Associate Data Scientist — VF International (The North Face, Timberland)

Descrizione completa

VF Corporation sta cercando un ricercatore di dati di affiliazione a Stabio, Svizzera.

Parliamo del ruolo!

Come scienziato di dati di assortimento presso VF Corporation, ti concentrerai sulla previsione della domanda per il nostro business moda e retail: anticipando ciò che i consumatori compreranno, dove e quando, tra marchi, canali e mercati, compresi prodotti e negozi con poca o nessuna storia di vendita.

Come farai la differenza

In questo ruolo

• Previsioni della domanda: costruire modelli di previsione a livello di prodotto, dimensioni, negozio, canale e livello di mercato attraverso il Commercio all'ingrosso e diretto a consumatore, sostenere l'acquisto, l'assegnazione, la ricostituzione e la pianificazione.

• Previsioni di avviamento a freddo: contribuire al lavoro del team di previsione della domanda di nuovi prodotti, collezioni, negozi e mercati senza storia di vendita, una sfida fondamentale nella moda e centrale a questo ruolo.

• Metodi all'avanguardia: benchmark e produzione di modelli a zero colpi e di fondazione per serie temporali contro le basi classiche e di apprendimento automatico.

• Il '21: contribuire a casi d'uso AI e Generative, aiutare a monitorare i modelli distribuiti e lavorare con Data Engineers, DevOps, Product, Planning and Merchandising per guidare l'adozione, presentando chiaramente i risultati e le loro limitazioni agli stakeholder.

Capacità di successo

Questa è una posizione a livello di associati: lavorerai all'interno di un team di previsione stabilito, con un esperto di dati come tutor, crescendo verso la proprietà end-to-end dei tuoi modelli.

Capacità di previsione e di data science (non ci aspettiamo tutto questo; più si porta, meglio è):

• Previsione della domanda in Moda e Retail: esperienza pratica con brevi cicli di vita dei prodotti, forte stagionalità, promozioni e markdown, curve di dimensione e colore, scarsa domanda e previsioni gerarchiche.

• Cold-Start Forecasting: approcci basati su attributi e similarità, eBedding di prodotti, matching simile, transfer learning e pianificazione pre-stagione.

• Modelli Zero-Shot e Foundation per le Serie Time: conoscenza aggiornata dello stato dell'arte (ad esempio, TimeGPT, Chronos, TimesFM) e capacità di benchmarkare le performance zero-shot contro le performance perfezionate contro le forti basi di riferimento.

• Time Series Foundations: approcci statistici (ARIMA, ETS, Croston), machine learning e deep learning (ad esempio, il sistema di Booting dei Gradienti, DeepAR, N-BEATS, N-HiTS), oltre a previsioni, test di backtest e metriche probabilistiche quali WMAPE e MASE.

• Python e ML Library: forte Python con panda, NumPy, scikit-learn, PyTorch o TensorFlow, e librerie di previsione come modelli di statistiche, StatsForecast, NeuralForecast.

• Statistiche e SQL: concetti fondamentali ML, ipotesi e test A/B, ottimizzazione iperparametrica ed efficiente SQL su dati strutturati su larga scala.

• Fondamenti di base generativi: come si applicano nella pratica i LLM (prompting, eBedding, RAG).

Strumenti e piattaforme (di nuovo, non una lista di controllo; più si porta, meglio è):

• Databricks Lakehouse Platform: la nostra piattaforma principale. Esperienza pratica nella produzione di dati e soluzioni di apprendimento automatico con Python, PySpark, SQL, Delta Lake, notebook e Workflow.

• Previsione a Scala: allenamento e segnare un gran numero di serie temporali in parallelo su Spark, con Databrecks Feature Engineering, MLflow e Catalogo Unity.

• Pipeline e MLOps: dati di scalabilità e caratteristiche condotte con Databricks Jobs e Pipelines, più Git e CI/CD in Azure DeveOps.

• Rapid Prototipazione: frontali leggeri (App a striamlit + Databricks o equivalenti) in modo che gli stakeholder possano interagire con le previsioni e convalidarle.

Capacità di business e di dilatazione

• Business Understanding and Impact: tradurre i problemi di pianificazione, acquisto, allocazione e merchandising in soluzioni di data science con valore misurabile.

• Il "Cross-Functional" (Corte di giustizia): spiega le previsioni, le loro ipotesi e limitazioni ai pubblici non tecnici di tutte le imprese, pianificazione e ingegneria.

• Curiosità e modi di lavorare: l'abitudine di seguire ricerche di previsione all'avanguardia, adattabili e ben organizzate, fluenti in inglese con eccellenti capacità comunicative.

Istruzione ed esperienza

• Background richiesto: Laurea in Scienze dei Dati, Statistica, Informatica, Ingegneria o un campo correlato, con circa 1-2 anni di esperienza in Scienze dei Dati e previsioni.

• Contesto industriale: l'esperienza nella moda, nell'abbigliamento o nel commercio al dettaglio con esposizione alla pianificazione della domanda, al merchandising o alla catena di fornitura è un vantaggio forte.

Cosa c'è dentro per te

Eravamo nel business di liberare il potenziale umano, guidato dalle idee, energia e impegno della nostra gente. Ecco perché offriamo benefici completi che incoraggiano il benessere mentale, fisico e finanziario per tutti i soci VF. Quando si tratta di benefici, siamo il pacchetto totale.

• Una cultura basata sul feedback di supporto dove il rispetto e l'integrità ci guidano in quello che facciamo

• Un ambiente internazionale inclusivo dove persone di diversi contesti, stili di vita e nazionalità amano lavorare insieme

• Fai parte di un marchio di lifestyle icona in un multi brand, organizzazione multi paesi

• Palestra in loco che offre iniziative di salute e benessere

• Una carta sconto con 50% su tutte le marche VF

• Evacuare le aree offrendo bevande calde gratuite

Libera di essere, includere e diversificare

Come datore di lavoro per le pari opportunità, ci sforziamo di promuovere una cultura di appartenenza basata sul rispetto, la connessione, l'apertura e l'autenticità. Ci impegniamo a costruire e mantenere un posto di lavoro che celebra la diversità dei nostri associati, permettendo loro di portare il loro sé autentico a lavorare ogni giorno.

R-20260903-0029

Domande frequenti su questo annuncio