Data Scientist Associé

VF Corporation recherche un Data Scientist Associé pour rejoindre notre équipe à Stabio, en Suisse.

Parlons du poste !

En tant que Data Scientist Associé chez VF Corporation, vous vous concentrerez sur la prévision de la demande pour notre activité mode et commerce de détail : anticiper ce que les consommateurs achèteront, où et quand, à travers les marques, les canaux et les marchés, y compris les produits et magasins avec peu ou pas d'historique de ventes.

Comment vous ferez la différence

Dans ce rôle, vous :

• Prévision de la demande : construirez des modèles de prévision au niveau produit, taille, magasin, canal et marché pour le Wholesale et le Direct-to-Consumer, en soutenant les achats, l'allocation, le réapprovisionnement et la planification.
• Prévision en démarrage à froid : contribuerez au travail de l'équipe sur la prévision de la demande pour les nouveaux produits, collections, magasins et marchés sans historique de ventes, un défi central dans la mode et au cœur de ce rôle.
• Méthodes de pointe : évaluerez et industrialiserez des modèles zero-shot et foundation pour les séries temporelles par rapport aux méthodes classiques et d'apprentissage automatique.
• Collaboration : participerez aux cas d'usage de l'IA et de l'IA générative, aiderez à surveiller les modèles déployés, et travaillerez avec les Data Engineers, DevOps, Product, Planning et Merchandising pour favoriser l'adoption, en présentant clairement les résultats et leurs limites aux parties prenantes.

Compétences pour réussir 

Il s'agit d'un poste de niveau associé : vous travaillerez au sein d'une équipe de prévision établie, avec un data scientist senior comme mentor, évoluant vers une prise en charge complète de vos modèles.

Compétences en prévision et data science (nous n'attendons pas que vous maîtrisiez tout ; plus vous en apportez, mieux c'est) :

• Prévision de la demande dans la mode et le commerce de détail : expérience pratique avec des cycles de vie courts des produits, forte saisonnalité, promotions et démarques, courbes de taille et de couleur, demande éparse et prévision hiérarchique.
• Prévision en démarrage à froid : approches basées sur les attributs et la similarité, embeddings produits, appariement similaire, transfert d'apprentissage et planification pré-saison.
• Modèles zero-shot et foundation pour séries temporelles : connaissance à jour de l'état de l'art (par ex., TimeGPT, Chronos, TimesFM), et capacité à comparer les performances zero-shot et fine-tuned face à des références solides.
• Fondations des séries temporelles : approches statistiques (ARIMA, ETS, Croston), apprentissage automatique et profond (par ex., Gradient Boosting, DeepAR, N-BEATS, N-HiTS), plus prévision probabiliste, backtesting et métriques telles que WMAPE et MASE.
• Python et bibliothèques ML : maîtrise de Python avec pandas, NumPy, scikit-learn, PyTorch ou TensorFlow, et bibliothèques de prévision comme statsmodels, StatsForecast, NeuralForecast.
• Statistiques et SQL : concepts clés du ML, tests d'hypothèses et A/B, optimisation d'hyperparamètres, et SQL efficace sur des données structurées à grande échelle.
• Notions d'IA générative : application pratique des LLM (prompting, embeddings, RAG).

Outils et plateformes (encore une fois, ce n'est pas une liste exhaustive ; plus vous en maîtrisez, mieux c'est) :

• Plateforme Databricks Lakehouse : notre plateforme principale. Expérience pratique de la mise en production de solutions data et machine learning avec Python, PySpark, SQL, Delta Lake, notebooks et Workflows.
• Prévision à grande échelle : entraînement et scoring de nombreux séries temporelles en parallèle sur Spark, avec Databricks Feature Engineering, MLflow et Unity Catalog.
• Pipelines et MLOps : pipelines de données et de features évolutifs avec Databricks Jobs et Pipelines, plus Git et CI/CD dans Azure DevOps.
• Prototypage rapide : front-ends légers (Streamlit + Databricks Apps ou équivalent) pour permettre aux parties prenantes d'interagir avec et de valider les prévisions.

Compétences business et collaboration :

• Compréhension business et impact : traduire les problématiques de planification, achat, allocation et merchandising en solutions data science à valeur mesurable.
• Collaboration interfonctionnelle : expliquer les prévisions, leurs hypothèses et limites à des publics non techniques dans les domaines business, planification et ingénierie.
• Curiosité et méthodes de travail : habitude de suivre la recherche de pointe en prévision, adaptable et bien organisé, anglais courant avec d'excellentes compétences en communication.

Formation et expérience :

• Formation requise : licence (master un plus) en data science, statistiques, informatique, ingénierie ou domaine connexe, avec environ 1-2 ans d'expérience en data science et prévision.
• Expérience sectorielle : expérience dans la mode, l'habillement ou le commerce de détail avec exposition à la planification de la demande, au merchandising ou à la chaîne d'approvisionnement est un atout majeur.

Ce que nous vous offrons

Nous sommes dans le métier de libérer le potentiel humain, porté par les idées, l'énergie et l'engagement de nos collaborateurs. C'est pourquoi nous proposons des avantages complets qui encouragent le bien-être mental, physique et financier de tous les associés VF. En matière d'avantages, nous sommes le package complet.

• Une culture de feedback soutenante où le respect et l'intégrité guident nos actions

• Un environnement international inclusif où des personnes de divers horizons, modes de vie et nationalités aiment travailler ensemble

• Faites partie d'une marque lifestyle emblématique dans une organisation multi-marques et multi-pays

• Une salle de sport sur site offrant des initiatives santé et bien-être

• Une carte de réduction de 50 % sur toutes les marques VF

• Des espaces détente avec boissons chaudes offertes

Free to Be, Inclusion & Diversité 

En tant qu'employeur garantissant l'égalité des chances, nous nous efforçons de favoriser une culture d'appartenance basée sur le respect, la connexion, l'ouverture et l'authenticité. Nous nous engageons à construire et maintenir un lieu de travail qui célèbre la diversité de nos associés, leur permettant d'être pleinement eux-mêmes chaque jour.