Responsable de desarrollar e implementar modelos analíticos y de machine learning que optimicen la inversión y el desempeño de los canales de adquisición de Marketing Performance, trabajando con soporte y mentoría del equipo de Data Science de HQ. Es una posición de crecimiento acelerado, diseñada para consolidar al ocupante como Data Scientist pleno en un horizonte de 2 a 3 años.
RESPONSABILIDADES PRINCIPALES
- Diseñar y desarrollar modelos estadísticos y de machine learning (regresiones lineales/logísticas, modelos de clasificación, series de tiempo) aplicados a atribución, forecasting de demanda y optimización de medios.
- Explorar y prototipar modelos de redes neuronales para casos de uso de marketing (scoring de leads, propensión de compra, segmentación avanzada), con soporte técnico del equipo de Data Science de HQ.
- Construir pipelines de datos y feature engineering para alimentar los modelos, en colaboración con el equipo de datos local.
- Validar, documentar y monitorear el desempeño de los modelos en producción (drift, precisión, recalibración).
- Traducir resultados analíticos complejos en recomendaciones accionables para el equipo de Marketing Performance y liderazgo.
- Colaborar de forma directa con Data Scientists senior de HQ para adoptar mejores prácticas, frameworks y estándares globales del equipo.
- Contribuir al desarrollo de un roadmap de analítica avanzada para el área de adquisición.
REQUISITOS
Formación
- Licenciatura completa en Ciencia de Datos, Actuaría, Ingeniería, Matemáticas, Estadística, Física, Economía cuantitativa o afines.
- Deseable (no excluyente): estudios de posgrado o certificaciones especializadas en Data Science / Machine Learning.
Experiencia
- 4–6 años de experiencia en analítica de datos, con al menos 1–2 años trabajando en modelos estadísticos o de machine learning.
- Experiencia previa en marketing, e-commerce, medios digitales o áreas comerciales es un plus.
Conocimientos técnicos
- Python (pandas, scikit-learn, numpy) a nivel intermedio-avanzado para modelado y análisis.
- Sólido entendimiento estadístico: regresiones lineales y logísticas, pruebas de hipótesis, series de tiempo.
- Conocimiento conceptual de redes neuronales y deep learning (arquitecturas básicas, casos de uso, frameworks como TensorFlow/PyTorch), sin necesidad de dominio experto — se espera desarrollo con soporte de HQ.
- SQL avanzado para extracción y manipulación de grandes volúmenes de datos.
- Power BI / Power Query para visualización y comunicación de resultados a negocio.
- Deseable: experiencia con plataformas cloud (Azure, AWS o GCP) y herramientas de MLOps.