En Imagemaker buscamos Data Scientists que utilicen datos para impulsar decisiones y construir sistemas inteligentes, así como generar insights de alto impacto.
Trabajarás en la intersección entre analítica, ingeniería y negocio para dar forma a la estrategia del producto (mediante experimentación) y desarrollar modelos de machine learning que optimicen la operación a gran escala, permitiendo que las áreas operen más rápido y generen mejores experiencias a sus clientes.
Promover la democratización de datos y el uso responsable en iniciativas de Data y Experimentación:
- Indicadores de éxito: Experimentos, modelos y activos cumplen con mejores prácticas; la creación de dashboards y analítica básica queda completamente delegada a roles no especializados en datos.
Generar insights basados en datos para influir en decisiones estratégicas, operacionales y de producto:
- Indicadores de éxito: Insights adoptados que generan mejoras medibles y alineadas con las prioridades del negocio.
Construir modelos analíticos y predictivos utilizando datasets curados y gobernados:
- Indicadores de éxito: Soluciones precisas, mantenibles e integradas en los procesos de toma de decisiones.
Traducir preguntas de negocio en problemas analíticos o de Machine Learning:
- Indicadores de éxito: Productos de datos co-desarrollados, adoptados por los equipos y que resuelven problemas de alta prioridad.
Definir y evolucionar métricas de negocio y de producto:
- Indicadores de éxito: Aplicación continua de métricas que midan con precisión el éxito y el desempeño de las soluciones.
Evolucionar capacidades analíticas y de IA:
- Indicadores de éxito: Los equipos aplican métodos nuevos y efectivos para resolver desafíos emergentes.
Stack Técnico Clave
- GCP: experiencia trabajando con servicios y herramientas de análisis de datos en Google Cloud Platform (GCP).
- SQL y manipulación de datos (Consulta y transforma datasets para análisis y desarrollo de modelos)
- Visualización de datos y storytelling (Comunica insights de manera clara mediante técnicas visuales y narrativas)
- Análisis exploratorio de datos (Explora datos para identificar tendencias, anomalías y generar hipótesis)
- Análisis causal y conciencia sobre Ética de datos (Reconoce y mitiga riesgos de uso indebido, sesgos o interpretaciones incorrectas de datos o resultados experimentales)
- Diseño y definición de métricas (Define y evoluciona métricas clave que alinean el desempeño del producto con los objetivos del negocio.)
- Inferencia causal y experimentación (Aplica métodos estadísticos y diseño experimental para validar relaciones de causa y efecto.)
- Supervisión de LLMs (Diseña marcos de evaluación para medir el desempeño de funcionalidades de producto impulsadas por GenAI.)
- IA responsable y ética (Garantiza la equidad, explicabilidad y aplicación ética de los insights y experimentos.)
- Dominio del Contexto (Desarrolla fluidez en verticales específicas (p. ej., loyalty, NPS, pricing) para guiar análisis y estrategia.)
Cualitativas
- Pensamiento crítico: Desafío de supuestos conectando datos con preguntas significativas de negocio.
- Comunicación: Traducción de hallazgos técnicos en lenguaje accionable para el negocio.
- Colaboración: Trabajo conjunto con equipos de producto, ingeniería y negocio para construir y aplicar soluciones.
- Resolución de problemas: Liderazgo y ejecución de análisis o modelamiento con mínima dirección.
Modalidad Remota
