О компании Tripadvisor
Группа Tripadvisor соединяет людей с впечатлениями, которыми стоит поделиться, и стремится стать самым надежным источником информации о путешествиях и впечатлениях в мире. Мы используем наши бренды, технологии и возможности, чтобы связывать нашу глобальную аудиторию с партнерами через насыщенный контент, рекомендации по путешествиям и двусторонние маркетплейсы для впечатлений, проживания, ресторанов и других категорий путешествий. Дочерние компании Tripadvisor, Inc. (Nasdaq: TRIP) включают портфель туристических брендов и бизнесов, включая Tripadvisor, Viator и TheFork.
В Tripadvisor experiences единственное, что мы любим больше путешествий — это данные. Мы их анализируем, обрабатываем и используем для принятия обоснованных решений.
Что вы будете делать:
В роли Principal Data Scientist вы будете ведущим индивидуальным специалистом, отвечающим за то, как проводится экспериментирование в организации.
Вы будете лидировать благодаря глубоким техническим знаниям, устанавливая стандарты, которым следуют другие, и повышая качество измерений и принятия решений по всей функции.
Вы создадите возможности, которые позволят командам эффективно проводить эксперименты без центральной поддержки: стандарты, инструменты и протоколы, делающие лучшие практики стандартом, а также стратегию их развития со временем.
В результате должны улучшиться как скорость, так и надежность принятия решений. Вы также возьметесь за вопросы измерений, на которые мы пока не можем дать хорошие ответы, где трафик низкий или результаты, которые важны, проявляются спустя месяцы.
Вы будете:
- Устанавливать технический стандарт для экспериментирования в Product Data Science, от традиционного A/B тестирования до квазиэкспериментальных и байесовских методов, делая их практичными через протоколы, фреймворки и инструменты.
- Сотрудничать с командами Product, Engineering и Data Platform для повышения скорости проведения экспериментов без ущерба для строгости.
- Критически оценивать, как экспериментирование и последующие решения влияют на здоровье платформы и рост, делая эту связь видимой для руководства.
- Отвечать за подход к измерениям самых сложных вопросов Viator, где стандартное экспериментирование недостаточно и метод должен быть разработан, а не выбран.
- Разрабатывать и проверять статистические методы, на которые опирается организация, включая проверку на основе симуляций, чтобы убедиться, что они работают корректно до того, как команды начнут ими пользоваться.
- Выступать в роли окончательного технического авторитета по валидности измерений, разрешая спорные результаты и определяя, что подтверждают данные, а что — нет.
- Стандартизировать повторяющиеся аналитические и экспериментальные процессы по всей функции, используя автоматизацию и возможности ИИ там, где это существенно улучшает согласованность, пропускную способность или качество.
- Разрабатывать и внедрять методологические улучшения с организационным масштабом, такие как снижение дисперсии для сложных метрик, подходы для поверхностей с низким трафиком, прокси- и суррогатные метрики для долгосрочных результатов, а также дизайны, которые выдерживают конкуренцию пользователей за общий ресурс.
- Повышать технический уровень всей команды, проверяя проекты, наставляя старших дата-сайентистов и улучшая понимание измерений.
- Консультировать, когда экспериментирование — не лучший инструмент, и определять, что следует делать вместо этого.
Навыки и опыт:
- Опыт: Обширный опыт в области науки о данных или аналогичной количественной роли с доказанным успехом в поддержке и влиянии на продуктовую организацию.
- Экспертиза в статистике и экспериментировании: Авторитетное владение экспериментированием во всех его формах — от дизайна экспериментов и снижения дисперсии до причинно-следственного вывода, бандитов и байесовских методов. Вы должны уметь разрабатывать и проверять методологии, а не только применять их.
- Техническая и модельная экспертиза: Экспертное владение Python и SQL. Глубокий практический опыт в статистическом моделировании, (квази)экспериментировании, многоармных бандитах и широком спектре методов машинного обучения, таких как регрессия, классификация и кластеризация.
- Продуктовая проницательность: Подтвержденная способность определять, внедрять и запускать в эксплуатацию ключевые продуктовые и функциональные метрики с нуля.
- Партнерство и поддержка: Подтвержденная способность улучшать работу других команд, предоставляя руководство, инструменты и протоколы, повышая как скорость, так и качество их экспериментов, а не выполняя работу за них.
- Влияние на решения и здоровье платформы: Умение критически оценивать, как продуктовые решения влияют на здоровье и рост платформы со временем, и учитывать эту перспективу при проектировании и интерпретации экспериментов.
- Стандартизация в масштабе: Опыт стандартизации процессов, фреймворков или методов в нескольких командах, включая использование ИИ и автоматизации для установления лучших практик как стандарта.
- Кросс-функциональное партнерство: Доказанная способность строить крепкие отношения и добиваться результатов в сотрудничестве с командами Product, Engineering, Data Platform и другими центральными функциями, часто без прямых полномочий.
- Критическое мышление: Лидер в критическом мышлении с устоявшейся привычкой сначала устанавливать, можно ли доверять результату, прежде чем интерпретировать его значение.
- Коммуникация: Исключительная способность ясно объяснять измерения, методы и неопределенности технической и нетехнической аудитории на всех уровнях.
- Образование: Степень бакалавра в области статистики, математики, науки о данных, инженерии, физики, экономики или смежной количественной области.
Особенно хорошо вы подойдете, если у вас есть:
- Опыт экспериментирования на двустороннем маркетплейсе, где взаимное влияние пользователей и ограниченный общий ресурс усложняют измерения.
- Опыт создания и проверки прокси- или суррогатных метрик для долгосрочных результатов и четкое понимание, насколько им можно доверять.
- Опыт работы с байесовскими и иерархическими подходами, особенно для поверхностей с низким трафиком или объединения данных по множеству небольших рынков.
- Опыт создания или значительного улучшения платформ для экспериментирования, фреймворков измерений, возможностей самообслуживания или продуктов данных.
- Опыт работы в крупной технологической компании, маркетплейсе, электронной коммерции или организации, связанной с туристическими технологиями, а также знакомство с сезонностью и длительными циклами покупок, характерными для них.
- Широкие знания в статистическом моделировании и машинном обучении, таких как регрессия, классификация, кластеризация и бандиты, наряду с глубиной в экспериментировании.
- Опыт применения ИИ, больших языковых моделей, агентного ИИ или автоматизации для повышения аналитической продуктивности и эффективности принятия решений.
- Репутация человека, который повышает уровень мышления и принятия решений в каждой команде, к которой присоединяется.
- Опыт работы с SaaS-инструментами для экспериментирования, такими как Statsig, Eppo или GrowthBook, либо с внутренней платформой.
Мы стремимся создать доступный и инклюзивный опыт для всех кандидатов. Если вам нужна разумная адаптация в процессе подачи заявки или рекрутинга, пожалуйста, свяжитесь с вашим рекрутером или нашей командой по адресу AccessibleRecruiting@tripadvisor.com.
Если у вас есть дополнительные вопросы о карьере в Tripadvisor, вы можете написать нам на recruitment@tripadvisor.com. У нас есть все ответы!
#LI-Hybrid
#LI-SM1
