Data Scientist

BC Tecnología; Santiago; On-site; CLP 18,000,000 - 36,000,000; Full time

Job summary

BC Tecnología busca fortalecer su equipo de análisis con un especialista en forecasting de series de tiempo para producción. El candidato deberá diseñar modelos probabilísticos de demanda, gestionar stock y precios, y validar resultados con backtesting temporal y pruebas A/B.

Se esperan habilidades en Python, SQL y herramientas como BigQuery ML, con capacidad de comunicar hallazgos a áreas no técnicas. La posición implica entender demanda intermitente, implementación de cuantil estimados y la

Qualifications

• Experiencia en forecasting de series de tiempo en producción.
• Manejo de demanda intermitente y métodos como Croston/TSB.
• Pronóstico probabilístico y estimación de cuantiles.
• Backtesting temporal y prevención de fuga de información.
• Comunicación de resultados a audiencias técnicas y no técnicas.

Responsibilities

• Construir pronósticos probabilísticos de demanda y definir el nivel de agregación.
• Corregir efectos de quiebres y estimar demanda real vs. ventas registradas.
• Derivar parámetros de reposición y stock de seguridad.
• Diseñar experimentos y grupos de control para cambios.
• Integrar resultados a la capa Gold para uso operacional.

Skills

Forecasting

Time series

Python

SQL

Experiment design

A/B testing

Probabilistic forecasting

Education

Master's degree in data science or statistics

Tools

BigQuery ML

Dagster

Forecasting libraries

Job description

Desarrollar modelos que mejoren las decisiones de demanda, reposición y precios, demostrando su aporte frente a las reglas actuales mediante validaciones rigurosas y resultados medibles para el negocio.

Funciones

Construir pronósticos probabilísticos de demanda y definir el nivel de agregación adecuado.

Corregir el efecto de los quiebres de stock para distinguir venta registrada de demanda real.

Derivar parámetros de reposición y stock de seguridad a partir de pronósticos e incertidumbre.

Desarrollar análisis de elasticidad y propuestas de optimización de precios.

Diseñar experimentos y grupos de control para evaluar cambios.

Integrar los resultados de los modelos a la capa Gold para su consumo por sistemas operacionales.

Definir indicadores, fórmulas y supuestos para herramientas de consulta de datos mediante IA.

Validar modelos con particiones temporales, sin fuga de información.

Comparar resultados contra métodos de referencia y elegir métricas adecuadas.

Medir impacto en quiebres, sobrestock, venta posterior y rotación.

Documentar supuestos, límites y errores de cada modelo.

Comunicar recomendaciones a las gerencias Comercial y Logística.

Proponer umbrales de negocio con evidencia para aprobación del Data Lead.

Experiencia aplicada en forecasting de series de tiempo en producción.

Manejo de demanda intermitente y alternativas como Croston, TSB o agregación temporal.

Pronóstico probabilístico y estimación de cuantiles.

Backtesting temporal y prevención de fuga de información.

Selección de métricas y comparación contra baselines.

Python para análisis y modelado con código reproducible.

SQL sólido para preparar y consultar grandes volúmenes de datos.

Comunicación con audiencias no técnicas, rigor analítico y adaptación a prioridades.

Conocimientos deseables

Inferencia causal y diseño de experimentos A/B.

Forecast jerárquico y reconciliación.

BigQuery ML y modelos fundacionales de series de tiempo.

Dagster u otro orquestador.

Conocimiento de retail: temporadas, colecciones, curvas de talla, sell-through, markdown y OTB.

Consideración para la búsqueda:

la inferencia causal es necesaria para abordar el caso de pricing; si el candidato no la domina, ese caso se posterga.