معادن تعلن عن وظيفة أخصائي رئيسي في علوم البيانات والتحليلات في الرياض
Principal Specialist, Data Science & Analytics
🏢 معادن (Ma'aden)
تفاصيل الوظيفة
تعلن شركة معادن (Maaden) عن وظيفة أخصائي رئيسي في علوم البيانات والتحليلات (Principal Specialist, Data Science & Analytics) في الرياض، المملكة العربية السعودية. يشغل هذا الدور قيادة تقنية وتطوير ونشر وتوسيع نطاق حلول التعلم الآلي والذكاء الاصطناعي والتحليلات المتقدمة عبر عمليات الشركة.
المهام والمسؤوليات
- قيادة وتسليم مشاريع علوم البيانات من البداية إلى النهاية: تحديد المشكلة، استكشاف البيانات، هندسة الميزات، تطوير النماذج، التحقق، وتسليم MLOps.
- تطوير نماذج إنتاجية قابلة للتوسع مع الالتزام بمعايير حوكمة البيانات والذكاء الاصطناعي في الشركة.
- إجراء تحليلات إحصائية لفهم وتفسير البيانات واستخلاص الرؤى.
- تطبيق تقنيات تنقيب البيانات لتحديد الأنماط والاتجاهات والعلاقات في مجموعات البيانات الكبيرة.
- بناء نماذج تنبؤية وخوارزميات تعلم آلي للتنبؤ بالنتائج المستقبلية.
- إنشاء تصورات وتقارير بيانات واضحة لتوصيل النتائج إلى أصحاب المصلحة.
- التعاون مع الفرق متعددة الوظائف لفهم احتياجات الأعمال وتقديم حلول قائمة على البيانات.
- تصميم وصيانة خطوط أنابيب بيانات ونماذج موثوقة بالشراكة مع هندسة البيانات لضمان دقة البيانات وتوقيتها.
- ضمان أمان البيانات والامتثال للوائح ذات الصلة.
- قيادة التجارب، وإصدار النماذج، وإعادة التدريب الآلي، والتحسين المستمر.
- ترجمة احتياجات الأعمال إلى حلول ذكاء اصطناعي وتحليلات من خلال وضع أطر عمل ونماذج تشغيلية.
- التعامل مع أصحاب المصلحة في وحدات الأعمال لتحديد فرص خلق القيمة وتحويلها إلى حالات استخدام تحليلية قابلة للتنفيذ.
- بناء فرضيات القيمة، ومؤشرات الأداء الرئيسية، ومعايير النجاح، وخرائط الطريق بالتعاون مع قيادة البيانات والذكاء الاصطناعي.
- إضفاء الطابع الصناعي على نماذج الذكاء الاصطناعي/التعلم الآلي عبر MLOps: وضع معايير للنشر والإنتاج والاختبار والمراقبة ومعالجة الانجراف وإدارة دورة الحياة.
- الشراكة مع فرق هندسة البيانات والمنصات السحابية والهندسة المعمارية التشغيلية لدمج النماذج في الأنظمة المؤسسية والطبقات التشغيلية.
- ضمان الامتثال لأطر الذكاء الاصطناعي المسؤول وجودة البيانات والحوكمة في معادن، وتعزيز إمكانية التكرار والتوثيق وتتبع السلالة وقابلية التدقيق.
- إدارة أصحاب المصلحة وتحقيق القيمة من خلال توصيل الرؤى والنتائج والمخاطر والتوصيات باستخدام سرديات ومرئيات مقنعة، وتتبع تحقيق القيمة ومقاييس التبني والأثر التشغيلي.
الشروط والمتطلبات
- درجة البكالوريوس في علوم الحاسب، علوم البيانات، الهندسة، الرياضيات، الإحصاء أو مجال ذي صلة.
- خبرة من 8 إلى 10 سنوات في علوم البيانات / التحليلات المتقدمة، ويفضل في البيئات الصناعية أو التعدين أو الأصول الثقيلة، مع ما لا يقل عن سنتين في قيادة أو توجيه محترفي التحليلات.
- قدرة مثبتة على ترجمة مشاكل الأعمال إلى مناهج تحليلية: تحديد الفرضيات، تصميم التحليلات، وتجميع النتائج في توصيات واضحة.
- إتقان قوي لأطر التعلم الآلي الحديثة والمنصات السحابية (TensorFlow, PyTorch, Azure, AWS) – Microsoft AI Factory.
- طلاقة تقنية قوية مع تقنيات التحليلات الحديثة، نمذجة البيانات، SQL، وخبرة في الشراكة الفعالة مع فرق الهندسة.
- خبرة عملية في تطوير ونشر نماذج التعلم الآلي بما في ذلك التنبؤ بالسلاسل الزمنية والنمذجة التنبؤية وحالات استخدام التحسين.
- فهم قوي لأداء النموذج، والتحقق، والاستقرار، والأثر التجاري.
- خبرة عملية في حلول الذكاء الاصطناعي التوليدي بما في ذلك المساعدين الرقميين والأتمتة الذكية وسير العمل القائم على العوامل، مع القدرة على دمج قدرات GenAI في العمليات المؤسسية.
المهارات المطلوبة
- خبرة في تصميم وصيانة خطوط أنابيب البيانات عبر بيئات تقنية المعلومات والتقنية التشغيلية (IT + OT)، والتعامل مع بيانات الاستشعار والمعالجة الفورية/الزمن الحقيقي ومصادر البيانات الصناعية.
- خبرة في إدارة دورة حياة النماذج ونشرها: الانتقال من التطوير إلى الإنتاج والحجم، المراقبة، إعادة التدريب، إدارة الإصدارات، ومعالجة الانجراف، بالإضافة إلى الأتمتة والتشغيل الآلي لأعمال ML/AI.
- خبرة في العمل مع منصات سحابية مؤسسية، ويفضل: Microsoft Azure Data Platform، Databricks AI Platform، Microsoft AI Foundry / Microsoft AI Factory، مع فهم البنى السحابية الأصلية للتحليلات وحلول الذكاء الاصطناعي القابلة للتوسع.
- الكفاءات الأساسية: دقة النموذج وموثوقيته (الأداء، استقرار الانجراف، وقت التشغيل)، التبني والأثر التجاري (القيمة المحققة، تبني المستخدم، نجاح التكامل)، سرعة التسليم (توقيت دورات التطوير وجاهزية النشر)، الامتثال والجودة (المواءمة مع الذكاء الاصطناعي المسؤول والحوكمة ومعايير التوثيق).
عرض النص الأصلي للإعلان
Job Purpose
JOB DESCRIPTION
Minimum Qualification, Experience and Core Competencies:
Good to Have Capabilities
JOB DESCRIPTION
- The Lead Specialist, Data Science & Analytics, acts as a technical leader and senior practitioner, driving development, deployment, and scaling of Machine Learning, AI, and advanced analytics solutions across Maaden.
- The role ensures analytics products are designed, validated, industrialized, governed, and adopted at scale, providing measurable value across mining, processing, operations, and enterprise functions.
- Lead Specialist, Data Science & Analytics is to analyze data, extract insights, and build predictive models that help organizations make smarter decisions and solve difficult problems. By blending expertise in statistics, computer science, and business strategy, they not only analyze complex datasets but also build predictive models that improve operations and shape long-term decisions. With nearly every industry leaning on data today, the demand for skilled professionals continues to grow
- Lead End-to-End Data Science Delivery
- Developing, implementing and maintaining databases and data collection systems
- Own the full lifecycle of ML/AI initiatives - from problem framing, data exploration, feature engineering, model development, validation, and MLOps handover.
- Deliver scalable and production-grade models, ensuring alignment with enterprise data governance and AI standards.
- Performing statistical analysis to understand and interpret data insights
- Applying data mining techniques to identify patterns, trends, and relationships in large datasets
- Building predictive models and machine learning algorithms to forecast future outcomes
- Creating clear data visualizations and reports to communicate findings to stakeholders
- Working with cross-functional teams to understand business needs and provide data-driven solutions
- Design and maintain reliable data pipelines and models in partnership with data engineering to ensure data is accurate, timely, and trustworthy for downstream use
- Ensuring data security and compliance with relevant regulations
- Drive experimentation, model versioning, automated retraining, and continuous improvement.
- Translate Business Needs into AI/Analytics Solutions
- Establish frameworks and operating models that make data science accessible, scalable, and embedded within business and technical functions
- Engage BU/domain stakeholders to identify value creation opportunities and convert them into actionable analytics use cases.
- Build value hypotheses, KPIs, success criteria, and solution roadmaps in collaboration with Data & AI leadership and business teams.
- Industrialize AI/ML Models (ML Ops & Architecture)
- Partner with data engineering, data platforms, and cloud/OT architecture teams to embed models into enterprise systems and operational layers.
- Set standards for production deployment, testing, monitoring, drift handling, and lifecycle governance.
- Ensure seamless integration of predictive and optimization models into enterprise platforms, control systems, and digital twins
- Leverage machine learning, optimization, and computer vision as enabling tools for performance, reliability, and sustainability improvements
- Responsible AI, Quality & Governance
- Ensure compliance with Maaden’s Responsible AI, data quality, and data governance frameworks.
- Promote reproducibility, documentation, lineage tracking, and auditability across all data science assets.
- Ensure transparency, explainability, and continuous model governance across production and enterprise environments
- Stakeholder Management & Value Realization
- Communicate insights, results, risks, and recommendations to decision-makers using compelling narratives and visualization.
- Track value realization, adoption metrics, and operational impact to ensure measurable benefit.
Minimum Qualification, Experience and Core Competencies:
- Bachelor’s degree in computer science, Data Science, Engineering, Mathematics, Statistics, or related fields.
Good to Have Capabilities
- Minimum Experience:
- 8 – 10 years’ experience in Data Science / Advanced Analytics with industrial, mining, or heavy-asset environments preferred. Including at least 2 years leading or mentoring analytics professionals
- Proven ability to translate business problems into analytic approaches: define hypotheses, design analyses, and synthesize results into clear recommendations.
- Strong proficiency with modern ML frameworks and cloud platforms (TensorFlow, PyTorch , Azure, AWS) – Microsoft AI Factory
- Strong technical fluency with modern analytics stacks, data modeling, SQL, and experience partnering effectively with engineering teams.
- Machine Learning & Advanced Analytics
- Hands-on experience developing and deploying machine learning models, including time-series forecasting, predictive modeling, and optimization use cases
- Strong understanding of model performance, validation, stability, and business impact
- Generative AI & AI Agents
- Practical experience with Generative AI solutions, including copilots, intelligent automation, and agent-based workflows
- Ability to embed GenAI capabilities into enterprise processes to improve decision-making and operational efficiency
- Data Engineering (IT + OT)
- Experience designing and maintaining data pipelines across IT and OT environments
- Exposure to sensor data, streaming / real-time data processing, and industrial data sources
- Ability to collaborate with data engineering teams to ensure reliable, timely, and trusted data flows
- MLOps / AgentOps
- Experience in model deployment and lifecycle management, including:
- Transition from model development to production and scale
- Monitoring, retraining, versioning, and drift management
- Familiarity with automation and operationalization of ML/AI workloads
- Cloud & Analytics Platforms
- Experience working with enterprise cloud platforms, preferably:
- Microsoft Azure Data Platform
- Databricks AI Platform
- Microsoft AI Foundry / Microsoft AI Factory
- Understanding of cloud-native architectures for scalable analytics and AI solutions
- Model Accuracy & Reliability: Performance, drift stability, and operational uptime.
- Adoption & Business Impact: Value realized, user adoption, integration success.
- Delivery Velocity: Timeliness of development cycles and deployment readiness.
- Compliance & Quality: Alignment with Responsible AI, governance, and documentation standards.
المصدر: LinkedIn — أُضيفت للموقع في 10 يونيو 2026
وظائف أخرى لدى معادن