Staff Data Scientist, Marketplace Intelligence and Forecasting

О позиции

Airbnb основана в 2007 году и сегодня объединяет более 5 миллионов хостов, принявших свыше 2 миллиардов гостей по всему миру. Команда Guest & Host Data Science отвечает за данные и продуктовые решения для всего маркетплейса. Позиция Staff Data Scientist открыта сразу по нескольким направлениям: рост продукта, ценообразование и оптимизация/ранжирование маркетплейса. Это удалённая роль для кандидатов, проживающих в штатах присутствия Airbnb в США.

Будет плюсом

• Опыт работы с двусторонними маркетплейсами (supply/demand)
• Знание методов оптимизации ранжирования и поиска (Learning to Rank)
• Практика внедрения AI-инструментов для масштабирования аналитики
• Опыт работы в роли tech lead или Staff+ Data Scientist

Условия

• Заработная плата: $200 000 — $242 000 в год (base pay)
• Возможность удалённой работы из любого подходящего штата США
• Бонусы и участие в программе акционерного капитала (equity)
• Расширенный социальный пакет (benefits)
• Employee Travel Credits — кредиты на путешествия
• Работа в команде мирового уровня над продуктом, которым пользуются миллионы людей

Навыки

• Causal Inference
• Machine Learning
• SQL
• Python
• R
• A/B Testing
• Experimentation
• Statistical Modeling
• Recommender Systems
• Search Ranking
• Pricing Optimization
• Data Products
• Product Analytics
• Natural Language Understanding
• Marketplace Dynamics
• Data Storytelling

Могут спросить на собеседовании

1. Опишите ситуацию, когда вам нужно было оценить влияние продуктового изменения без возможности провести чистый A/B-тест. Какой метод вы выбрали и почему?
2. Как бы вы подошли к построению системы ценовых рекомендаций для хостов, учитывая двустороннюю природу маркетплейса?
3. Расскажите о дата-продукте, который вы построили с нуля. Как вы определяли метрики успеха и обеспечивали его масштабируемость?
4. Как вы выстраиваете техническое лидерство в команде, где уровень экспертизы участников сильно варьируется?
5. Приведите пример, когда результаты вашего анализа изменили стратегическое решение на уровне продукта или бизнеса. Как вы донесли выводы до нетехнической аудитории?