Associate Data Scientist

Die VF Corporation sucht einen Associate Data Scientist zur Verstärkung unseres Teams in Stabio, Schweiz.

Lassen Sie uns über die Rolle sprechen!

Als Associate Data Scientist bei der VF Corporation konzentrieren Sie sich auf die Nachfrageprognose für unser Mode- und Einzelhandelsgeschäft: Sie antizipieren, was Verbraucher kaufen werden, wo und wann, über Marken, Kanäle und Märkte hinweg, einschließlich Produkte und Geschäfte mit wenig oder keiner Verkaufshistorie.

Wie Sie einen Unterschied machen werden

In dieser Rolle werden Sie:

• Nachfrageprognose: Prognosemodelle auf Produkt-, Größen-, Geschäfts-, Kanal- und Marktebene über Großhandel und Direktvertrieb erstellen, um Einkauf, Zuteilung, Nachschub und Planung zu unterstützen.
• Cold-Start-Prognose: zur Arbeit des Teams beitragen, die Nachfrage für neue Produkte, Kollektionen, Geschäfte und Märkte ohne Verkaufshistorie vorherzusagen – eine zentrale Herausforderung in der Modebranche und Kern dieser Rolle.
• Modernste Methoden: Zero-Shot- und Foundation-Modelle für Zeitreihen gegen klassische und maschinelle Lern-Baselines benchmarken und produktiv einsetzen.
• Zusammenarbeit: zu KI- und Generative-KI-Anwendungsfällen beitragen, bei der Überwachung eingesetzter Modelle helfen und mit Data Engineers, DevOps, Produkt-, Planungs- und Merchandising-Teams zusammenarbeiten, um die Akzeptanz zu fördern, Ergebnisse und deren Grenzen klar gegenüber Stakeholdern präsentieren.

Erfolgsfähigkeiten 

Dies ist eine Position auf Associate-Ebene: Sie arbeiten in einem etablierten Prognoseteam mit einem Senior Data Scientist als Mentor und entwickeln sich hin zur vollständigen Verantwortung für Ihre Modelle.

Fähigkeiten in Prognose und Data Science (wir erwarten nicht alle; je mehr Sie mitbringen, desto besser):

• Nachfrageprognose in Mode und Einzelhandel: praktische Erfahrung mit kurzen Produktlebenszyklen, starker Saisonalität, Aktionen und Preisnachlässen, Größen- und Farbkurven, spärlicher Nachfrage und hierarchischer Prognose.
• Cold-Start-Prognose: attribut- und ähnlichkeitbasierte Ansätze, Produkteinbettungen, Like-for-Like-Abgleich, Transferlernen und Vor-Saison-Planung.
• Zero-Shot- und Foundation-Modelle für Zeitreihen: aktuelles Wissen über den Stand der Technik (z. B. TimeGPT, Chronos, TimesFM) und die Fähigkeit, Zero-Shot- gegen feinabgestimmte Leistung an starken Baselines zu benchmarken.
• Grundlagen der Zeitreihen: statistische (ARIMA, ETS, Croston), maschinelle Lern- und Deep-Learning-Methoden (z. B. Gradient Boosting, DeepAR, N-BEATS, N-HiTS), plus probabilistische Prognosen, Backtesting und Metriken wie WMAPE und MASE.
• Python und ML-Bibliotheken: fundierte Kenntnisse in Python mit pandas, NumPy, scikit-learn, PyTorch oder TensorFlow sowie Prognosebibliotheken wie statsmodels, StatsForecast, NeuralForecast.
• Statistik und SQL: Kernkonzepte des maschinellen Lernens, Hypothesen- und A/B-Tests, Hyperparameter-Optimierung und effizientes SQL für großskalierte strukturierte Daten.
• Grundlagen der Generativen KI: praktische Anwendung von LLMs (Prompting, Einbettungen, RAG).

Tools und Plattformen (ebenfalls keine Checkliste; je mehr Sie mitbringen, desto besser):

• Databricks Lakehouse Platform: unsere Kernplattform. Praktische Erfahrung in der Produktion von Daten- und Machine-Learning-Lösungen mit Python, PySpark, SQL, Delta Lake, Notebooks und Workflows.
• Prognosen im grossen Massstab: Training und Bewertung grosser Mengen von Zeitreihen parallel auf Spark mit Databricks Feature Engineering, MLflow und Unity Catalog.
• Pipelines und MLOps: skalierbare Daten- und Feature-Pipelines mit Databricks Jobs und Pipelines sowie Git und CI/CD in Azure DevOps.
• Schnelle Prototypenentwicklung: leichte Frontends (Streamlit + Databricks Apps oder Äquivalent), damit Stakeholder Prognosen interaktiv prüfen und validieren können.

Geschäfts- und Kollaborationsfähigkeiten:

• Geschäftsverständnis und Wirkung: Planungs-, Einkaufs-, Zuteilungs- und Merchandising-Probleme in datenwissenschaftliche Lösungen mit messbarem Wert übersetzen.
• Bereichsübergreifende Zusammenarbeit: Prognosen, deren Annahmen und Grenzen für nicht-technische Zielgruppen aus Geschäft, Planung und Technik verständlich erklären.
• Neugier und Arbeitsweise: Gewohnheit, aktuelle Prognoseforschung zu verfolgen, anpassungsfähig und gut organisiert, fließend in Englisch mit exzellenten Kommunikationsfähigkeiten.

Ausbildung und Erfahrung:

• Erforderlicher Hintergrund: Bachelor-Abschluss (Master von Vorteil) in Data Science, Statistik, Informatik, Ingenieurwesen oder einem verwandten Bereich mit etwa 1-2 Jahren Erfahrung in Data Science und Prognose.
• Branchenerfahrung: Erfahrung in Mode, Bekleidung oder Einzelhandel mit Bezug zu Bedarfsplanung, Merchandising oder Lieferkette ist ein starkes Plus.

Was Sie davon haben

Wir setzen uns dafür ein, menschliches Potenzial freizusetzen, angetrieben von den Ideen, der Energie und dem Engagement unserer Mitarbeitenden. Deshalb bieten wir umfassende Leistungen, die das mentale, körperliche und finanzielle Wohlbefinden aller VF-Mitarbeitenden fördern. Bei den Leistungen sind wir das Rundum-Paket.

• Eine unterstützende, feedbackorientierte Kultur, in der Respekt und Integrität unser Handeln leiten

• Ein inklusives internationales Umfeld, in dem Menschen unterschiedlicher Herkunft, Lebensstile und Nationalitäten gerne zusammenarbeiten

• Teil einer ikonischen Lifestyle-Marke in einer Multi-Brand- und Multi-Länder-Organisation sein

• Ein Fitnessstudio vor Ort mit Gesundheits- und Wellnessangeboten

• Eine Rabattkarte mit 50 % auf alle VF-Marken

• Aufenthaltsbereiche mit kostenlosen Heißgetränken

Free to Be, Inklusion & Diversität

Als Arbeitgeber, der Chancengleichheit fördert, streben wir eine Kultur der Zugehörigkeit an, die auf Respekt, Verbindung, Offenheit und Authentizität basiert. Wir verpflichten uns, einen Arbeitsplatz zu schaffen und zu erhalten, der die Vielfalt unserer Mitarbeitenden feiert und es ihnen ermöglicht, jeden Tag ihr authentisches Selbst einzubringen.