Cientista de Dados Pleno (Inferência Causal em Telecom)

confidential; United States; A distancia; USD 110.000 - 170.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Ambiente remoto 100%

Flexibilidade de horários

Acesso a TotalPass e benefícios

Trabalho com equipe global

Descripción de la vacante

Confidencial busca Cientista de Dados Pleno para atuar com inferência causal em telecom. Trabalho 100% remoto, contratação CLT ou PJ, com foco em estimar o efeito causal de ofertas de retenção e ganho líquido por cliente.

Será desenvolvido desenho experimental, pareamento, ponderação e diferenças em diferenças, com notebooks versionados no Git. Você irá traduzir resultados para stakeholders de marketing e finanças, incluindo limites de incerteza, trabalhos com equipe multidisciplinar e produção

Formación

• Experiência em inferência causal com foco em confusão, seleção e contrafactual.
• Desenho e análise de experimentos, incluindo retenção de clientes.
• Capacidade de estimar efeitos com dados observacionais (pareamento, ponderação, dif. em diferenças).
• Competência em Python (Pandas, scikit-learn) e SQL para montagem de bases.
• Comunicação clara de resultados, limitações e incertezas.

Responsabilidades

• Definir perguntas causais com marketing/finanças, população e desfecho.
• Desenhar experimentos aleatórios de retenção e calcular tamanho de amostra.
• Estimar efeitos com dados observacionais e técnicas causais.
• Modelar ganhos incrementais por perfil de cliente.
• Documentar suposições, testar sensibilidade e apresentar resultados.

Conocimientos

Inferência causal

Experimentação

Desenho de estudos

Comunicação de resultados

Python

Pandas

scikit-learn

SQL

Estatística

Jupyter

Git

Herramientas

Python

Pandas

scikit-learn

SQL

Jupyter

Git

Descripción del empleo

Vaga aberta de Cientista de Dados Pleno (Inferência Causal em Telecom).

A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

A operadora oferece desconto e benefício para reter clientes que pensam em sair, e quer saber se isso funciona. Quem recebeu a oferta cancelou menos, mas a oferta foi dada a quem já tinha mais chance de cancelar, ou a quem ligou para a central, e a comparação simples engana. Você vai estimar o efeito causal da oferta de retenção.

A pergunta é qual cliente muda de decisão por causa da oferta, e não apenas quem fica. Há quem ficaria de qualquer jeito, e dar desconto a esse público só custa. Para isso é preciso desenho de experimento quando possível e, onde não for, métodos observacionais com cuidado: pareamento, ponderação, diferenças em diferenças e checagem de sensibilidade.

O resultado final é uma regra de decisão: a quem oferecer, com que valor e com que ganho líquido esperado, apresentada a marketing e finanças com a incerteza clara.

O que você vai fazer:

• Definir com marketing e finanças a pergunta causal, a população e o desfecho
• Desenhar experimentos aleatorizados de retenção e calcular o tamanho de amostra
• Estimar efeitos em dados observacionais com pareamento, ponderação e diferença em diferenças
• Modelar a resposta heterogênea e o ganho incremental por perfil de cliente
• Testar sensibilidade a variáveis não observadas e documentar as suposições
• Traduzir o efeito em regra de oferta com ganho líquido por cliente
• Apresentar resultados e limites a gestores não técnicos
• Reproduzir a análise em notebooks no Jupyter, versionados no Git

Requisitos:

• Inferência causal, com ideias de confusão, seleção e contrafactual
• Delineamento e análise de experimentos
• Python com Pandas e scikit-learn
• SQL para montar bases
• Estatística para intervalos, testes e poder
• Comunicação do resultado e de seus limites

Diferenciais:

• Modelos de uplift
• Bibliotecas de inferência causal em Python
• Conhecimento de churn e retenção em telecom
• Séries temporais para efeitos ao longo do tempo

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Suposições e métodos são combinados com a área de negócio antes da análise, e outra pessoa do time revisa os resultados. Cada análise segue o mesmo modelo de relatório, com limites no início. Na candidatura, informe a sua pretensão salarial.

Benefícios oferecidos pela empresa contratante:

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com TotalPass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• Pandas
• scikit-learn
• SQL
• Estatística
• Jupyter
• Git
• Inferência causal

Seus dados:

tratados conforme a LGPD, com remoção a qualquer momento, a pedido.