首席数据科学家

负责设计和开发高级统计和机器学习模型，以改善索赔结果、运营效率和风险管理。担任复杂建模项目的技术权威，包括欺诈检测、索赔严重性预测、诉讼风险建模和恢复优化。使用结构化和非结构化索赔数据开发预测和处方模型，包括调整员笔记、医疗记录和政策文件。构建利用梯度提升、深度学习、NLP、异常检测和概率建模等现代技术的建模方法。与AI工程团队合作，将模型生产化并整合到企业AI平台和运营系统中。设计特征工程策略和建模流水线，使用大规模企业数据集。建立模型开发、实验、验证和可重复性的最佳实践。领导因果推断、情景模拟和风险评分方法等高级分析技术。构建并维护测量准确性、偏差、稳定性及业务影响的模型评估框架。监控部署模型的漂移、退化和数据分布变化，并推荐校准策略。为数据科学家和分析师提供技术指导。指导初级团队成员在统计方法、机器学习技术及分析严谨性方面。将复杂分析发现转化为清晰的可操作见解，供业务领导者和运营团队使用。与理赔运营、财务、风险和IT利益相关者合作，识别高影响的分析机会。评估外部数据源和第三方分析解决方案，以增强预测能力。确保分析方法符合企业治理标准和监管要求。为Sedgwick的更广泛AI和高级分析战略做出贡献，识别新兴技术和建模方法。领导研究和创新倡议，推动Sedgwick的预测分析能力发展。

拥有数据科学、统计学、数学、计算机科学、经济学等定量学科的硕士或博士学位。拥有数据科学、统计建模或高级分析角色8-12+年经验。深入掌握机器学习算法、统计建模技术及预测分析方法。精通Python、R等分析语言。在企业环境中处理大规模复杂数据集的丰富经验。证明能够设计和实施端到端建模流水线的经验。对模型验证、特征工程和性能评估技术有深入理解。有与工程团队合作部署模型到生产系统经验。熟悉分布式数据处理工具和现代数据平台优先。保险、理赔管理、医疗或金融服务分析经验优先。能够向技术及非技术利益相关者沟通高级分析概念。证明能够领导复杂分析项目，推动可衡量的业务价值。具备强大的指导和技术领导能力。

Sedgwick被Newsweek评为美国最佳工作场所，获得Great Place to Work®认证，位列Fortune最佳金融服务与保险企业。公司致力于打造多元化、公平和包容的工作环境，认可每位员工独特的技能、知识和经验。