Senior Data Scientist

• Leitung eines Teams von fünf Data Scientists und einer Data-Science-Community bei Raja Group France, dem Mutterkonzern.
• Mitarbeit an Projekten wie Attributionsmodellierung, E-Mail-Prospecting, Kundensegmentierung, Sentiment-Analyse und Lagerbestandsprognosen.
• Zusammenarbeit mit Google an einem Customer-Lifetime-Value-Projekt und mit SAS beim Aufbau ihrer Cloud-Lösungen CI360 und Viya.
• Einsatz von Web-Analytics-Tools wie Google Analytics, Visual IQ und IBM Coremetrics sowie Google-Cloud-Platform-Produkten wie Big Query, GA3, GA4 und Google Cloud Storage.
• Implementierung von REST-APIs, Aufbau von SOAP-APIs und Einsatz von Tableau, SAS Visual Analytics und PowerBI für Reports.
• Entwicklung eines Data-Driven-Attribution-Modells von Grund auf für die EU-7-Länder, um Marketinginvestitionen über Online- und Offline-Kanäle zu optimieren. Die maßgeschneiderte Lösung übertraf Google Attribution und steuert nun alle Marketinginvestitionsentscheidungen.
• Entwicklung eines angepassten Algorithmus zur Vorhersage des Customer Lifetime Value (LTV), der Googles Gebotsalgorithmus für die Gewinnung von B2B-Kunden mit hohem Wert verbessert.
• Implementierung einer aspektbasierten Sentiment-Analyse-Lösung zur Auswertung von Kundenfeedback und zur Reduzierung hoher Abwanderungsraten.
• Entwicklung eines Modells zur frühzeitigen Identifikation von Kunden mit hohem Potenzial basierend auf Online- und Offline-Interaktionsdaten.
• Aufbau eines Kundensegmentierungsmodells von Grund auf basierend auf prognostizierten Verkaufszahlen, das für alle Marketingkampagnen in sieben europäischen Ländern eingesetzt wird.
• Erstellung eines Lagerbestandsprognoseprojekts zur Optimierung von Lagerbeständen.
• Entwicklung einer maßgeschneiderten internen Produktempfehlungslösung für Viking mit nutzerbasierter kollaborativer Filterung, die derzeit zu einer Hybridlösung weiterentwickelt wird.
• Verwendete Tools: Azure Cloud, GCP, Python, PySpark, SAS, Machine Learning, Deep Learning (Keras, TensorFlow), NLP, Sklearn, PowerBI, Big Query, W2V, GloVe.

Im Rahmen meiner Masterarbeit habe ich Deep Learning und klassische Machine-Learning-Ansätze eingesetzt, um ein Time-Series-Forecasting-Problem zu lösen. Konkret habe ich das maximale Potenzial junger Fußballspieler zum optimalen Alter prognostiziert. Dabei habe ich hauptsächlich mit Python gearbeitet und Keras (mit TensorFlow-Backend), Scikit-Learn und weitere Bibliotheken genutzt.