Head of Data Science — ML и агентные системы

Paddle — Merchant of Record для компаний, продающих цифровые продукты. Компания предоставляет платёжную инфраструктуру, обслуживает более 10 000 продавцов ПО в 245 регионах мира. Инвесторы: KKR, FTV Capital, Kindred, Notion, 83North.

Роль: Head of Data Science, который построит направление data science в Paddle с нуля. Модель Merchant of Record даёт доступ к данным о подписках и ценообразовании вместе с детальными данными о платёжных исходах тысяч софтверных бизнесов. Задача — превратить это в экономическую ценность, внедряя машинное обучение и агентные системы в продакшен. Data science в Paddle отвечает за автоматизированное принятие решений внутри продукта — как традиционный ML, так и агентные системы, а не за аналитику поддержки решений.

Задачи:

• Приоритизировать возможности с наибольшим влиянием. Формировать бэклог use-case на основе ценности в областях: эффективность платежей и возврат выручки, операции продаж и маркетинга, рост и монетизация, риск, доверие и комплаенс. Оценивать ведущие кандидаты и определять последовательность с участием Product, Risk, RevOps и Finance. Пересматривать ежеквартально.
• Лично реализовывать первую систему от начала до конца: анализ и бэк-тест, признаки, модель, политику или агента, деплой, shadow- и A/B-тесты, доказывающие работоспособность. Не передавать спецификацию другим на реализацию.
• Эксплуатировать то, что внедрено. Отвечать за мониторинг, переобучение, реакцию на дрейф, обработку инцидентов и откат для живого принятия решений совместно с инженерными командами, чьи сервисы вызывают систему. Установить ожидание, что функция сама эксплуатирует свои системы, а не просто поставляет их.
• Работать как с традиционным ML, так и с агентными системами, честно определяя, что нужно для задачи: модель склонности или uplift, политика правил или агент с инструментами, evals на эталонных наборах ответов и трассировка наблюдаемости.
• Строить и руководить командой: нанимать senior data scientists, встроенных в ценные области, и machine learning engineers в хабе; задавать профессиональные стандарты, общие методы и переиспользуемые компоненты.
• Создавать продакшен-стек совместно с Data Platform и Engineering: воспроизводимые обучающие данные, код и артефакты; реестр моделей; inference-сервисы с требованиями к латентности, доступности и откату; исторически точные признаки для обратной реконструкции решений; eval-харнессы и трассировку для агентных workflow; мониторинг качества данных, дрейфа, производительности модели и экономических результатов. Начинать ad hoc, где достаточно, и переходить к платформизации после первых use-case.
• Отвечать за захват ценности от начала до конца. Shadow-тестировать и A/B-тестировать каждый деплой против текущей стратегии, переводить движение метрик в финансовое число по методологии, согласованной с Finance, и публиковать ежеквартальный отчёт о реализованной ценности.
• Устанавливать модель управления автоматизированным принятием решений: соразмерная оценка рисков, чёткое владение, требования к латентности и доступности, человеческая эскалация и откат — совместно с Legal, Privacy, Compliance и Risk по GDPR, EU AI Act и платёжным обязательствам, с подготовкой доказательств достаточно рано, чтобы влиять на дизайн.
• Определять границы и рабочие отношения с Product Science, Analytics Engineering.

Условия:

• Локации: Ирландия, Португалия, Великобритания.
• Зарплата: по договорённости.
• Роль founding: первые несколько кварталов — больше строительство, чем управление. Вы будете единственным человеком в функции.
• Подчинение VP of Data, тесное партнёрство с Product, Payments, Engineering, Risk и Finance.
• После подтверждения первых use-case — найм и руководство hub-and-spoke командой data scientists и machine learning engineers, встроенных в наиболее ценные бизнес-области.