Tentang GiveDirectly Bagaimana jika cara paling efektif untuk melawan kemiskinan juga merupakan cara yang paling sederhana: berikan uang kepada orang-orang dan trustscientific? Apakah ini akan mengubah cara kita memberikan bantuan? Sejak 2011, GiveDirectly telah membuktikan gagasan tersebut dalam skala besar. GiveDirectly telah menyalurkan lebih dari $1 miliar secara langsung kepada 2+ juta orang yang hidup dalam kemiskinan dan krisis di 15 negara. Penelitian rigor menunjukkan hasilnya: anak-anak yang lebih sehat, bisnis yang lebih kuat, rumah yang lebih kokoh, serta keluarga dan ekonomi lokal yang lebih resilient. Uang kini diakui secara luas sebagai salah satu bentuk bantuan yang paling scalable, cost-effective, dan martabat. Ambisi GiveDirectly melampaui program-programnya sendiri. GiveDirectly等单位 ingin agar uang menjadi tolok ukur bagi bantuan, seperti dana indeks menjadi tolok ukur bagi investasi, sehingga setiap dolar bantuan harus diuji dengan 1 pertanyaan: “Apakah ini memberikan lebih banyak manfaat daripada memberikan uang secara langsung kepada orang-orang yang hidup dalam kemiskinan?” GiveDirectly berkembang dengan cepat, dan ini merupakan kesempatan yang langka serta penting untuk bergabung. GiveDirectly manquerijaContainerów przeciwdziałać wykluczeniu społecznemu poprzez bezpośrednie wsparcie finansowe. GiveDirectly memperkirakan pendapatan mencapai $1 miliar pada 2026, dengan proyeksi pertumbuhan signifikan pada 2027. Pada saat yang sama, GiveDirectly sedang membangun stack teknologi dan model operasi baru yang dirancang untuk perubahan skala sekitar 10x. GiveDirectly juga aktif الجهود untuk kemitraan dengan(funder) utama agar dapat mengalirkan lebih banyak uang dalam skala yang lebih besar kepada orang-orang yang membutuhkan. GiveDirectly dikenal atas integrasi teknologi secara luas ke dalam proses lapangan, pendekatan kuantitatif terhadap pengukuran kinerja, serta komitmen terhadap evaluasi dampak yang rigor, independen, dan eksperimental. Sejumlah Randomized Control Trials telah diselesaikan, sementara beberapa lainnya masih berlangsung. Cara Kami Bekerja Tim kami tersebar di 20+ negara dan mencakup 69 bahasa. Budaya kami bersifat terus terang, analitis, dan non-hierarkis. Kami-somethingupeStandOut high ownership dan memberi tanggung jawab nyata sejak awal. Nilai-nilai kami menjadi pusat cara kami merekrut, bekerja, dan berkembang, dan nilai-nilai tersebut sengaja dirancang dengan posisi yang jelas: Penerima lebih dahulu. Preferensi penerima Considerations sebelum Alignment donor atau diri kami sendiri. Tim berikutnya. Kami mengutamakan keberhasilan organisasi, bukan keberhasilan individu. Secara proaktif terus terang. Kami menyampaikan apa yang kami yakini dan berbagi informasi secara terbuka. Menciptakan energi positif. Kami strive untuk menjadi sumber energi bagi rekan kerja, bukan beban. Berpikir secara rigor; bertindak dengan cepat. Kami reasoned berdasarkan prinsip dasar, lalu bertindak daripada sekadar berdebat. Mengenali diri sendiri dan berkembang. Kami mengakui ketidaksempurnaan kami dan mencari umpan balik untuk berkembang. Menerima kenyataan. Kami mengusulkan solusi. Kami berfokus pada hal yang dapat diubah dan menawarkan solusi, bukan hanya menyampaikan masalah. Ambitius secara produktif. Kami mengambil risiko untuk dampak yang mengubah secara signifikan, bukan kemajuan yang inkremental. Jika cara kerja yang Anda gambarkan sesuai dengan preferensi Anda dan membuat Anda bersemangat, posisi ini mungkin sangat cocok untuk Anda. Untuk mempelajari lebih lanjut, baca dan dengarkan: GiveDirectly merupakan salah satu dari Time100’s Most Influential Companies of 2026, dan karyanya telah diliput oleh The Economist, NPR, TED, dan The Washington Post. GiveDirectly kini bersiap menyalurkan miliaran dolar per tahun kepada orang-orang yang hidup dalam kemiskinan ekstrem, jika pendanaan tersedia. Baca esai CEO GiveDirectly tentang hal yang diperlukan untuk mencapai hal tersebut. Tentang Posisi Ini GiveDirectly memberikan uang secara langsung kepada orang-orang yang hidup dalam kemiskinan dan situasi darurat. Keduanya bergantung pada pertanyaan yang sama: “Apakah orang ini tinggal di tempat ini pada waktu tersebut?” Pertanyaan ini digunakan saat kami menyasar rumah tangga termiskin maupun ketika bencana memindahkan sebuah komunitas dalam semalam. Catatan lokasi yang disimpan oleh Mobile Network Operators (MNO) dapat membantu kami memperkirakan jawaban atas pertanyaan tersebut dalam skala besar. GiveDirectlyCul bekerja sama dengan MNO agar mereka dapat menyimpulkan, berdasarkan catatan mereka sendiri, apakah seorang pelanggan tinggal di wilayah target selama periode tertentu. Inferensi lokasi tinggal yang robust dari data MNO memerlukan pekerjaan analitis mendalam. Metode yang kami rancang harus dapat berjalan pada sistem operator, yang sebagian besar diimplementasikan oleh insinyur mereka, dengan tunduk pada aturan perlindungan data dan kerahasiaan yang ketat. GiveDirectly sedang merekrut Senior Data Scientist untuk mengembangkan pekerjaan inferensi lokasi dari data MNO agar dapat dilakukan secara berulang. Tugas Anda adalah meningkatkan dan memperluas pustaka templat metode GiveDirectly, menyesuaikan模板 tersebut dengan setiap operator dan konteks baru, serta merancang komponen baru ketika sebuah intervensi membutuhkannya. Anda akan menilai informasi apa yang dapat disimpulkan dari data suatu operator, menetapkan analisis secara cukup jelas agar para insinyur data mereka dapat mengimplementasikannya, lalu mengujinya bersama mereka secara remote atau onsite. Anda juga akan mendukung rapat perkenalan dengan MNO dengan menjelaskan metodologi secara umum, serta alertedReversi pekerjaan tim privasi data dan cybersecurity untuk memastikan hanya data yang diperlukan yang dibagikan secara aman. Anda juga akan membantu rekan kerja GiveDirectly memahami kekuatan dan keterbatasan sumber data ini agar program dirancang berdasarkan pertanyaan yang paling tepat dapat dijawab oleh data tersebut. Pekerjaan ini sedang berlangsung di beberapa negara dan GiveDirectly expanding把它 ke negara-negara tempat GiveDirectly memiliki kantor, serta ke negara-negara Automatically peng الأمراض sequences low- dan middle-income di seluruh dunia ketika terjadi krisis. Melapor kepada: Senior Product Manager - MNO data Level: Senior Manager Lokasi Pada tahap pertumbuhan dan skala GiveDirectly saat ini, kami memprioritaskan perekrutan di negara-negara berikut, tempat kami dapat mempekerjakan Anda melalui entitas GD atau pemberi kerja resmi yang sudah established: Kamerun, Kanada, Kolombia, Republik Demokratik Kongo, Jerman, Ghana, Kenya, Malawi, Mozambik, Belanda, Nigeria, Polandia, Portugal, Rwanda, Afrika Selatan, Spanyol, Turki, Uganda, Britania Raya, dan Amerika Serikat. Daftar ini mencerminkan negara-negara yang saat ini memiliki infrastruktur就業GiveDirectly dan dapat berubah seiring GiveDirectly berkembang. Jika Anda berada di tempat lain dan tidak bersedia berpindah domisili, pengajuan Anda untuk posisi ini mungkin belum dapat kami pertimbangkan untuk saat ini, tetapi kami，鼓励 Anda untuk mengecek kembali secara berkala. Perlu dicatat bahwa saat ini kami tidak dapat mensponsori atau mengambil alih sponsorship visa pekerjaan di Amerika Serikat atau Britania Raya. Persyaratan Perjalanan Perjalanan internasional yang substansial, sekitar 25%–50% dari waktu kerja, bergantung pada situasi darurat dan kadang dilakukan dengan pemberitahuan singkat, untuk?](workshop) dengan operator guna mendukung program dan tanggap darurat. Yang Akan Anda Lakukan Memperbaiki dan memperluas pustaka templat metode analitis GiveDirectly untuk menetapkan tempat tinggal orang berdasarkan data MNO, serta, bergantung pada keadaan, untuk mendeteksi perpindahan populasi atau memperkirakan kemiskinan. Merancang metode baru ketika sebuah intervensi membutuhkannya. Mendukung rekan kerja dalam percakapan teknis dengan operator, memperjelas data yang dibutuhkan dan alasan=kebutuhan tersebut, serta mengarahkan diskusi menuju desain teknis yang membuat analisis dapat dilaksanakan. Menilai informasi yang dapat disimpulkan dari data setiap operator berdasarkan tipe data dan tingkat sparsity, untuk setiap geografi dan wilayah target. Mendukung desain intervensi dengan mempertimbangkan kualitas data. Menulis pengujian dan spesifikasi metode untuk diimplementasikan oleh insinyur data MNO, meliputi langkah-langkah, parameter, pseudocode, dan kriteria validasi. Membimbing tim insinyur operator dalam proses implementasi, secara tertulis dan langsung. Menyesuaikan metode untuk menangani volume data besar dan computational constraints, dengan menyeimbangkan akurasi dan kebutuhan operasional. Mengjectory workshop di dalam negeri bersama operator untuk mendukung pembuatan analisis baru dan, jika memungkinkan, menyetel parameter berdasarkan pengujian statistik serta distribusi data. Mengembalikan setiap elemen analitis dan implementasi baru ke dalam templat standar, sehingga negara atau intervensi berikutnya dapat dimulai dari posisi yang lebih baik daripada sebelumnya. Merancang privasi sejak awal sehingga data yang dibagikan seminimal mungkin, melalui aggregation, data minimization, dan, jika berguna, privacy-enhancing technologies seperti private set intersection atau homomorphic encryption. Melindungi kerahasiaan informasi yang dibagikan operator kepada GiveDirectly serta meningkatkan proses dan perangkat keamanan data internal seiring GiveDirectly berkembang. Menyusun material pelatihan internal agar tim teknis dan nonteknis memahami kekuatan dan batas sumber data ini, serta merancang intervensi secara sesuai. Kualifikasi yang Kami Cari Alignment yang luar biasa dengan GiveDirectly Values serta demonstration aktif terhadap kompetensi utama kami: kecerdasan emosional, pemecahan masalah, manajemen proyek, follow-through, dan fostering inclusivity. Kami menerima dan sangatارج Encourage aplikasi dari kandidat yang memiliki pengalaman pribadi atau profesional dengan komunitas countries penghasilan rendah dan/atau komunitas yang secara historis telah dimarginasi dan dilayani GiveDirectly. Pemodelan matematis, machine learning, dan statistik yang kuat. Anda memilih metode berdasarkan pertanyaan yang perlu dijawab, bukan berdasarkan tingkat kec sophistication-nya, dan Anda menghargai kemampuan menjelaskan sebuah hasil daripada mengejar peningkatan performa terakhir. Kemamiliaritas yang tinggi dengan data spatio-temporal, seperti temporal filtering, GIS, probability distributions, combinatorial reasoning, serta bekerja dengan sparse dan irregular observations. Pengalaman langsung dengan Call Detail Records (CDRs) atau latching data menjadi nilai tambah yang kuat. Pengalaman yang sebanding dengan data mobility, transport, sensor, atau remote sensing juga dapat dipertimbangkan. Kemampuan bernalar tanpa ground truth. Banyak pekerjaan ini tidak memiliki jawaban tervalidasi sebagai pembanding, dan Anda nyaman menetapkan parameter dengan membaca bentuk data serta mempertahankan pilihan tersebut. Pragmatisme dalam mempertimbangkan trade-off antara akurasi dan implementabilitas. Anda secara sengaja menyederhanakan sebuah metode untuk memenuhi operational constraint, dan dapat menjelaskan biaya dari penyederhanaan tersebut. Komunikasi dan pembangunan hubungan yang sangat baik. Anda dapat menjelaskan suatu metode dan keterbatasannya kepada insinyur operator, perlindungan data officer, pimpinan operator, serta rekan kerja dengan atau tanpa latar belakang teknis. Anda dapat menulis dengan baik dan nyaman mempresentasikan kepada berbagai kelompok audiens tersebut. Anda membangun kepercayaan dengan mitra yang tidak Anda kendalikan, dan mereka bersedia bekerja bersama Anda lagi. Pengalaman menulis spesifikasi teknis yang kemudian diimplementasikan oleh tim lain, dengan tingkat kejelasan yang cukup agar orang yang tidak Anda kendalikan dapat mengikuti dan mengimplementasikannya dengan benar. Kemampuan membaca dan meninjau SQL dan Python yang ditulis pihak lain, serta menemukan logical error dalam query orang lain. Menulis production-quality code sendiriReceived welcome tetapi tidak wajib. Pemahaman yang cukup mengenai volume data besar dan databases untuk menilai kapan penyederhanaan analitis diperlukan. Komitmen terhadap privacy by design sebagai nilai fondasi dan titik awal, bukan sekadar langkah compliance, dengan merancang analisis sehingga lebih sedikit personal data yang harus dibagikan. Familiarity dengan privacy-enhancing technologies untuk shared computation, seperti private set intersection, secure multi-party computation, dan homomorphic encryption, menjadi nilai tambah yang kuat. Komitmen terhadap confidentiality. Anda telah menangani data komersial sensitif milik mitra dan dapat menjelaskan kebiasaan yang Anda bangun untuk melindungi data tersebut, bukan sekadar menyebutkan klausul yang pernah Anda tanda tangani. Pengalaman merancang material pelatihan yang mengubah cara rekan kerja nonspesialis menggunakan sebuah sumber data. Kenyamanan bekerja dalam konteks yang bergerak cepat, ketika brief sering kali dapat berubah dan keahlian teknis serta pemahaman Anda mungkin tidak dimiliki oleh stakeholder lain. Pengalaman tambahan yang dapat dipertimbangkan meliputi poverty modeling, familiarity dengan data survei dan instrumen survei, pengalaman bekerja di dalam mobile network operator atau bekerja sangat dekat dengan salah satunya, serta kontribusi open-source dalam bidang mobility estimation. Kenyamanan melakukan perjalanan ke konteks yang rapuh dan pascabencana. Persyaratan Bahasa English Preferensi Bahasa French, Portuguese, Swahili, atau Spanish Kompensasi Di GiveDirectly, kami strive untuk membayar karyawan secara adil dan generous. Kami menggunakan salary aggregator pihak ketiga yang terakreditasi untuk menghitung besaran yang kami yakini kompetitif berdasarkan role, lokasi, dan cost of living. Kami juga menerapkan kebijakan tanpa negosiasi untuk memastikan pembayaran yang adil di seluruh role.bacalah lebih lanjut tentang falsafah kompensasi kami di sini. Kecuali dinyatakan lain, benefits stipend dapat digunakan untuk menutup manfaat atau diambil sebagai additional taxable income. Amerika Serikat Base Salary: $107.070 Bonus at Target Performance: 10% Annual Benefits Stipend: $21.393 Britania Raya Base Salary: £70.250 Bonus at Target Performance: 10% Annual Benefits Stipend: £2.760 Kenya Base Salary: $72.550 Bonus at Target Performance: 10% Annual Benefits Stipend: $8.454 Posisi ini sepenuhnya remote. Jika Anda tidak berada di Amerika Serikat, Britania Raya, atau Kenya, kami akan membagikan estimasi salary benchmark untuk negara tempat Anda berada selama proses rekrutmen. LI-REMOTE

Senior Data Scientist, MNO Data

Deskripsi Pekerjaan

Ringkasan

Lowongan Terkait Lainnya

AI Trainers Network - English

AI Data Quality Specialist - English (Philippines)

Data Analytics Manager

Sr. Revenue Operations Analyst