunterstützung, Marketing, Wissensmanagement und interne Kommunikation vermarktet und hilft Unternehmen, die Videoproduktion zu skalieren und gleichzeitig Zeit und Kosten zu reduzieren.

Beschreibung

• Zusammenarbeit mit Sales, RevOps, Customer Success (CS) und Marketing, um unklare kommerzielle Fragestellungen in messbare Probleme und modellbereite Datensätze zu überführen. • Entwicklung und Iteration prädiktiver und klassifikatorischer Modelle (z. B. Health Scoring, Intent Scoring) mit stringenter Validierung, Monitoring und klaren Erfolgskennzahlen. • Deployment von Modellen in die Produktion in Zusammenarbeit mit Data Engineering (Batch-Jobs, Pipelines, Feature-Generierung, Versionierung und Observability). • Pflege und Verbesserung bestehender Modelle: Performance-Monitoring, Retraining-Strategien, Drift-Detection und Zuverlässigkeit. • Modelle nutzbar machen: Bereitstellung klarer Outputs, Dokumentation und Handlungsempfehlungen, damit die kommerziellen Teams Erkenntnisse umsetzen können. • Beitrag zu einer starken Data-Science-Kultur: Code-Qualität, Reproduzierbarkeit, disziplinierte Experimentiermethodik und pragmatische Modellauswahl.

🎯 Anforderungen

• Mehrjährige Berufserfahrung als Data Scientist (oder in ähnlicher Rolle) mit End-to-End-Erfahrung beim Aufbau statistischer/ML-Modelle. • Fundierte Kenntnisse in angewandtem Machine Learning und Statistik sowie gutes Urteilsvermögen hinsichtlich Modellkomplexität versus Impact. • Produktionsorientiertes Denken: Erfahrung mit bereits eingesetzten Modellen sowie Verständnis für Monitoring, Retraining, Datenqualität und operative Einschränkungen. • Starke SQL- und Python-Kenntnisse mit Erfahrung in Datenaufbereitung und Feature-Engineering. • Fähigkeit, klar mit technischen und nicht-technischen Partnern zu kommunizieren, einschließlich der Erklärung von Trade-offs und Modellgrenzen. • Sicheres Arbeiten in einem Umfeld mit hoher Autonomie: Sie können Ihre Arbeit planen, Alignment vorantreiben und eigenständig liefern, ohne auf Tickets angewiesen zu sein. • Erfahrung mit kommerziellen / Go-to-Market-Problemen (Revenue Intelligence, Lead Scoring, Churn, Expansion, Attribution, Forecasting). • Erfahrung in der Zusammenarbeit mit modernen Data Stacks (z. B. Snowflake, dbt, Airflow) und Produktions-ML-Patterns. • Erfahrung in der Gestaltung von Modelloutputs, die sich nahtlos in kommerzielle Workflows integrieren (Dashboards, Alerts, CRM-Signale).

🏖️ Vorteile

• Arbeit an Fragestellungen an der Schnittstelle zwischen Produktnutzung und kommerziellen Ergebnissen. • Verantwortung für wirkungsstarke End-to-End-Projekte — von der Definition bis zur Produktion. • Zugehörigkeit zu einem Team, das Autonomie, Professionalität und Schnelligkeit schätzt.