In één oogopslag
- Taken: Voer modellen uit die de waarde van gebruikers voorspellen en beslissingen over uitgaven nemen.
- Bedrijf: Snelle adtech startup met een focus op groei en innovatie.
- Voordelen: Directe impact op inkomsten, flexibele werkuren en ruimte voor groei.
- Overige informatie: Klein team met veel autonomie en mogelijkheden om je eigen stempel te drukken.
- Waarom deze baan: Werk aan uitdagende problemen met echte impact in een snelgroeiende omgeving.
- Kwalificaties: Minimaal 4 jaar ervaring als data scientist met hands-on modelontwikkeling.
Het verwachte salaris ligt tussen 63000 - 77000 € per jaar.
Scrambly is one of the fastest-growing adtech startups in the world, featured in the AppsFlyer Performance Index and Singular ROI Index in just 3.5 years. We are growing 250%+ YoY across revenue, team, product, and technology — fully bootstrapped and profitable. We are building the future of app discovery: a reward-powered alternative to the App Store and Google Play. Our loyalty-driven ecosystem connects millions of users with the world's top apps and delivers unmatched, ROI-focused growth for mobile advertisers. Onze missie is om een echte alternatieve app store te bouwen — aangedreven door beloningen en data — en een nieuwe, prestatiegerichte groeimotor voor mobiele app-adverteerders te creëren.
We zijn op zoek naar een Senior Data Scientist om de modellen te beheren achter hoe Scrambly geld uitgeeft en verdient — wat onze gebruikers waard zijn, wat we zouden moeten betalen om ze te verwerven en te belonen, en hoe we het ecosysteem vrij van misbruik houden. Het centrum van de rol is het voorspellen van gebruikers- en cohortwaarde — het voorspellen van wat mensen waard zullen zijn op basis van vroege signalen, en het nauwkeurig houden van die voorspellingen naarmate het product en de markt veranderen. Rondom dit centrale probleem bevinden zich een reeks verbonden problemen op het gebied van marketing, monetisatie en risico, elk van welke een voorspelling omzet in een beslissing waar het bedrijf op handelt.
Je zult de modellering van begin tot eind beheren: het probleem kaderen, het model bouwen, beslissen hoe het wordt geëvalueerd, en ermee doorgaan zodra het live is. Je doet dit niet alleen — je werkt nauw samen met onze engineers aan data, pipelines, service en integratie. Dit is een vroege aanwerving in een datateam dat vanaf nul wordt opgebouwd, rapporterend aan en dagelijks werkend met de Head of Data. We zijn flexibel qua niveau. De titel weerspiegelt het eigenaarschap en de onafhankelijkheid die de rol met zich meebrengt, niet een harde ervaringseis — we zullen het niveau, de titel en de compensatie afstemmen op wat jij meebrengt.
Belangrijkste verantwoordelijkheden:
- Waardevoorspelling. Beheer en verbeter hoe we de waarde van gebruikers en cohorten voorspellen op basis van vroeg gedrag, over onze verschillende inkomstenstromen.
- Bieden en prijzen. Bouw de modellering die bepaalt wat we bereid zijn te betalen om gebruikers te verwerven, samen met de controles die de uitgaven binnen de margelimits houden terwijl het systeem nog leert.
- Segmentatie en targeting. Bouw de scoring en segmentatie die ons in staat stelt om gebruikers, partners en inventaris te behandelen volgens de waarde die ze daadwerkelijk leveren.
- Fraude en misbruik. Verbeter de nauwkeurigheid van onze fraudemodellen en balanceer het vangen van misbruik tegen het onterecht straffen van echte gebruikers.
- Evaluatie. Beslis hoe elk model wordt beoordeeld en houd die lijn vast — discipline bij out-of-sample, backtesting, en het kiezen van metrics die het commerciële doel weerspiegelen in plaats van het handige.
- Samenwerking. Werk samen met de Head of Data over prioritering, met onze engineers aan datapunten en service, en met commerciële teams om modeloutput om te zetten in beslissingen die zij vertrouwen.
Vereisten:
- 4+ jaar als data scientist met ervaring in productie-modellen die echte beslissingen aandrijven.
- Hands-on ervaring met LTV of ROAS-voorspelling.
- Achtergrond in adtech of mobiele prestatiemarkt.
- Sterke Python en SQL-vaardigheden, met productie-ervaring op een cloud data warehouse — BigQuery heeft de voorkeur.
- Ervaring met modellen die in productie zijn genomen en werden gebruikt om echte beslissingen te nemen.
- Commerciële beoordeling en duidelijke communicatie.
- Proactieve, zelfgestuurde manier van werken.
- Engels op B2+-niveau, zowel schriftelijk als mondeling.
Aanvullende vaardigheden:
- Biedsystemen, prijsbepaling of budgetallocatie.
- Fraude, anomaliedetectie of trust & safety-modellering.
- Experimentatie en causale inferentie.
- Survival, hiërarchische of Bayesian-methoden toegepast op retentie, monetisatie of sparse-segmentproblemen.
- Ervaring met BQML, Dataform, of dbt.
- Zelfstandig modellen implementeren en monitoren.
Wat wij bieden:
- Eigenaarschap van de modellen die UA-uitgaven, aanbodbetalingen en fraudebeslissingen bepalen.
- Problemen met echte diepgang: langetermijnvoorspelling, adaptiviteit, prijsstelling onder onzekerheid, en fraude met onvolledige grondwaarheden.
- Een nauwe samenwerking met de Head of Data en ruimte om te groeien naarmate het team uitbreidt.
- Een niveau en compensatie afgestemd op wat jij meebrengt.
- Een winstgevend, bootstrapped bedrijf dat 250%+ YoY groeit.
Senior Data Scientist in Amsterdam werkgever: Scrambly
Scrambly is een snelgroeiende adtech startup die een unieke kans biedt voor Senior Backend Engineers om te werken aan innovatieve systemen die miljoenen gebruikers wereldwijd bedienen. Met een cultuur die kennisdeling, mentorship en code reviews bevordert, krijg je de kans om je vaardigheden te ontwikkelen in een dynamische omgeving waar jouw werk directe impact heeft op gebruikerservaringen. Bovendien biedt Scrambly een competitief salaris en flexibele werkopties, waardoor het een aantrekkelijke werkgever is voor professionals die betekenisvol en uitdagend werk zoeken.
Hupjob Expertadvies🤫
Zo denken wij dat je Senior Data Scientist in Amsterdam kunt binnenhalen
✨Duik in de Data Science Communities
Data science draait om kennis delen en leren van elkaar. Sluit je aan bij online communities zoals Kaggle, GitHub en Stack Overflow. Deel je projectwerk en leer van anderen – dit kan leiden tot waardevolle connecties en zelfs een sollicitatie bij Scrambly!
✨Neem deel aan Hackathons
Hackathons zijn een geweldige manier om je vaardigheden in de praktijk te brengen en jezelf te laten zien. Veel bedrijven, waaronder Scrambly, zoeken kandidaten die hun creativiteit en probleemoplossend vermogen kunnen demonstreren. Maak gebruik van deze evenementen om je netwerk uit te breiden.
✨Show je Expertise met Projecten
Laat je skills zien met een publiek portfolio! Zorg ervoor dat je een paar interessante projecten hebt die jouw datavisualisatie, statistiek en machine learning vaardigheden tonen. Plaats ze op platforms zoals GitHub of je eigen website – zo laat je zien wat je kan bij Scrambly.
✨Pas je Sollicitatie aan voor Geschiktheid
Bij fulltime data science functies is het belangrijk om je sollicitatie specifiek te maken voor de rol bij Scrambly. Kijk goed naar de vereisten en match je vaardigheden en ervaring aan wat zij zoeken. Dit maakt het veel waarschijnlijker dat ze jou uitnodigen voor een gesprek!
Wij denken dat je deze vaardigheden nodig hebt om als Senior Data Scientist in Amsterdam te schitteren
Een paar tips voor je sollicitatie 🫡
Laat je technische vaardigheden zien!:In de data-science wereld willen we je technische bekwaamheden echt zien. Zorg ervoor dat je kennis van programmeertalen zoals Python of R, evenals je ervaring met data-analysetools en -technieken, duidelijk naar voren komen in je CV. Dit is een kans om je talenten in statistiek en machine learning te benadrukken, zodat Scrambly ziet dat jij hun ideale kandidaat bent!
Geef je projecten een spotlight:Vergeet niet om eventuele data-projecten of analyses die je al hebt uitgevoerd op te nemen. Heb je bijvoorbeeld een GitHub-account? Voeg dat toe! Dit is een toffe manier om je praktische ervaring te laten zien, wat de recruiter van Scrambly echt zal aanspreken. Laat zien hoe je problemen hebt opgelost en dat je in staat bent om inzichten uit data te halen!
Wees duidelijk over je doelen:Aangezien het om een fulltime rol gaat, is het belangrijk dat je in je motivatiebrief je doelen en ambities duidelijk maakt. Wat hoop je te leren en te bereiken in deze functie bij Scrambly? Laat zien dat je niet alleen geïnteresseerd bent in de functie, maar ook in wat je kunt bijdragen aan het team en het bedrijf.
Ondersteun je ervaring met data:Naast je technische vaardigheden, is het ook cruciaal om je eerdere ervaring te onderbouwen met concrete resultaten. Heb je analyses uitgevoerd die hebben geleid tot verbetering van processen of het nemen van strategische beslissingen? Geef cijfers en voorbeelden in je CV en motivatiebrief, zodat Scrambly ziet dat je kennis van data echt impact heeft gehad.
Zo bereid je je voor op een sollicitatiegesprek bij Scrambly
✨Show je dataskills
Zorg ervoor dat je goed voorbereid bent op technische vragen die je dataskills testen. Bereid je voor op vragen over data-analyse, statistiek en machine learning. Wij moeten ook kunnen zien dat je vertrouwd bent met tools zoals Python, R of SQL.
✨Breng je portfolio mee
Als data scientist is je portfolio cruciaal. Zorg ervoor dat je een aantal projecten hebt waar je trots op bent en die je kunt presenteren. Leg de nadruk op wat je hebt geleerd en hoe je de resultaten hebt toegepast. Dit laat zien dat je niet alleen kennis hebt, maar ook de toepassing ervan begrijpt.
✨Ken de data van Scrambly
Neem de tijd om inzicht te krijgen in de datasets waar Scrambly mee werkt. Dit kan je helpen om tijdens het gesprek specifieke voorbeelden te geven van hoe jouw vaardigheden en ervaring aansluiten bij hun behoeften. Dit toont niet alleen jouw interesse, maar ook dat je al nadenkt over hoe je een bijdrage kunt leveren.
✨Leef je in in de business case
Tijdens de interviews kunnen ze je vragen om een business case te analyseren of oplossingen voor te stellen op basis van gegevens. Dit is een kans om je analytische vaardigheden te laten zien, dus zorg ervoor dat je niet alleen de technische kanten belicht, maar ook hoe jouw aanpak waarde toevoegt aan het bedrijf.
