Científico de Datos Senior - Inferencia Causal

Andata; Buenos Aires; On-site; ARS 3,000,000 - 5,400,000; Part time

Job summary

Andata es una consultora de datos y analítica. Buscamos una persona senior para sumarse a nuestro equipo de data science en un proyecto con un cliente del sector financiero, enfocándose en inferencia causal aplicada a datos observacionales.

El rol requiere 5+ años en data science o econometría, experiencia en el sector financiero, Python y SQL, y manejo de BigQuery. Modalidad remota y contrato de servicios a tiempo parcial, con remuneración competitiva.

Qualifications

• 5+ años en data science, econometría aplicada o analítica avanzada.
• Experiencia en el sector financiero: bancos, fintech, tarjetas, pagos o afines
• Inferencia causal aplicada con datos de panel: diferencias en diferencias, event study, propensity score matching.
• Modelado de retención o valor de cliente aplicado en un proyecto real con BTYD o survival.

Responsibilities

• Diseñar estrategias de identificación causal sobre datos no experimentales.
• Estimar efectos incrementales con modelos de panel y controles adecuados.
• Construir cohortes y grupos de control con reglas explícitas y auditables.
• Medir efectos de corto y de mediano plazo sobre el comportamiento de clientes.
• Modelar la permanencia y el valor futuro de los clientes, y combinarlo con la capa causal para medir el valor incremental.
• Presentar resultados y supuestos a equipos técnicos y de negocio, con intervalos de confianza.
• Dejar el trabajo reproducible y documentado.

Skills

Data science

Econometrics

Causal inference

Python

SQL

BigQuery

Survival analysis

Bayesian modeling

Education

Ciencia de Datos

Tools

Python

SQL

BigQuery

Job description

Andata es una consultora de datos y analítica. Trabajamos con empresas en proyectos de business intelligence, analítica avanzada y transformación de datos, y acompañamos tanto la construcción técnica como las decisiones de negocio que la motivan.

El rol

Buscamos una persona senior para sumarse a nuestro equipo de data science en un proyecto con un cliente del sector financiero. El objetivo es medir el impacto real de las acciones comerciales: cuánto de lo que pasa después de una acción se debe a ella, y cuánto hubiera pasado de todas formas.

No es un rol de dashboards ni de ML predictivo clásico. Es inferencia causal aplicada sobre datos observacionales, donde la metodología importa y hay que sostener los resultados frente a equipos técnicos y de negocio.

Responsabilidades

• Diseñar estrategias de identificación causal sobre datos no experimentales
• Estimar efectos incrementales con modelos de panel y controles adecuados
• Construir cohortes y grupos de control con reglas explícitas y auditables
• Medir efectos de corto y de mediano plazo sobre el comportamiento de clientes
• Modelar la permanencia y el valor futuro de los clientes, y combinarlo con la capa causal para medir el valor incremental
• Presentar resultados y supuestos a equipos técnicos y de negocio, con intervalos de confianza
• Dejar el trabajo reproducible y documentado

Requisitos excluyentes

• 5+ años en data science, econometría aplicada o analítica avanzada
• Experiencia en el sector financiero: bancos, fintech, tarjetas, pagos o afines
• Inferencia causal aplicada con datos de panel: diferencias en diferencias, event study, propensity score matching. Saber cuándo cada método se rompe.
• Modelado de retención o valor de cliente aplicado en un proyecto real, con al menos uno de estos enfoques: modelos Buy Till You Die (BG/NBD, Pareto/NBD, Gamma-Gamma) o survival / hazard (Kaplan-Meier, Cox, modelos de tiempo discreto)
• Python para modelado (pandas, statsmodels, scikit-learn o equivalentes)
• SQL avanzado sobre grandes volúmenes
• Experiencia en BigQuery / Google Cloud

Deseable

• Experiencia midiendo el impacto de campañas, pricing o iniciativas comerciales
• Manejo de los dos enfoques de modelado de cliente (BTYD y survival / hazard)
• Modelado bayesiano (PyMC, PyMC-Marketing o similar)
• lifetimes, lifelines o librerías equivalentes
• Diseño de experimentos
• Posgrado en ciencia de datos, econometría, estadística o economía.

Qué buscamos en la persona

• Honestidad metodológica. Valoramos más a quien dice “esto no se puede identificar así, pero podemos hacer esto otro” que a quien entrega un número que no se sostiene.
• Capacidad de traducir un resultado econométrico en una decisión de negocio.
• Autonomía para rendir desde la primera semana en un proyecto acotado en el tiempo.
• Comodidad para discutir metodología con el equipo técnico del cliente.

Formación

Ciecia de Datos, Estadística, Matemática, Ingeniería, Economía, Física o afines.

Condiciones

• Part time, 2 0 horas semanales.
• Contrato de servicios (facturación como monotributista o responsable inscripto).
• Duración: noviembre 2 0 2 6 a marzo 2 0 2 7, con posibilidad de extensión.
• Modalidad remota.
• Remuneración competitiva, a convenir según experiencia.

Qué ofrecemos

• Un problema causal de verdad, con datos reales y una metodología que importa.
• Un equipo de data science con el que discutir el problema de igual a igual.