Data Scientist – Data-Driven Scheduling Optimization (w/m/d)

Das ist der Job

Dabei evaluieren wir bestehende Prozesse und Ansätze, integrieren externe Lösungen und entwickeln eigene skalierbare, nachhaltige Lösungen. Du arbeitest an zukunftsweisenden Lösungen mit hohem Impact für die Organisation und begleitest deren Umsetzung langfristig.

Das brauchst du

MS SQL Server) und/oder Grundlagen der Softwareentwicklung Sehr gute Deutsch- und Englischkenntnisse Und vor allem: Begeisterung dafür, die Nutzung von Data Analytics und Artificial Intelligence im TÜV SÜD voranzutreiben!

Darum lohnt es sich

Overview Seit 1866 gilt unsere Leidenschaft der Technik und der Sicherheit. Innovationen beeinflussen unser Leben in vielfältiger Weise. Für die Sicherheit von Menschen und der Gesellschaft setzen wir uns jeden Tag aufs Neue ein und schaffen Vertrauen in neue Technologien. Wir nehmen die Zukunft in die Hand.

Responsibilities Mitwirkung beim Aufbau eines zentralen Kompetenz-Hubs für die datengetriebene Optimierung von operativer Planung & Scheduling durch Konzeption und Entwicklung komplexer Optimierungs- & Data-Science-Lösungen zur Unterstützung der vielfältigen TÜV SÜD Geschäftsbereiche (z.B.

Forecasting-Modelle) und Artificial Intelligence, zur Verbesserung der Aufgaben- und Tourenplanung Aufbereitung & Visualisierung von Ergebnissen, sowie Ableitung praxisrelevanter Handlungsempfehlungen; Präsentation der analytischen Ansätze & Insights gegenüber Stakeholdern in den jeweiligen Fachbereichen Mitgestaltung & Begleitung von End-to-End-Implementierungsprojekten neuer Lösungen (Individualisierung von externen Lösungen, sowie Entwicklung/Skalierung eigener Lösungen) Enge Zusammenarbeit in agilen, interdisziplinären Projektteams mit weiteren Data Scientists, Software Developern & Fachexperten Proaktive Identifikation von Trends im Bereich Data Science & mathematischer Optimierung, sowie Aufbau eines fundierten Überblicks über marktgängige Tools zur Aufgabenplanung & Routenoptimierung Qualifications Erfolgreich abgeschlossenes Studium der Informatik, Physik, Mathematik, Statistik, VWL oder eine vergleichbare Qualifikation Mind. 3 Jahre Praxiserfahrung im Einsatz von Data-Science- und Optimierungsmethoden im Unternehmens- oder Beratungsumfeld Fundiertes Fachwissen im Bereich mathematischer Optimierung & Machine Learning, idealerweise mit Schwerpunkt auf Forecasting und Routenplanung Sicherer Umgang mit der Programmierung in Python im Data Science Umfeld und bei der Visualisierung von Daten Wünschenswert sind Erfahrungen mit MS Azure und Azure DevOps, Datenbankmanagementsystemen (bspw.

Further Information Über das Team: Wir bauen derzeit ein zentrales Kompetenzzentrum für die datengetriebene und analytische Optimierung operativer Planung auf. Mit deiner Expertise hilfst du uns beim Aufbau dieses neuen Teams und der strategischen Mitgestaltung des Hubs als Brücke zwischen Fachbereichen und Tech-Teams.

Neben einem sicheren Arbeitsplatz in einer angenehmen, kollegialen Atmosphäre erwartet dich ein spannendes und abwechslungsreiches Arbeitsumfeld bei der TÜV SÜD Digital Service GmbH. Wir bieten dir die Möglichkeit, Verantwortung zu übernehmen und Ideen umzusetzen.

Der Austausch und die Zusammenarbeit in einem internationalen Umfeld, Weiterbildungsangebote sowie viele soziale Leistungen runden unser Angebot ab. Wir sind Teil des Fortschritts. Wir beraten, wir prüfen, wir zertifizieren. Wir handeln aus Überzeugung, gestalten schon heute die Welt von morgen – setzen Zeichen.

Wir sind TÜV SÜD – 25.000 Mitarbeiter an weltweit 1.000 Standorten. Automotive, Medizintechnik oder Industrie Services) Umsetzung konkreter Use Cases durch den Einsatz mathematischer Optimierungsverfahren, Machine-Learning Algorithmen (z.B.

Unser Ziel ist es, die Organisation mit datenbasierten Lösungen bei der effizienteren Terminplanung und Disposition zu unterstützen z.B. in der Personaleinsatzplanung, Routenplanung und Prognosen. Wir leben flache Hierarchien und ein Prinzip der offenen Tür.

Details Seniority level: Associate Employment type: Full-time Job function: Engineering and Information Technology #J-18808-Ljbffr