Machine Learning Engineer - Pricing & Revenue; m​/w​/d

Deine Rolle

Du übernimmst fachliche Führung und End-to-end Ownership für unsere Pricing/Revenue-ML-Themen — mit klarem Fokus auf messbaren Impact. Du arbeitest eng mit Product und Engineering zusammen, definierst Messbarkeit/Experimente, und stellst sicher, dass unsere Modelle nicht nur “gut aussehen”, sondern in der Praxis zuverlässig performen.

Wichtig: Keine disziplinarische Personalverantwortung. Du führst über Expertise, Standards und Ownership.

• End-to-End Ownership: Du verantwortest den gesamten Lifecycle von Pricing- und Revenue-Themen – von der Hypothese über die Umsetzung bis zur messbaren Evaluation. Dein Fokus:
  Klarer Business-Uplift.

• Smart Modeling: Du entwickelst und optimierst Forecasting- und Pricing-Modelle. Dabei entscheidest du pragmatisch, welche Methode uns am schnellsten und stabilsten zum Ziel führt.

• Signal-Expertise: Du bändigst Zeitreihen, Demand-Signale und heterogene Datenquellen. Du stellst sicher, dass Features und Labels absolut sauber und "Leakage-sicher" definiert sind.

• Experimentation-Framework: Du baust ein belastbares Mess-System auf (Holdouts, A/B-Tests, Guardrails) und definierst glasklare Kriterien für Rollout-Entscheidungen.

• Engineering-Grade ML: Du etablierst Standards für Backtesting, Reproduzierbarkeit und Versionierung. Bei uns heißt es:
  Engineering-Quality statt Notebook-only.

• Reliable Operations: Du sicherst den Betrieb durch smartes Monitoring, Drift-Erkennung und pragmatische Retraining-Mechanismen.

• Automation & Scale: Du automatisierst Prozesse mit hohem Hebel (Backtests, Monitoring-Checks), um Durchsatz und Qualität massiv zu steigern.

• Data Foundation: Wo es Sinn ergibt, designst du Datenmodelle direkt im Warehouse (Snowflake/dbt) als Basis für verlässliche Metriken und Features.

• Full Transparency: Du standardisierst Dashboards (z. B. Metabase) für unsere Business-KPIs und sorgst dafür, dass die Datenqualität über jeden Zweifel erhaben ist.

• Stakeholder‑Sparring: Du priorisierst
  
  Anforderungen gemeinsam mit Product & Revenue und übersetzt sie in ML‑Lösungen. Dein Motto:
  Impact vor Output.

• Deep
  
  Experience:
  
  Du hast 5+ Jahre relevante Erfahrung in ML Engineering, Data Science oder Analytics (oder einen entsprechenden Track Record, der uns überzeugt).

• Proven Impact: Du hast bereits nachweisbare Erfolge in den Bereichen Pricing, Revenue, Forecasting oder ähnlichen "Money-Systemen" erzielt.

• Evaluation-Pro: Du denkst in Offline‑vs‑Online, erkennst Bias/Leakage sofort und beherrschst das Einmaleins der robusten Metriken und Guardrails.

• Tech‑Stack: Deine Python- und SQL‑Skills sind auf Production‑Niveau (testbar, versioniert, reproduzierbar).

• Startup‑DNA: Du liebst das 80/20‑Prinzip, arbeitest extrem pragmatisch und willst volle Ownership für deine Themen.

• Sprachkenntnisse: Du kommunizierst fließend auf Deutsch und sicher auf Englisch.

• Domain‑Wissen: Erfahrung in Revenue Management oder Dynamic Pricing (z. B. Travel, Mobility, eCommerce).

• Demand‑Verständnis: Du weißt, wie Saisonalität, Events und Lead‑Times das Pricing beeinflussen.

• Modern Toolchain: Du bist fit in Analytics Engineering (dbt, Snowflake, Metabase) und weißt, wie man eine saubere Datenbasis baut.