A complete application in a minute — tailored resume and cover letter, ready to send.
Coppel Enterprise busca un Científico de Datos semi-senior para aplicar análisis de datos y machine learning, apoyando decisiones estratégicas del negocio. Colaborarás con equipos multidisciplinarios, identificarás patrones y optimizarás procesos para mejorar el rendimiento organizacional mediante modelado avanzado y visualización.
Se requerirá experiencia en proyectos analíticos orientados a resultados, manejo de bases de datos, SQL y herramientas de automatización/low-code.
El Científico de Datos tiene como objetivo aplicar su experiencia en análisis de datos y machine learning para proporcionar soluciones analíticas que apoyen las decisiones estratégicas del negocio. Utilizando técnicas avanzadas de modelado, exploración de datos y visualización, trabaja de manera colaborativa con equipos multidisciplinarios para identificar patrones, optimizar procesos y mejorar el rendimiento organizacional. Además, se enfoca en mejorar la eficiencia de los modelos predictivos, automatizar flujos de trabajo y contribuir al desarrollo de soluciones escalables.
-Desarrollar modelos predictivos para resolver problemas específicos del negocio.
-Analizar y transformar datos para generar insights valiosos que apoyen decisiones estratégicas.
-Colaborar con equipos de negocio para entender necesidades y traducirlas en soluciones basadas en datos.
-Comunicar resultados de manera clara y comprensible para públicos no técnicos.
-Automatizar procesos de análisis y optimizar flujos de trabajo para mejorar la eficiencia.
-Aportar en la toma de decisiones a nivel organizacional a través de análisis de datos prácticos y efectivos.
Licenciatura en Informática/Actuaría/ Sistemas Computacionales/Matemáticas/ Ingeniería Industrial
Experiencia:
- 2 a 4 años de experiencia aplicando análisis de datos en contextos reales de negocio (ventas, marketing, operaciones, etc.).
- Participación en proyectos analíticos orientados a resultados, con impacto demostrado en procesos o decisiones.
- Experiencia trabajando con bases de datos y consultas SQL básicas o intermedias.
- Interacción directa con áreas no técnicas para entender necesidades del negocio y traducirlas en soluciones de datos.
- Conocimiento práctico en el uso de herramientas de automatización o plataformas de análisis low-code/no-code (por ejemplo, Alteryx, Power Query, AutoML, Excel avanzado).
Conocimientos en:
Técnicas de análisis exploratorio (EDA) y generación de insights accionables. Manejo de grandes volúmenes de datos con herramientas como Excel avanzado, SQL, o Power Query.
Dominio de herramientas como Power BI, Tableau o Google Data Studio.
Estadística aplicada al negocio: Métricas clave (media, desviación, correlación, segmentación).
Fundamentos de machine learning: Conocimiento general de modelos supervisados (regresión, clasificación).
Uso de herramientas como DataRobot, Azure ML Studio o AutoML para modelado asistido.
Herramientas:
Paquetería Office, SQL, R, Phyton, Julia, Scala, SPSS Stadistics, SPSS Modeler.
El Científico de Datos (Semi-Senior / Intermedio) tiene como objetivo aplicar su experiencia en análisis de datos y machine learning para proporcionar soluciones analíticas que apoyen las
decisiones estratégicas del negocio. Utilizando técnicas avanzadas de modelado, exploración de datos y visualización, trabaja de manera colaborativa con equipos multidisciplinarios para
identificar patrones, optimizar procesos y mejorar el rendimiento organizacional. Además, se enfoca en mejorar la eficiencia de los modelos predictivos, automatizar flujos de trabajo y contribuir
al desarrollo de soluciones escalables. Además asume la responsabilidad de guiar y mentorizar a los científicos de datos junior, fomentando su crecimiento y el cumplimiento de las mejores
prácticas dentro del equipo.
-Desarrollar modelos predictivos para resolver problemas específicos del negocio.
-Analizar y transformar datos para generar insights valiosos que apoyen decisiones estratégicas.
-Colaborar con equipos de negocio para entender necesidades y traducirlas en soluciones basadas en datos.
-Comunicar resultados de manera clara y comprensible para públicos no técnicos.
-Automatizar procesos de análisis y optimizar flujos de trabajo para mejorar la eficiencia.
-Aportar en la toma de decisiones a nivel organizacional a través de análisis de datos prácticos y efectivos.
-Mentorizar a perfiles de especialista de datos, promoviendo las mejores prácticas en análisis y modelado.