Data Scientist - Remoto (Múltiples locaciones)

De Lei Interim; Chile; Remote; CLP 24,000,000 - 42,000,000; Full time

Job summary

Imagemaker busca un Data Scientist para trabajar en un entorno remoto en Chile, conectando analítica, ingeniería y negocio para impulsar la estrategia de producto y desarrollar modelos de machine learning a gran escala.

Se requieren habilidades en GCP, SQL, EDA y estadísticas, con énfasis en métricas, experimentación y gobernanza de datos. Modalidad remota con enfoque en resultados y colaboración transversal.

Qualifications

• Stack técnico clave para análisis y ciencia de datos, uso de herramientas de visualización y procesamiento de datos.
• Gestión de datos con gobernanza, calidad y ética.

Responsibilities

• Promover la democratización de datos y uso responsable en iniciativas de Data y Experimentación.
• Generar insights basados en datos para influir 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.

Skills

GCP

SQL

EDA

Statistics

A/B Testing

Data Modeling

Data Visualization

Data Governance

Analytics Tools

Tools

BigQuery

Data Studio

Job description

Data Scientist - Remoto (Múltiples locaciones)

Department: Operations

Employment Type: Full Time

Location: Chile

Description

En Imagemaker buscamos Data Scientists que utilicen datos 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 decisiónes 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 solucióness.

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

1. GCP: experiencia trabajando con servicios y herramientas de análisis de datos en Google Cloud Platform (GCP).
2. SQL y manipulación de datos: extracción, transformación y análisis de datos para responder preguntas de negocio.
3. Análisis exploratorio de datos: identificación de tendencias, patrones, anomalías e insights.
4. Estadística y análisis cuantitativo: aplicación de conceptos estadísticos para análisis, métricas y toma de decisiones.
5. Métricas y experimentación: definición y análisis de métricas, pruebas A/B y evaluación de resultados.
6. Modelamiento de datos: construcción y utilización de datasets confiables, limpios y reutilizables.
7. Visualización y storytelling: comunicación de hallazgos mediante visualizaciones y narrativas claras.
8. Calidad, gobernanza y ética de datos: consideración de calidad, sesgos, trazabilidad y uso responsable de los datos.
9. Herramientas analíticas: experiencia con herramientas de análisis, visualización y/o procesamiento de datos.

Cualitativas

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

Modalidad

Modalidad Remota