Real-time Customer Insights
Was die Zukunft dem Menschen bringt? Können wir mehr als nur ahnen.
Was Kund*innen auf otto.de als Nächstes wollen? Oder was noch gefallen könnte? Technologie macht es möglich, darüber ziemlich genaue Voraussagen zu treffen. Wobei wir als Teil des IT-Bereichs daran arbeiten, das „Ziemlich“ zu verkleinern, indem wir das „Genau“ verbessern. Mit jedem Klick erzählen uns Marktplatzbesuchende etwas davon, wie sie ticken. Wir können durch das Verhalten mithilfe unserer Technologie berechnen, welcher Inhalt als Nächstes relevant sein wird.
Fast wie im Klickverhalten greift auch in unserem Team Tesla eins ins andere. Wir vereinen unterschiedliche Wissensbereiche und Fähigkeiten, um Hand in Hand optimale Ergebnisse zu realisieren. In erster Linie sind das bei uns Software-Entwickler*innen und Data Scientists – darüber hinaus Quality Specialists, Produktmanager*innen und Marketing-Spezialist*innen – alle zusammen entwickeln Lösungen zur Personalisierung und Automatisierung von otto.de in Echtzeit.
Wir arbeiten hochgradig agil nach dem Prinzip „Test & Learn“, halten uns nicht an ein bestimmtes Framework wie Kanban oder Scrum, sondern passen die Prozesse durch Retrospektiven kontinuierlich an. Dass wir jede Lösung völlig neu denken, wird beim Einsatz echter Post-it´s offensichtlich, die wir einer Story in Jira vorziehen – diese Form der Arbeitskultur finden wir wichtig und sie macht uns auch ein bisschen stolz.
Ob etwas neues gut funktioniert verraten uns minimale Test-Implementierungen live auf otto.de. Selbst wenn sich diese nicht bewähren, haben wir Messdaten für Korrekturen gewonnen – nach unserem Motto „better sorry than safe“. Neben diesen „normalen“ Betriebstests fahren wir auch komplexere Modelle, wie zum Beispiel eine auf Verhaltensdaten basierende Betrugserkennung. Testkonstruktionen dieser Art sind aktuell auch Gesprächsthemen in der Entwicklerszene und wurden von uns bei den „Code Talks“ in Hamburg vorgestellt.
Neben neuesten Technologien implementieren wir auch ganz einfache Lösungen. Wir betreiben über 50 selbst entwickelte Microservices und Batch-Jobs in der AWS, die wir nach eigenem Monitoring anpassen. Wir arbeiten mit Clojure, Python und Scala. Unsere Streaming-Lösungen implementieren wir mit Clojure core.async, Microservices und einige Batch-Jobs mit Clojure, andere mit Scala und Spark. Python benutzen wir für verschiedene Anwendungen, zum Beispiel beim Training neuronaler Netze mit Tensor-Flow oder der Implementierung von Echtzeit-Modellen mit NMSLIB.
Wir arbeiten sehr autonom und tragen als Team die volle Produktverantwortung. Es gibt keine spezialisierten Operations oder Admins, nur uns Entwickler*innen, die den vollen Lebenszyklus einer Anwendung betreuen. Eindeutiger Vorteil: keine organisatorischen Hürden, vollkommen unabhängige Entscheidungsmöglichkeiten. Dieser Kosmos bietet viel Raum zur Entfaltung und persönlichen Entwicklung. Nur ein Beispiel: Fast niemand aus dem Team beherrschte anfangs Clojure – fast alle haben das bei uns gelernt – und jetzt ist es unsere Hauptprogrammiersprache.
Du stehst Neuem offen gegenüber, willst Stories lieber nach „Trial and Error-Prinzip“ explorieren, statt Dagewesenes noch einmal durchzukauen – sehr gut! Du bist außerdem heiß darauf, neue Technologien in unserem breiten Stack sowie aktuelle Data Science-Methoden zu erlernen? Dann herzlich willkommen – das Team freut sich auf dich!