Senior Statistiker / Senior Data Scientist (m/w/d) Pharma & Healthcare

IQVIA™ ist The Human Data Science Company™, die sich auf die Nutzung von Daten und Wissenschaft konzentriert, um Kunden im Gesundheitswesen dabei zu helfen, bessere Lösungen für ihre Patienten zu finden. IQVIA wurde durch den Zusammenschluss von IMS Health und Quintiles gegründet und bietet eine breite Palette von Lösungen, die Fortschritte in den Bereichen Gesundheitsinformationen, Technologie, Analytik und menschlichen Einfallsreichtum nutzen, um das Gesundheitswesen voranzutreiben. IQVIA beschäftigt 70.000 Mitarbeiter in mehr als 100 Ländern, die sich alle dafür einsetzen, das Potenzial von Human Data Science Wirklichkeit werden zu lassen.
Begleiten Sie uns auf unserer aufregenden Reise!

Senior Statistiker / Senior Data Scientist (m/w/d)
Pharma & Gesundheitswesen

Data Science and Advanced Analytics – mit Abteilungen in Frankfurt, Philadelphia, Paris und Mailand sowie einem Netzwerk von über 300 Experten weltweit – ist das globale Kompetenzzentrum für Data Science und Statistik bei IQVIA. Das Team ist verantwortlich für die Entwicklung statistischer, ökonometrischer und maschineller Lernmethoden zur Unterstützung internationaler Kunden in der Pharmaindustrie – oft im Rahmen multinationaler Projekte.

Der Beitritt zum Data Science- und Advanced Analytics-Team bietet die Möglichkeit, mit großen und komplexen Daten und Methoden in einer schnelllebigen, sich ständig ändernden Umgebung zu arbeiten. Als Mitglied unseres Teams erwarten Sie spannende lokale und internationale Projekte, eine Vielfalt in allen Bereichen der Statistik, Ökonometrie und Machine Learning sowie die Zusammenarbeit mit globalen Teams mit interessanten Entwicklungsmöglichkeiten.

• Konzept, Entwicklung und Erprobung neuer Methoden und Ansätze, um unseren Kunden maßgeschneiderte und standardisierte Lösungen zu liefern sowie Konzeptstudien durchzuführen
• Unterstützung bei der Implementierung und Bereitstellung neuer statistischer, ökonometrischer und maschineller Lerntechnologien und Innovationen (einschließlich Data Mining und maschinelles Lernen)
• Entwicklung von Lösungen und Technologien für maschinelles Lernen und Bereitstellung in großem Maßstab
• Arbeiten Sie mit verschiedenen komplexen Datenbeständen im Gesundheitswesen, einschließlich anonymisierter Daten auf Apotheken-, Patienten-, Arzt- und Krankenhausebene
• Mitarbeit in Innovationsprojekten für bestehende und neue Prozesse und Angebote
• Konzeption, Planung und Durchführung komplexer statistischer, ökonometrischer und maschineller Lerndatenanalysen zur Unterstützung von Entscheidungen im Gesundheitswesen
• Auswahl und Anwendung statistischer, ökonometrischer und maschineller Lerntechniken in Verbindung mit Pharma Big Data zur Erkennung komplexer Muster
• Strukturierte Aufbereitung, Visualisierung und Präsentation der Analyseergebnisse

• Master-Abschluss in Statistik, Wirtschaftswissenschaften/Ökonometrie, Data Science oder einem verwandten Bereich
• Mindestens 4-5 Jahre Berufserfahrung in quantitativer Datenanalyse oder Promotion mit mindestens 1 Jahr einschlägiger Berufserfahrung
• Gute Kenntnisse der höheren statistischen und ökonometrischen Methoden in Theorie und Praxis (einschließlich Machine Learning und Data Mining-Techniken)
• Erfahrung im Umgang mit Big Data (Data Mining)
• Fortgeschrittene Python ist ein Muss und weitere statistische Programmierkenntnisse in SAS/SQL sind von Vorteil
• Sehr gute Kenntnisse des MS Office Pakets (insbesondere Excel)
• Ausgezeichnete Kommunikationsfähigkeiten (schriftlich und mündlich), einschließlich technischer Aspekte eines Projekts, Fähigkeit zur Entwicklung brauchbarer Dokumentation, Ergebnisinterpretation und Geschäftsempfehlungen
• Gute Deutschkenntnisse (Note C) und sehr gute Englischkenntnisse
• Ausgeprägte analytische Denkweise und logisches Denkvermögen mit Fähigkeiten zur Problemlösung
• Innovatives Denken und Freude am Lösen von Herausforderungen
• Kenntnisse des pharmazeutischen Marktes und Erfahrung mit pharmazeutischen Daten (Medizin, Krankenhaus, Apotheke, Schadendaten) wären von Vorteil, aber kein Muss