Аналитик данных / Data Scientist

Являясь мировым лидером на рынке средств защиты растений, мы помогаем фермерам противостоять угрозам и обеспечивать достаточное количество безопасных, питательных и доступных продуктов питания для всех – при минимальном использовании земельных и других сельскохозяйственных ресурсов. Syngenta Crop Protection обеспечивает безопасность растений от посадки до сбора урожая. С момента посева семян и до сбора урожая посевы необходимо защищать от сорняков, насекомых и болезней, а также от засух и наводнений, жары и холода. Назначение роли Аналитик данных для поиска точек роста продукта и бизнеса, принятия более объективных решений на основе фактов и данных для увеличения объема продаж. Ответственность Разрабатывает и поддерживает статистическую логику, машинное обучение и аналитику на основе правил для продуктов + цифровых сервисов, включая развитие сельскохозяйственных культур, риск возникновения болезней и вредителей, сроки сбора урожая, рекомендации по продуктам и другие варианты использования в агрономии. Независимо структурирует аналитические задачи, определяет методологию, выбирает подходящий аналитический подход и переводит бизнес- или агрономические гипотезы в логику измеримых данных. Интегрирует, обрабатывает, очищает и проверяет данные из различных источников, включая агрономические наблюдения, данные о погоде, полевые операции, дистанционное зондирование, наборы данных о продуктах, маркетинге и бизнесе. Подготавливает наборы данных для продуктов и услуг, экспериментального анализа, проверки на местах, разработки моделей и мониторинга качества услуг. Выявляет закономерности, аномалии, пороговые значения и ключевые влияющие факторы с помощью статистического анализа, машинного обучения, исследовательского анализа и интерпретации на основе предметной области. Разрабатывает и поддерживает аналитические отчеты, информационные панели и визуализации для мониторинга эффективности сервиса Product+, результатов валидации, внедрения и важных для бизнеса показателей. Рассчитывает и интерпретирует показатели качества сервиса, в том числе точность, время отклика, количество ложных срабатываний, стабильность, эффективность на региональном уровне и на уровне отдельных культур, а также сравнивает версии моделей и алгоритмов. Анализирует результаты пилотных и полевых испытаний совместно с руководителем направления Product+, техническими экспертами и полевыми командами, предоставляя обоснования для принятия решений о тестировании, пилотных запусках, масштабировании, доработке или прекращении использования. Предоставляет основанные на данных рекомендации и аналитические обоснования для разработки дорожной карты Product+, улучшения сервиса, определения приоритетов и принятия оперативных решений. Описывает наборы данных, логику моделей, допущения, ограничения, метрики, версии и рекомендации, чтобы обеспечить прозрачность и воспроизводимость аналитических решений. Доводит аналитические результаты до сведения технических и нетехнических заинтересованных сторон, объясняет логику работы модели/сервиса, ограничения и практические последствия для Product+, отделов маркетинга, продаж, полевых команд и разработчиков. При необходимости оказывает целевую аналитическую поддержку Cropwise Pulse и другим инициативам в области данных и искусственного интеллекта, уделяя основное внимание цифровым сервисам Product+. Знания, опыт, образование и способности Критически важные знания: Высшее образование в области математики, прикладной математики, статистики или смежных количественных дисциплин. Глубокие знания в области математической статистики, теории вероятностей и анализа временных рядов. Владение современными инструментами и фреймворками для анализа данных на Python: - pandas, numpy, scikit-learn, statsmodels, XGBoost, LightGBM, CatBoost - matplotlib, seaborn, plotly, SHAP - Jupyter, MLflow, Airflow (предпочтительно) Понимание SQL и реляционных баз данных. Практические навыки работы с Git и GitHub/GitLab для контроля версий, совместной разработки и воспроизводимых аналитических процессов. Умение читать и интерпретировать техническую документацию на английском языке. Практические навыки работы с искусственным интеллектом и способность ответственно использовать помощников на основе больших языковых моделей в аналитической работе, включая генерацию кода, отладку, исследовательский анализ, конструирование признаков, тестирование моделей, документирование и представление аналитических результатов. Критически важный опыт: Подтвержденный опыт работы с большими и разнородными наборами данных. Практический опыт разработки и валидации моделей машинного обучения и статистических моделей. Способность предоставлять комплексные аналитические решения — от сбора данных до внедрения. Опыт представления результатов как техническим, так и нетехническим заинтересованным сторонам. Понимание бизнес-процессов в сельском хозяйстве и связанных с ними рисков. Желательные знания и опыт: Знание методов и инструментов причинно-следственного анализа, особенно DoWhy. Опыт работы с геопространственными данными (ГИС) и спутниковыми снимками. Знание практик и инструментов MLOps, таких как DVC, Prefect или Great Expectations. Опыт участия в разработке цифровых продуктов. Интерес к сельскому хозяйству и устойчивому развитию или опыт работы в этой сфере. Критическое мышление