Poszukujemy doświadczonego Managera Data Science, który realnie wpłynie na wyniki fabryki i sposób podejmowania decyzji w organizacji. Jako Data Science Manager zbudujesz i rozwiniesz zespół Data Scientistów i ML Engineerów, współpracując bezpośrednio z produkcją, jakością, utrzymaniem ruchu i logistyką, a także koordynując współpracę z zewnętrzną firmą specjalizującą się w analizie danych.

Będziesz kluczową osobą w transformacji cyfrowej zakładów (IoT, predictive maintenance, computer vision, digital twins), z realnym wpływem na OEE, scrap, koszty i efektywność procesów. To propozycja dla osoby, która chce połączyć rozwój eksperckiego zespołu AI/ML z odpowiedzialnością za strategiczne inicjatywy data‑driven w międzynarodowym środowisku produkcyjnym.

Wynagrodzenie:

35 000 - 40 000 zł brutto

Wymagania:

• Wykształcenie wyższe – preferowane kierunki: inżynieria, data science, statystyka, automatyka, inżynieria produkcji, zarządzanie przemysłowe lub pokrewne.
• Min. 8 lat doświadczenia w obszarze analityki produkcyjnej, data science w przemyśle, operational excellence lub digital transformation w środowisku produkcyjnym.
• Udokumentowane doświadczenie w budowaniu i zarządzaniu zespołami (rekrutacja, rozwój, ocena, wyznaczanie kierunku, motywowanie, delegowanie zadań).
• Praktyczne doświadczenie w prowadzeniu projektów cross funkcyjnych z udziałem produkcji, jakości, utrzymania ruchu, inżynierii i IT/OT, z mierzalnym wpływem na KPI (OEE, scrap, wydajność, koszty).
• Bardzo dobra znajomość Python i SQL oraz doświadczenie w pracy z narzędziami BI (np. Power BI) i systemami produkcyjnymi (MES, SCADA, ERP/SAP lub podobne).
• Dobra znajomość metod TPM / Lean / Six Sigma lub zbliżonych podejść do Operational Excellence i Continuous Improvement.
• Umiejętność przekładania problemów biznesowych na projekty data science oraz prezentowania wyników w formie zrozumiałej dla kadry zarządzającej i zespołów operacyjnych (data storytelling).
• Doświadczenie w zarządzaniu zmianą, wdrażaniu narzędzi cyfrowych i wspieraniu adopcji rozwiązań digital w zespołach produkcyjnych.
• Bardzo dobre umiejętności komunikacyjne, zdolność współpracy w środowisku międzynarodowym i macierzowym, nastawienie na ciągłe doskonalenie i zrównoważony rozwój.
• Bardzo dobra znajomość języka angielskiego, komunikatywna znajomość języka niemieckiego będzie dodatkowym atutem.
• Dyspozycyjność do pracy w trybie stacjonarnym (kluczowe dla budowania i rozwijania zespołu oraz bliskiej współpracy z zespołami operacyjnymi i liderami obszarów).

Do Twoich zadań będzie należało:

• Budowanie i rozwijanie zespołu Data Scientistów / ML Engineerów (rekrutacja, onboarding, wyznaczanie celów, mentoring, rozwój kompetencji).
• Ustalanie wizji, strategii i roadmapy projektów data science dla obszaru produkcji, jakości, utrzymania ruchu i logistyki, w ścisłej współpracy z lokalnym i globalnym biznesem.
• Prowadzenie projektów z zakresu data science & advanced analytics nastawionych na poprawę kluczowych wskaźników produkcyjnych (OEE, wydajność, jakość, zużycie energii, scrap).
• Projektowanie i nadzór nad wdrażaniem modeli predykcyjnych i preskrypcyjnych (m.in. predictive maintenance, optymalizacja procesów, detekcja anomalii, kontrola jakości online).
• Współpraca z zakładami produkcyjnymi i centralą przy tworzeniu narzędzi AI/ML, które proaktywnie identyfikują straty, ryzyka i możliwości poprawy.
• Budowa i nadzór nad pipeline’ami danych oraz automatyzacją modeli, tak aby rozwiązania mogły być skalowane na wiele linii i zakładów.
• Tworzenie i rozwój rozwiązań digital & analytics dla fabryk (dashboardy, wizualizacje, storytelling danych w Power BI / podobnych narzędziach) na potrzeby liderów linii i zespołów operacyjnych.
• Wspieranie inicjatyw Operational Excellence / Continuous Improvement (np. TPM, Lean) poprzez analitykę: identyfikacja przyczyn źródłowych, priorytetyzacja działań, kwantyfikacja efektów.
• Pełnienie roli lidera digital manufacturing – współtworzenie i realizacja roadmapy transformacji cyfrowej zakładów (IoT, digital boards, integracja systemów, nowe technologie typu computer vision, digital twins).
• Rozwijanie kompetencji analitycznych i cyfrowych w zespołach produkcyjnych (szkolenia, coaching, promowanie kultury ciekawości, eksperymentowania i pracy opartej na danych).