Buscamos um Cientista de Dados Sênior (Hands-on) orientado a resultados para integrar nosso time de Marketing e Growth. O profissional atuará como referência técnica na criação de modelos preditivos, mensuração de campanhas, testes estatísticos e transformação de dados de marketing em inteligência acionável para o negócio.
Principais Responsabilidades:
- Modelagem Preditiva & Machine Learning: Desenvolver, validar e colocar em produção modelos voltados ao ciclo de vida do cliente e performance comercial (ex.: modelos de Propensão, Churn, LTV, Segmentação/Clustering e Forecast).
- Mensuração Científica & Incrementalidade: Desenhar e analisar experimentos estatísticos (Testes A/B, testes de Incrementalidade/Lift e modelos de atribuição) para avaliar o retorno real (ROI/CAC) dos investimentos de mídia e campanhas de CRM.
- Analytics Engineering & Transformação: Construir e manter pipelines analíticos confiáveis utilizando SQL, Python e dbt sobre o nosso Data Warehouse (BigQuery / Databricks), garantindo versionamento via Git.
- Suporte à Tomada de Decisão: Traduzir análises estatísticas complexas e saídas de modelos em insights claros, relatórios analíticos e recomendações práticas para as lideranças de Growth e Marketing.
Requisitos Técnicos Essenciais
- Formação: Graduação concluída em Ciência da Computação, Engenharia, Estatística, Economia, Matemática ou áreas correlatas.
- Programação & Dados: Domínio sólido de Python (Pandas, Scikit-learn, Numpy, Statsmodels) e SQL avançado.
- Data Warehouses & Ferramentas: Experiência prática com ecossistema em nuvem (BigQuery, Databricks ou Snowflake) e versionamento de código via Git.
- Modelagem Estatística: Experiência comprovada no desenvolvimento e avaliação de algoritmos de Machine Learning (Classificação, Regressão, Clustering) e testes de hipótese/A-B.
- Domínio de Negócio: Vivência prévia analítica aplicada a métricas de Marketing/Growth (CAC, LTV, Churn, ROI, Funil de Conversão, CRM).
Diferenciais Desejáveis
- Experiência com dbt (data build tool) para engenharia analítica.
- Conhecimento em técnicas de Inferência Causal ou modelos de Séries Temporais / Marketing Mix Modeling (MMM).
- Uso prático de assistentes de código e IA Generativa (LLMs/Agentes) no fluxo de trabalho de dados.