Data Science und Data Analysis
Daten als Basis für zukunftsweisende EntscheidungenUnsere Data Scientistinnen und Data Scientisten analysieren grosse Datenmengen mit dem Ziel, Erkenntnisse zu generieren, Prozesse zu optimieren und innovative Produkte zu entwickeln. So wollen wir das ganze Potenzial aus der Digitalisierung ausschöpfen und die Mobiliar fit für die Zukunft machen.
Daten und Analytik bei der Mobiliar
Wir sind die persönlichste Versicherung der Schweiz. Daten helfen uns dabei, die Bedürfnisse unserer Kundinnen und Kunden zu verstehen und auf sie zugeschnittene Lösungen zu erarbeiten. Die Arbeit unserer Data Scientistinnen und Scientisten trägt wesentlich dazu bei.
Unter Berücksichtigung rechtlicher und ethischer Vorgaben aggregieren Sie interne und externe Datenquellen und erstellen darauf basierend Analysen und prädiktive Modelle. So erarbeiten Sie Entscheidungsgrundlagen für unsere Angebote und unser Management. Modelle werden auch direkt in unsere Applikationen im Schadenbereich, im Vertrieb, Marketing und weiteren integriert und tragen somit zur Optimierung und Vereinfachung der Produkte und Prozesse bei.
Unsere Mitarbeitenden im Bereich Daten und Analytik arbeiten in Bern und Zürich. Es erwarten Sie attraktive Arbeitsbedingungen mit modernsten Tools, flexiblen Arbeitsmodellen wie Home-Office sowie vielfältige Aufgaben in agilen, interdisziplinären Teams.
Die wichtigsten Berufe im Bereich Data Science
Data Scientistinnen und Data Scientisten arbeiten bei der Mobiliar in den folgenden Bereichen:
- Im Bereich Digital Analytics: Sie sammeln über digitale Zugänge Daten, analysieren diese und bereiten die Resultate auf. Sie nutzen prädiktive Modelle zur Datenanalyse, führen Statistiken durch und leiten daraus Empfehlungen ab, welche für die ganze Mobiliar zukunftsweisend sind.
- Im Bereich Customer Analytics: Sie konkretisieren Fragestellungen rund um unseren Kundenstamm mit Ihren internen Auftraggeberinnen und Auftraggebern und arbeiten eng mit internen Stakeholderinnen und Stakeholdern zusammen. Dazu wählen Sie die passenden Daten und Analyse-Methoden aus und gewinnen daraus wichtige Erkenntnisse. Basierend auf diesen Erkenntnissen ermöglichen Sie es, den Kontakt mit unseren Kundinnen und Kunden optimal zu gestalten.
- Im Bereich unstrukturierter Daten: Sie konzipieren, entwickeln und operationalisieren Machine Learning-Lösungen sowie datenbasierte Analysen und Methoden für die ganze Mobiliar Gruppe – dies hauptsächlich im Bereich der Texterkennung, aber auch in der Bild- und Spracherkennung. Dabei setzen Sie State-of-the-Art NLP und Deep Learning-Methoden ein.
Ihr Alltag in der Daten Analyse
Sie sind Teil eines interdisziplinären Scrum Teams, welches die Verantwortung für die Entwicklung, Umsetzung und Operationalisierung von Analytics Modellen hat (MLOps). Ihre Aufgaben ergeben sich durch Aufträge von internen Business Stakeholdern, strategischen Vorhaben sowie eigenen Ideen. Sie bereiten die nötigen Daten datenschutzkonform auf und unterstützen sie dabei, die richtigen Schlüsse zu ziehen. Dabei stehen Ihnen die neusten Technologien zur Verfügung: Sie arbeiten in Python, nutzen Data Science Libraries und verwenden Deep Learning Frameworks für Natural Language Processing und Bilderkennung.
Zudem sind Sie Teil einer internen Data Science Community (rund 20 Data Scientistinnen und Scientisten), welche sich regelmässig trifft, um eigene Use Cases zu challengen und best practices im Umgang mit Analysemethoden und Technologien zu besprechen.
Das bringen Sie mit
Sie verfügen nicht nur über das nötige technische Wissen, Daten mit verschiedenen Tools zu analysieren und aufzubereiten. Sie denken zudem gerne interdisziplinär, haben einen starken analytischen Background, und sind kreativ. Als Data Scientistin oder Scientist verstehen Sie es, komplexe Themen zu vereinfachen und zielgruppengerecht aufzubereiten – auch visuell. Zudem übernehmen Sie eine beratende Rolle und begleiten das Business von der Konzeption, über die Entwicklung, bis hin zum Betrieb. Sie sind neugierig auf neue Ansätze in Artificial Intelligence und Machine Learning.