ML-инженер CVM

Привет! Мы — Dodo Brands, международная компания, развивающая 2 бренда: Dodo Pizza, Drinkit. Мы разрабатываем мобильное приложение и сайт для заказа пиццы. Кроме того — собственную информационную систему Dodo IS, которая помогает пиццамейкерам приготовить заказ, курьерам привозить горячую пиццу, а менеджерам на смене и управляющим видеть, насколько эффективны процессы в пиццериях и кофейнях. Исторически наши ML-задачи были сфокусированы на CVM и разработке отдельных моделей под конкретные продуктовые фичи. Сейчас мы переходим к построению системы «динамического маркетинга».

В ее основе — общие фундаментальные модели, которые прогнозируют ключевые операционные показатели: нагрузку пиццерий, стоимость и время доставки. Предсказания этих моделей становятся богатыми фичами для CVM-слоя. Это позволит нам принимать более комплексные решения: например, предлагать скидку, учитывая не только жизненную ценность клиента (LTV), но и текущую загрузку кухни.

Именно для построения этого фундаментального слоя операционных моделей, которые станут «сердцем» для будущих CVM-инициатив, мы и ищем сильного специалиста.

Тебе предстоит

• Работать над полным циклом ML-моделей, которые лежат в основе экономики и клиентского опыта Додо.
• Разрабатывать и внедрять модели прогнозирования спроса для систем динамического ценообразования (Surge Pricing) и оптимизации стоимости доставки.
• Строить модели для предсказания операционной нагрузки пиццерий и точного времени доставки заказа (ETA).
• Активно участвовать в развитии нашей MLOps-культуры: выстраивать production-ready пайплайны и полный цикл жизни моделей, используя такие инструменты, как MLflow.
• Создавать и поддерживать инфраструктуру для Feature Store, который станет единым источником данных как для операционных, так и для CVM-моделей.
• Разрабатывать и внедрять рекомендательные системы (персональное меню, акции, апселл).
• Проводить A/B-тесты для проверки гипотез и оценивать экономический эффект от внедрения всех моделей — как операционных, так и рекомендательных.

Мы ожидаем

• 3+ года коммерческого опыта в Data Science с фокусом на решении операционных задач: построение моделей прогнозирования спроса (временные ряды) и динамического ценообразования.
• Уверенное владение Python, SQL и PySpark для работы с большими наборами данных.
• Глубокое понимание основ ML и опыт работы с большими наборами данных.
• Глубокие знания в области A/B-тестирования: от дизайна и корректного запуска до интерпретации результатов и оценки влияния на бизнес-метрики.
• Понимание юнит-экономики: Способность понимать, как ML-модели влияют на ключевые рычаги юнит-экономики (стоимость доставки, утилизация мощностей, labor cost), и умение связать технические метрики моделей (MAPE, RMSE) с итоговыми финансовыми показателями (выручка, прибыль).
• Умение выбирать оптимальные алгоритмы для решения конкретных задач для достижения максимальной пользы с минимальными усилиями.

Будет преимуществом:

• Опыт разработки рекомендательных систем или других моделей персонализации (CVM).