Data Scientist - CL
Full TimeJob Overview
El Data Analytics existe para habilitar decisiones de producto, negocio y operacion mediante el diseño, desarrollo e integración de soluciones analíticas y de machine learning end-to-end. Este rol debe operar en la capa de modelos analíticos, datasets y métricas que habilitan reporting, autoservicio y decisiones diarias. Equilibra velocidad de respuesta con calidad/consistencia (gobernanza) para reducir dependencia del DS en análisis repetitivos.
Además foco en democratizar el acceso a información confiable mediante estándares de modelado, gobernanza y observabilidad, equilibrando velocidad de análisis, consistencia de métricas y escalabilidad del consumo analítico.
Además foco en democratizar el acceso a información confiable mediante estándares de modelado, gobernanza y observabilidad, equilibrando velocidad de análisis, consistencia de métricas y escalabilidad del consumo analítico.
Key Responsibilities
Responsibilities
- Democratización y uso responsable de datos: Impulsar la democratización de datos y el uso competente, autónomo y responsable de capacidades analíticas en los equipos, elevando el estándar de cómo se toman decisiones en la compañía.
- Influencia en decisiones de negocio y producto: Generar y traducir evidencia basada en datos en decisiones concretas de negocio, producto y operación; asegurando que los hallazgos se conviertan en accionables.
- Desarrollo de soluciones analíticas y modelos: Diseñar, construir y mantener modelos analíticos, predictivos o experimentales que resuelvan problemas de negocio relevantes, utilizando datos confiables y metodologías robustas.
- Traducción de problemas de negocio a problemas analíticos: Transformar problemas ambiguos del negocio en formulaciones analíticas claras, definiendo correctamente métricas, supuestos y enfoques metodológicos.
- Ownership sobre problemas y resultados: Asumir responsabilidad del end-to-end sobre los problemas analíticos, desde su definición hasta su impacto en el negocio, asegurando que las soluciones generen valor real.
Dentro de las habilidades clave de la posición:
- Gestión y entendimiento de los datos
- Formulación analítica y entendimiento del negocio
- Programación y desarrollo de soluciones de datos
- Estadística, inferencia y experimentación
- Ingeniería impulsada por IA (AI-driven Engineering)
Ejemplos de productos en el que trabajara son:
- Construcción de KPIs para monitorear eficiencia y seguridad de las áreas operacionales.
- Arbol de decisión sobre condiciones meteorológicas que permitan cruzar la cordillera.
- Análisis de velocidad óptima para cumplimiento del OTP.
- Modelo ML para predicción de consumo extra de combustible en contingencias.
- Interpretación de documentos NOTAM con modelos de IA generativa.
Skills, Knowledge and Expertise
SQL: Consulta y preparación de datos en BigQuery
Ecosistema GCP - BigQuery
Python: scikit-learn, pandas, numpy, PyTorch / TensorFlow.
Polars
Matplotlib
Seaborn
Plotly
Manejo de Machine Learning & Estadística: Statsmodels, Pyfixest, SciPy, MLFlow
Familiaridad con Herramientas de BI: Looker Studio
Scikit-learn
MLOps Básico: Versionamiento con Git, contenedores con Docker y despliegue de modelos en APIs