Data Scientist (m/w/d)

risiq ist ein aufregendes SaaS-Scale-up, das das Risikomanagement für Banken und Finanzinstitute revolutioniert: automatische, in Echtzeit und skalierbare Risikoberechnung im ESG-Framework.

In dieser Rolle unterstützt du unser Data Science Team dabei, komplexe Datensätze zu analysieren, Data-Lake-Strukturen aufzubauen und datengetriebene Produkte sowie Modelle für Ribeca und unsere neuen Produktlinien zu entwickeln. Du arbeitest mit großen Datenmengen, entwickelst Analysen, die Erkenntnisse bringen, und hilfst dabei, dass Data-Insights direkt in Produktentwicklung und Modelling einfließen. Wir suchen jemanden, der analytisch stark ist, schnell lernt und Lust darauf hat, Daten zum Leben zu erwecken.

• Datenanalyse & Exploration: Du analysierst komplexe Datensätze – verstehst ihre Struktur, identifizierst Patterns, erkennst Anomalien und Data Quality Issues. Du packst praktisch an mit SQL, Python oder ähnlich und lernst, echte Daten strategisch zu verstehen.

• Data-Lake Strukturen & Aufbau: Du unterstützt beim Aufbau von Data-Lake-Strukturen – wie organisieren wir Daten sinnvoll, wie stellen wir sicher, dass sie zugänglich und nutzbar sind, wie skaliert das mit unserem Wachstum. Du lernst echte Data Architecture.

• Data Pipeline Development: Du entwickelst und implementierst Data Pipelines und Transformationen – ETL-Prozesse, Datenflüsse von Quelle bis Modell. Du stellst sicher, dass Daten sauber und strukturiert ankommen.

• Datengetriebene Insights & Analysen: Du entwickelst Analysen und Visualisierungen, die echte Business-Fragen beantworten. Du packst analytisch an – von exploratory Analysis bis zu statistischen Modellen.

• Product-Data Collaboration: Du arbeitest eng mit Product, Modelling und Engineering zusammen – was brauchen sie an Daten, welche Analysen unterstützen neue Features, welche Data-Insights sind wertvoll für Produkt-Entscheidungen.

• Ribeca & neue Produktlinien: Du unterstützt bei der Datenanalyse und Datenaufbereitung für Ribeca und unsere neuen Produktlinien. Du stellst sicher, dass diese Produkte auf soliden Data Insights stehen.

• Datenqualität & Standards: Du entwickelst Data Quality Checks, dokumentierst Datenflüsse und hilfst dabei, eine Data Culture aufzubauen – wo jeder versteht, woher Daten kommen und wie man sie nutzt.

• Datenanalyse & Statistik: Du hast erste Erfahrung mit Datenanalyse und statistischen Methoden – Python, R, SQL oder ähnlich. Du kennst die Basics und bist nicht eingeschüchtert von Code und Mathematik.

• Data-Verständnis: Du interessierst dich für Daten – wie sie strukturiert sind, wo Insights versteckt sind, wie man sie nutzt. Du magst es, in komplexen Datensätzen zu graben.

• Analytisches Denken: Du kannst Datenprobleme systematisch analysieren und in klare, nachvollziehbare Insights überführen. Du magst es, tiefer zu graben und Patterns zu erkennen.

• Organisationsfähigkeit: Du behältst den Überblick – über Analysen, Datenflüsse, Dokumentation. Du bist strukturiert und dokumentierst deine Arbeit.

• Eigeninitiative: Du wartest nicht darauf, dass dir alles erklärt wird. Du packst an, lernst schnell und fragst zur Richtungsklarheit.

• Data Science oder Analytics Background: Du hast eine Ausbildung oder ein Studium im Bereich Data Science, Statistics, Analytics, Mathematik oder ähnlich.

• Python & SQL: Du kannst sicher mit SQL umgehen und hast praktische Erfahrung mit Python – oder ähnliche Programmiersprachen.

• Machine Learning Grundlagen: Du kennst die Basics von Machine Learning – Supervised/Unsupervised Learning, Model Evaluation, Feature Engineering.

• Visualisierung & Kommunikation: Du kannst Daten visualisieren und komplexe Insights so erklären, dass auch Nicht-Data-Scientist sie verstehen.

• Finanzsektor oder Big Data: Du hast erste Erfahrung mit Finanzdaten, Banking oder großen Datenmengen – oder große Lust, das zu lernen.

• Englisch: Gutes Englisch – wir sind international tätig.

• Du arbeitest an echten Data Problems: Nicht Lehrbuch-Aufgaben – echte Datenmengen, echte Challenges, echte Impact. Deine Analysen ermöglichen Produktentwicklung, Modelling und Business-Entscheidungen.

• Du lernst Data Science in der Praxis: Du baust echte Pipelines, entwickelst echte Analysen, stellst echte Insights bereit. Das ist praktische, angewandte Data Science.

• Schnelle Entwicklung: In einem Scale-up entwickelst du dich schnell. Du kannst von Associate zu Senior Associate zu Senior Data Scientist aufsteigen – wenn du gut bist.

• Ein Team, das unterstützt: Dein Senior Data Scientist oder Lead hilft dir. Modelling Teams erklären ihre Anforderungen. Product erklärt Use Cases. Engineering erklärt Infrastruktur. Jeder packt an.

• Direkte Zusammenarbeit mit Tech- und Business-Teams: Du arbeitest eng mit Engineering, Product, Modelling und Finance zusammen. Deine Insights haben direkten Impact auf neue Features und Produkte.

• Data Culture: Du hilfst dabei, eine Data Culture aufzubauen – wo Entscheidungen datengetrieben sind und jeder versteht, woher die Insights kommen.

• Praxisorientiert: Nicht nur theoretisch. Du lernst, wie echte Data Science in einem SaaS-Scale-up für Finanzsektor funktioniert – mit echten Constraints, echten Anforderungen, echtem Impact.