Lead Data Scientist

COMFY — провідний омніканальний рітейлер побутової техніки та електроніки в Україні, понад 100 магазинів, топ-3 e-commerce платформа країни. Зараз формуємо central data team під CDO — щоб ML, AI та аналітика давали вимірюваний бізнес-ефект у клієнтському досвіді, комерційних рішеннях і ключових операційних процесах.
Контекст ролі
Шукаємо hands-on Lead Data Scientist, який особисто запустить перший ML-продукт компанії і поступово побудує навколо нього системну Data Science функцію. Перший фокус — Personalization Platform: CVM decisioning, персональні пропозиції, рекомендації та керовані експерименти. Ти відповідаєш за постановку ML-задачі, model logic, якість експериментів, evaluation, business effect і поведінку моделі після запуску; Data Engineering — за feature pipelines, serving, monitoring і retraining. Роль працює у central data team і в матриці з продуктовими та бізнес-доменами. У міру росту команди фокус розшириться на demand forecasting, replenishment optimization, workforce planning і Marketplace scoring.
Що робить цю роль особливою
Перший ML-продукт компанії — ти ведеш його від business problem до контрольованого запуску, а не приєднуєшся до готового конвеєра.
Пряма співпраця з CDO, Data Architect і Lead Data Engineer з першого дня.
Висока автономія в model design, experimentation і формуванні ML roadmap.
Ти закладаєш стандарти model review, reproducibility, drift control — команда, яка прийде після, працюватиме за твоїми правилами.
Портфель наступних ML-продуктів (forecasting, replenishment, workforce planning) вже окреслений — є куди рости після першого запуску.
Задачі
Особисто вести перший ML-продукт: від постановки задачі до MVP, експерименту і production acceptance.
Формувати ML roadmap разом із CDO, Product Owners, Data Architect і Data Engineering.
Будувати й перевіряти моделі для personalization, recommendations, propensity та uplift use cases.
Визначати success metrics, baseline, offline/online evaluation і дизайн експериментів (A/B, MAB).
Задавати стандарти model review, reproducibility, model cards, drift control і оцінювання бізнес-ефекту.
Узгоджувати з Data Engineering feature contracts, serving path, monitoring і retraining requirements.
Брати участь у наймі, менторити Data Scientists, проводити technical/design reviews.
Вимоги
Обов’язково: - Досвід особистого запуску ML-моделей або контрольованих MVP з вимірюваним бізнес-ефектом. - Сильні знання статистики, experimentation, model validation і причинно-наслідкового мислення. - Практичний досвід з Python, SQL, класичним ML і gradient boosting. - Глибока експертиза хоча б в одному напрямку: recommender systems, uplift/propensity modeling або time-series forecasting. - Розуміння production ML lifecycle і досвід співпраці з Data/ML Engineering. - Здатність працювати hands-on, приймати технічні рішення, менторити колег і пояснювати ML-рішення бізнесу.
Буде плюсом: - Google Cloud, BigQuery, Vertex AI, MLflow, Feast або аналогічний MLOps stack. - Causal inference, experimentation platform або multi-armed bandits. - Досвід у e-commerce, marketplace або high-volume consumer products. - Досвід формування Data Science практики або найму команди.
Що ми пропонуємо
Можливість побудувати ML-функцію з нуля, починаючи з реального продукту, а не зі стандартів і презентацій.
Work-life balance і віддалений формат роботи; офіс у Дніпрі — за бажанням.
Високу автономію у model design, experimentation та формуванні ML roadmap.
Великі e-commerce data scenarios і розвиток платформи на Google Cloud.
Співпрацю з central data team, CDO, Data Architect, Lead Data Engineer та продуктовими доменами.
Винагороду обговорюємо індивідуально за результатами співбесіди.
Пиши, якщо відгукнулося ✉️