Data Scientist - PBM Pricing Optimization

Apportez votre cœur à CVS Health.

Chez CVS Health, chacun de nous partage un objectif clair et unique : Apporter notre cœur à chaque moment de votre santé. Cet objectif guide notre engagement à fournir des soins de santé améliorés et centrés sur l'humain dans un monde en rapide évolution. Ancré dans notre marque — avec le cœur en son centre — notre objectif met en avant que la manière dont nous livrons nos services est tout aussi importante que ce que nous livrons. Nos Comportements Heart At Work™ soutiennent cet objectif. Nous voulons que chaque personne travaillant chez CVS Health se sente habilitée par le rôle qu'elle joue dans la transformation de notre culture et l'accélération de notre capacité à innover et à offrir des solutions pour rendre les soins de santé plus personnels, pratiques et abordables.

Le rôle de Data Scientist au sein de CVS Health est à l'avant-garde de l'innovation et a un impact direct sur les décisions commerciales. Ce poste fait partie de l'équipe Finance Analytics et se concentre sur la construction et le déploiement de modèles analytiques qui aident l'entreprise PBM à atteindre ses garanties financières pour les clients et les pharmacies. L'équipe travaille avec des modèles de machine learning (ML), de prévision et d'optimisation (y compris les techniques de programmation linéaire et en nombres entiers mélangés) pour optimiser les prix des médicaments à un niveau qui affecte 95 millions d'Américains. Les modèles sont conçus pour répondre aux garanties financières contractées par Caremark avec ses clients et partenaires pharmaceutiques en optimisant les prix des médicaments tout en respectant diverses contraintes réglementaires et commerciales. Ces prix optimisés des médicaments ont apporté une valeur de plus de 100 millions de dollars à Caremark.

Diplôme de Licence en Data Science, Informatique, Mathématiques Appliquées, Recherche Opérationnelle, Statistiques, Politique de Santé, ou dans un domaine connexe, avec 1 à 2+ ans d'expérience professionnelle dans :

• Extraction d'informations exploitables à partir d'analyses et interprétation des résultats de modèles complexes pour les audiences commerciales, y compris les dirigeants techniques, non techniques et supérieurs.
• Préparation des données pour l'analyse, collaboration avec les équipes d'ingénierie des données pour créer des ensembles de données de modélisation et réalisation d'ingénierie de fonctionnalités.
• Communication efficace et confiante avec les partenaires commerciaux, les membres de l'équipe de projet et la direction supérieure.
• Travail avec les données et une solide compréhension de l'analytique dans le secteur des soins de santé/de la vente au détail.

• 2+ ans d'expérience en application des techniques modernes de machine learning pour construire des modèles prédictifs pour les problèmes de classification et de régression.
• 2+ ans d'expérience avec des modèles linéaires généraux, y compris des techniques de régression, des modèles de mix marketing, etc.
• 2+ ans d'expérience en codage en Python ou un langage de programmation similaire
• 1+ an d'expérience avec SQL
• 1+ an d'expérience avec des mesures statistiques y compris la conception expérimentale, la sélection test et contrôle, le matching de propension, etc.

• 3+ ans d'expérience en codage en Python et utilisation de packages d'optimisation tels que Gurobi, CPLEX, etc.
• Expérience antérieure dans le développement et le déploiement de modèles analytiques avancés soutenant les domaines de Souscription, Actuariat, et Optimisation Financière.
• Expérience avec l'optimisation mathématique dans un rôle de services financiers est fortement souhaitable.

Diplôme de Licence en Data Science, Informatique, Mathématiques Appliquées, Recherche Opérationnelle, Statistiques, Politique de Santé, ou dans un domaine connexe. Préféré : Master ou Doctorat dans ces domaines.

La fourchette de rémunération typique pour ce poste est de 75 705,00 $ à 154 500,00 $. L'offre de salaire de base réelle dépendra de divers facteurs, notamment l'expérience, l'éducation, la géographie et d'autres facteurs pertinents. Ce poste est également éligible à un