Data Scientist – Analítica Avanzada

BC Tecnología; Santiago; Hybrid; CLP 12,000,000 - 20,000,000; Full time

Job summary

BC Tecnología busca un Data Scientist para un proyecto estratégico en Retail, orientado a desarrollar e implementar modelos predictivos que optimicen decisiones comerciales, pronósticos de demanda, inventarios y estrategias de precios.

Se requiere experiencia en forecasting de series de tiempo, manejo de Python y SQL, y capacidad para transformar datos en soluciones de impacto para el negocio. Modalidad híbrida (presencial de lunes a jueves, viernes remoto) en Chile.

Qualifications

• Experiencia en Forecasting de series de tiempo en entornos productivos.
• Conocimientos de demanda intermitente y métodos Croston, TSB.
• Desarrollo de pronósticos probabilísticos y cuantiles.
• Backtesting y validación temporal para evitar fuga de información.

Responsibilities

• Diseñar, validar y desplegar modelos predictivos de demanda y precios.
• Analizar series temporales y gestionar procesos de backtesting.
• Colaborar con Data Engineering y áreas comerciales para implementación.
• Documentar supuestos, métricas y resultados.

Skills

Forecasting de series de tiempo

Python para análisis

SQL para extracción y análisis

Análisis de datos

Comunicación de resultados

Tools

Python

SQL

Google BigQuery

Dagster

BigQuery ML

Job description

Nos encontramos en búsqueda de un/a Data Scientist para integrarse a un importante proyecto tecnológico del sector Retail, participando en el desarrollo e implementación de modelos predictivos orientados a optimizar decisiones comerciales, pronósticos de demanda, inventarios y estrategias de precios.

Buscamos profesionales con experiencia real en modelos estadísticos y Machine Learning, pensamiento analítico y capacidad para transformar información en soluciones de impacto para el negocio.

Funciones principales

• Diseñar, desarrollar y validar modelos predictivos de pronóstico de demanda (Forecasting).
• Analizar series de tiempo e implementar modelos capaces de trabajar con demanda intermitente.
• Desarrollar pronósticos probabilísticos para apoyar decisiones de reposición de inventario.
• Identificar y corregir distorsiones generadas por quiebres de stock y disponibilidad de productos.
• Optimizar estrategias de reposición y distribución de inventario mediante modelos analíticos.
• Participar en iniciativas de optimización de precios y análisis de elasticidad.
• Diseñar procesos de Backtesting y validar modelos sobre datos históricos no utilizados en el entrenamiento.
• Evaluar resultados mediante métricas estadísticas y comparaciones con modelos de referencia (baselines).
• Integrar resultados de modelos predictivos con plataformas de datos y sistemas operacionales.
• Colaborar con equipos de Data Engineering y áreas comerciales y logísticas.
• Documentar modelos, resultados, supuestos y métricas de desempeño.

Requisitos obligatorios

• Experiencia en Forecasting de series de tiempo aplicado en entornos productivos.
• Conocimientos de demanda intermitente y métodos como Croston, TSB o agregación temporal.
• Experiencia desarrollando pronósticos probabilísticos, incluyendo cuantiles e intervalos de predicción.
• Dominio de técnicas de Backtesting, validación temporal y prevención de fuga de información.
• Experiencia en selección de métricas de evaluación y comparación con modelos baseline.
• Conocimientos sólidos de Python para análisis, modelado y desarrollo de soluciones reproducibles.
• Manejo de SQL para extracción, transformación y análisis de grandes volúmenes de datos.
• Capacidad de interpretación y comunicación de resultados a equipos técnicos y de negocio.
• Pensamiento analítico, autonomía y orientación a resultados medibles.

Conocimientos deseables

• Experiencia en modelos de Machine Learning aplicados a retail.
• Inferencia causal y diseño de experimentos A/B.
• Forecasting jerárquico y reconciliación de pronósticos.
• Optimización matemática y programación lineal.
• Conocimientos de Google BigQuery y BigQuery ML.
• Experiencia con orquestadores como Dagster o similares.
• Modelos fundacionales de series de tiempo, como TimesFM.
• Experiencia en demanda, inventarios, pricing o logística.

Condiciones laborales

Modalidad: Híbrida (lunes a jueves presencial y viernes remoto, con flexibilidad ante eventos).