Starszy Naukowiec Danych - Wsparcie

Opis Firmy

Block powstał z pomysłu w 2013 roku i początkowo został opracowany, aby złagodzić trudności płatności pomiędzy użytkownikami. Cash App ewoluował z podstawowego produktu z jedną funkcją do wszechstronnej aplikacji, prezentującej ulepszoną metodę wysyłania, wydawania, inwestowania, pożyczania i oszczędzania dla naszej społeczności składającej się z milionów aktywnych użytkowników miesięcznie. Naszym celem jest zmienić globalne pojmowanie pieniądza, czyniąc go bardziej zrozumiałym, dostępnym i łatwym do zdobycia. W Cash App masz szansę realnie wpłynąć na swoją karierę.

Obecnie Cash App szczyci się tysiącami pracowników na całym świecie, którzy wprowadzają kulturę skoncentrowaną na kreatywności, pracy zespołowej i wpływie. Zawsze docenialiśmy elastyczność zdecentralizowanych zespołów i nadal przestrzegamy pracy w różnych strefach czasowych i kontynentach, zarówno zdalnie jak i w naszych biurach Cash App.

Mimo że nasze biura są doskonałe, wiele ról można wykonywać zdalnie w krajach, w których Block działa. Personalizujemy nasze doświadczenie, aby pobudzić kreatywność i produktywność naszych pracowników, niezależnie od ich lokalizacji.

Opis Pracy

Organizacja Wsparcia Cash App rozwija się i szukamy Naukowców Danych (DS) do dołączenia do zespołu. Zespół DS w Cash App dostarcza cenne informacje z naszych unikalnie dużych zbiorów danych i przekłada te informacje na działania, które codziennie poprawiają doświadczenie naszych klientów. Będziesz nieodłącznym elementem naszej organizacji wsparcia, współpracując ściśle z działem operacyjnym i innymi partnerami z różnych działów, aby wprowadzić istotne zmiany w sposobie, w jaki nasi klienci kontaktują się z zespołem wsparcia i rozwiązują problemy związane z kontem.

Jako Naukowiec Danych, twoje obowiązki obejmują:

• Bezpośrednią współpracę z zespołem wsparcia dla konsumentów Cash App, ściśle współpracując z działem operacyjnym, inżynierami i uczeniem maszynowym
• Badanie ogromnych zbiorów danych za pomocą SQL i języków skryptowych, aby ujawnić praktyczne wskazówki i możliwości dla zespołu produktowego i innych kluczowych interesariuszy
• Zastosowanie podejścia opartego na pierwszych zasadach poprzez różnorodne techniki modelowania statystycznego i matematycznego, aby badać i zrozumieć zachowanie klientów
• Projektowanie i analizowanie eksperymentów A/B, aby ocenić wpływ zmian w produkcie
• Współpraca z inżynierami w celu zarejestrowania nowych, przydatnych źródeł danych, gdy rozwijamy nowe funkcje produktu
• Budowanie, prognozowanie i raportowanie z metryk, które kierują strategią i ułatwiają podejmowanie decyzji dotyczących kluczowych inicjatyw biznesowych
• Pisanie kodu do skutecznego przetwarzania, czyszczenia i łączenia różnych źródeł danych w unikalne i użyteczne sposoby, co często prowadzi do wyselekcjonowanych ETL zestawów danych, które są łatwo wykorzystywane przez szerszy zespół
• Budowanie i udostępnianie wizualizacji danych i samodzielnych tablic kontrolnych dla swoich partnerów
• Skuteczne komunikowanie swojej pracy zespołom kierowniczym i innym interesariuszom z różnych działów na regularnej podstawie

Kwalifikacje

Posiadasz:

• Zrozumienie związku między twoją pracą a doświadczeniem klienta. Jakiekolwiek wcześniejsze powiązania z lub zainteresowanie problemami wsparcia klienta byłoby korzystne
• Bakalaureat z zakresu statystyki, nauk o danych lub podobnej dziedziny STEM, wraz z co najmniej 4-letnim doświadczeniem w odpowiedniej roli ALBO
• Magisterium z zakresu statystyki, nauk o danych, lub podobnej dziedziny STEM, wraz z co najmniej 2-letnim doświadczeniem w odpowiedniej roli
• Zaawansowane umiejętności korzystania z SQL i narzędzi do wizualizacji danych (np. Tableau, Looker, etc.)
• Doświadczenie w pracy z językami programowania do analizy danych i skryptów, takimi jak Python lub R
• Doświadczenie z analizami kohortowymi i lejkowymi, głębokie zrozumienie pojęć statystycznych takich jak błąd selekcji, rozkłady prawdopodobieństwa i prawdopodobieństwa warunkowe
• Doświadczenie w dynamicznie rozwijającym się środowisku technologicznym

Wykorzystujemy i nauczamy następujących technologii:

• SQL, Snowflake, etc.
• Python (Pandas, Numpy)
• Tableau, Airflow, Looker, Mode, Prefect

Dodatkowe Informacje