Data Scientist / Data Analytics ما به دنبال یک تحلیلگر داده و دانشمند داده (Data Analyst / Data Scientist) با تجربه در تحلیل داده، مدلسازی آماری، یادگیری ماشین و توسعه سیستمهای پیشبینی هستیم تا با ایجاد مدلهای تحلیلی و هوشمند، به برآورد تقاضا، پیشبینی روند بازار، شناسایی ریسکهای زنجیره تأمین، بهینهسازی فرآیندها و بهبود تصمیمگیریهای کسبوکار کمک کند. این نقش شامل کار با انواع دادههای ساختاریافته و غیرساختاریافته، استخراج و یکپارچهسازی دادهها از منابع مختلف، اعتبارسنجی و پاکسازی دادهها، تحلیل روندها، توسعه مدلهای Machine Learning و ایجاد سیستمهای Forecasting قابل استفاده در محیط عملیاتی است. جنسیت: بدون محدودیت سابقه: حداقل ۳ سال تجربه کاری مرتبط در حوزههای Data Science، Data Analytics، Machine Learning، Forecasting یا Supply Chain Analytics مسئولیتها: • جمعآوری و استخراج دادههای مورد نیاز از منابع مختلف شامل پایگاههای داده رابطهای و غیررابطهای، REST API، فایلها و منابع داده خارجی • بررسی، اعتبارسنجی و ارزیابی کیفیت دادهها (Data Validation & Data Quality Assessment) • شناسایی و اصلاح خطاها، ناسازگاریها، دادههای ناقص و پرت (Data Cleaning & Data Correction) • پاکسازی، پردازش، تبدیل و آمادهسازی دادههای ساختاریافته و غیرساختاریافته برای تحلیل و مدلسازی • یکپارچهسازی دادهها از منابع مختلف شامل دادههای فروش، سفارشات، موجودی، تولید، حملونقل، تجارت، لجستیک و زنجیره تأمین • سازماندهی و ساختاردهی انواع دادهها شامل دادههای کمی، کیفی، متنی و دادههای مکانی (Geospatial Data) • تحلیل دادههای تاریخی فروش، سفارشات، موجودی، تولید و عملیات زنجیره تأمین • انجام تحلیل اکتشافی دادهها (Exploratory Data Analysis - EDA) و شناسایی الگوها، روندها و ناهنجاریها • شناسایی عوامل مؤثر بر تغییرات تقاضا، عرضه، قیمت، موجودی و رفتار بازار • توسعه و بهبود مدلهای پیشبینی تقاضا (Demand Forecasting) • طراحی مدلهای پیشبینی عرضه، موجودی و جریان کالا • تحلیل روندهای بازار، رفتار مشتریان و شاخصهای اقتصادی مؤثر بر زنجیره تأمین • توسعه مدلهای آماری و Machine Learning برای پیشبینی و تصمیمگیری دادهمحور • طراحی و پیادهسازی سیستمهای End-to-End Forecasting برای تقاضا، موجودی و جریان کالا • توسعه مدلهای پیشرفته سری زمانی (Time Series Modeling) • طراحی Feature Engineering برای دادههای زنجیره تأمین شامل تقاضا، قیمت، فصلی بودن، رویدادها، عوامل اقتصادی، شرایط بازار • تحلیل روابط علت و معلولی (Causal Relationship Analysis) بین عوامل خارجی و رفتار تقاضا • طراحی مدلهای Hierarchical Forecasting در سطوح مختلف مانند SKU- Category- Region- Market Segment • توسعه مدلهای Machine Learning برای پیشبینی با استفاده از دادههای ساختاریافته و غیرساختاریافته • ارزیابی، بهینهسازی و افزایش دقت مدلهای پیشبینی • استفاده از روشهای Explainable AI برای تحلیل تأثیر ویژگیها و خروجی مدلها • طراحی سناریوهای مختلف برای مدیریت ریسک، اختلالات زنجیره تأمین و تحلیل اثرات احتمالی • توسعه مدلهای تحلیلی برای شناسایی گلوگاهها، وابستگیهای تأمین، ریسکهای لجستیکی و فرصتهای بهبود • ایجاد و توسعه Data Pipeline برای استخراج، پردازش، انتقال و آمادهسازی دادهها • ایجاد فرآیندهای اتوماسیون داده و توسعه APIهای مورد نیاز برای ارتباط سیستمها • ایجاد سیستمهای Logging، Monitoring و کنترل کیفیت دادهها برای اطمینان از صحت و قابلیت اطمینان دادهها • طراحی و توسعه فرآیندهای ETL/ELT و آمادهسازی زیرساخت داده برای مدلهای تحلیلی و Machine Learning • مستندسازی فرآیندهای داده، مدلها، تحلیلها و نتایج حاصل از پروژهها • توسعه و استفاده از AI Agentها و ابزارهای مبتنی بر LLM برای تحلیل داده، اتوماسیون فرآیندها و پشتیبانی از تصمیمگیری
مهارتها : برنامهنویسی و تحلیل داده: Python – R – SQL – Pandas – NumPy – Scikit-learn – Matplotlib – Data Visualization Machine Learning: • مدلهای Regression و Classification • Supervised و Unsupervised Learning • Feature Engineering • Model Selection و Optimization • Random Forest • XGBoost • LightGBM • CatBoost • Neural Networks • Deep Learning • LSTM مدلهای سری زمانی و forecasting: • Time Series Analysis • Moving Average • Exponential Smoothing • Holt-Winters • ARIMA / SARIMA • Prophet • Advanced Forecasting Models مدیریت داده: • طراحی و توسعه Data Pipeline • ETL / ELT Processes • Data Integration • Data Quality Management • Data Warehouse / Data Lake Concepts • REST API • Database Design AI: • تجربه کار با AI Agentها و ابزارهای مبتنی بر LLM Supply Chain Analytics: • Demand Planning • Inventory Analytics • Logistics Analytics • Supply Chain Risk Management • Retail Analytics • Manufacturing Analytics ابزارهای توسعه و استقرار : • Git • Docker • Data version control • MLflow • Cloud Platforms • Monitoring و Model Deployment