Data Scientist - Remoto (Múltiples locaciones)

Imagemaker; Chile; À distance; CLP 18 000 000 - 26 000 000; Plein temps

Résumé du poste

Imagemaker en Chile busca un Data Scientist para transformar datos en decisiones y construir sistemas inteligentes. Trabajarás en la intersección entre analítica, ingeniería y negocio para impulsar la estrategia del producto mediante experimentación y desarrollo de modelos de ML.

Trabajarás con datos curados y gobernados, definirás métricas de negocio y asegurarás prácticas éticas. Modalidad Remota, con enfoque en impacto y resultados para clientes y operaciones.

Qualifications

• Experiencia en analítica de datos y ML conGCP y SQL.
• Capacidad para comunicar insights mediante visualización.
• Conocimiento de métricas y diseño experimental.
• Ética de datos y gobernanza en proyectos de IA.

Responsabilités

• Promover la democratización de datos y el uso responsable en iniciativas de Data y Experimentación.
• Generar insights basados en datos para influir en decisiones estratégicas, operacionales y de producto.
• Construir modelos analíticos y predictivos utilizando datasets curados y gobernados.
• Traducir preguntas de negocio en problemas analíticos o de Machine Learning.
• Definir y evolucionar métricas de negocio y de producto.
• Evolucionar capacidades analíticas y de IA.

Connaissances

GCP

SQL y manipulación de datos

Visualización de datos

Análisis exploratorio de datos

Análisis causal

Ética de datos

Diseño de métricas

Inferencia causal y experimentación

Supervisión de LLMs

IA responsable y ética

Dominio del Contexto

Pensamiento crítico

Comunicación

Colaboración

Resolución de problemas

Description du poste

Description

En

Department: Operations

Location: Chile

Description

En Imagemaker buscamos Data Scientists que utilicendatos para impulsar decisiones y construir sistemas inteligentes, así como generar insights de alto impacto.

Trabajarás en la intersección entre analítica, ingeniería y negocio para dar forma a la estrategia del producto (mediante experimentación) y desarrollar modelos de machine learning que optimicen la operación a gran escala, permitiendo que las áreas operen más rápido y generen mejores experiencias a sus clientes.

Key Responsibilities

Promover la democratización de datos y el uso responsable en iniciativas de Data y Experimentación:

• Indicadores de éxito: Experimentos, modelos y activos cumplen con mejores prácticas; la creación de dashboards y analítica básica queda completamente delegada a roles no especializados en datos.

Generar insights basados en datos para influir en decisiones estratégicas, operacionales y de producto:

• Indicadores de éxito: Insights adoptados que generan mejoras medibles y alineadas con las prioridades del negocio.

Construir modelos analíticos y predictivos utilizando datasets curados y gobernados:

• Indicadores de éxito: Soluciones precisas, mantenibles e integradas en los procesos de toma de decisiones.

Traducir preguntas de negocio en problemas analíticos o de Machine Learning:

• Indicadores de éxito: Productos de datos co-desarrollados, adoptados por los equipos y que resuelven problemas de alta prioridad.

Definir y evolucionar métricas de negocio y de producto:

• Indicadores de éxito: Aplicación continua de métricas que midan con precisión el éxito y el desempeño de las soluciones.

Evolucionar capacidades analíticas y de IA:

• Indicadores de éxito: Los equipos aplican métodos nuevos y efectivos para resolver desafíos emergentes.

Skills, Knowledge and Expertise

Stack Técnico Clave

• GCP: experiencia trabajando con servicios y herramientas de análisis de datos en Google Cloud Platform (GCP).
• SQL y manipulación de datos (Consulta y transforma datasets para análisis y desarrollo de modelos)
• Visualización de datos y storytelling (Comunica insights de manera clara mediante técnicas visuales y narrativas)
• Análisis exploratorio de datos (Explora datos para identificar tendencias, anomalías y generar hipótesis)
• Análisis causal y conciencia sobre Ética de datos (Reconoce y mitiga riesgos de uso indebido, sesgos o interpretaciones incorrectas de datos o resultados experimentales)
• Diseño y definición de métricas (Define y evoluciona métricas clave que alinean el desempeño del producto con los objetivos del negocio.)
• Inferencia causal y experimentación (Aplica métodos estadísticos y diseño experimental para validar relaciones de causa y efecto.)
• Supervisión de LLMs (Diseña marcos de evaluación para medir el desempeño de funcionalidades de producto impulsadas por GenAI.)
• IA responsable y ética (Garantiza la equidad, explicabilidad y aplicación ética de los insights y experimentos.)
• Dominio del Contexto (Desarrolla fluidez en verticales específicas (p. ej., loyalty, NPS, pricing) para guiar análisis y estrategia.)

Cualitativas

• Pensamiento crítico: Desafío de supuestos conectando datos con preguntas significativas de negocio.
• Comunicación: Traducción de hallazgos técnicos en lenguaje accionable para el negocio.
• Colaboración: Trabajo conjunto con equipos de producto, ingeniería y negocio para construir y aplicar soluciones.
• Resolución de problemas: Liderazgo y ejecución de análisis o modelamiento con mínima dirección.

Modalidad

Modalidad Remota