Cientista de Dados Sênior (Inferência Causal na Logística)

Sylision

United States

Remote

USD 140,000 - 190,000

Full time

12 days ago

A complete application in a minute

Tailored resume and cover letter, ready to send.

Get past ATS filters

Benefits offered by this job

Ambiente remoto e flexível
Trabalho 100% remoto
Equipe internacional
Suporte à saúde
Autonomia de atuação

Job summary

A Sylision procura um Cientista de Dados Sênior (Inferência Causal na Logística) para atuação 100% remoto. Contratação CLT ou PJ.

A missão é separar efeito de coincidência e estimar impactos de mudanças operacionais nas entregas, custo por pacote e recompras, para orientar decisões de expansão. Formule perguntas causais, mapear fatores de influência, escolher o desenho adequado (diferenças em diferenças, controle sintético ou ajuste por propensity) e relatar premissas.

Qualifications

  • Inferência causal aplicada à logística e dados observacionais.
  • Conhecimento de métodos quase-experimentais e desenho de experimentos.
  • Capacidade de comunicar incerteza e limites das evidências.
  • Autonomia para orientar equipes e decisões com base em dados.

Responsibilities

  • Formular a pergunta causal e o efeito a estimar.
  • Mapear fatores que influenciam adoção e resultado.
  • Escolher o desenho adequado: diferenças em diferenças, controle sintético ou ajuste por propensity.
  • Verificar premissas e relatar quando falham.
  • Estimular com intervalo de confiança e análises de sensibilidade.

Skills

Causal inference
Statistical analysis
Experimental design
Critical thinking
Comunicação de incerteza

Tools

Python
Pandas
DoWhy
SQL
Jupyter
Git

Job description

Vaga aberta de Cientista de Dados Sênior (Inferência Causal na Logística). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: senior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Uma operadora logística colocou lockers de retirada em alguns bairros, trocou o horário de coleta em certas filiais e ofereceu janela de entrega agendada a uma parte dos clientes. A diretoria quer saber o que isso causou nas entregas falhadas, no custo por pacote e na recompra, e não só o que correlaciona com eles.

Seu trabalho é separar efeito de coincidência. As filiais escolhidas para a mudança não foram sorteadas, o verão aumenta o volume em todo lugar e os clientes que pedem entrega agendada já eram os mais exigentes. Você vai desenhar comparações com grupo de controle, usar diferença em diferenças, controle sintético ou ajuste por propensão quando fizer sentido e dizer com clareza o que os dados permitem concluir.

O resultado se mede pela qualidade das conclusões, pela transparência das premissas e pelas decisões de expansão tomadas com base em estimativas que se confirmaram depois.

O que você vai fazer:
  • Formular com a diretoria a pergunta causal e o efeito que se quer estimar
  • Mapear os fatores que influenciam tanto a adoção quanto o resultado
  • Escolher o desenho adequado: experimento, diferença em diferenças, controle sintético ou ajuste
  • Verificar tendências paralelas, sobreposição e outras premissas e relatar quando falham
  • Estimar o efeito com intervalo de confiança e análises de sensibilidade
  • Planejar experimentos com sorteio por filial ou por região quando for possível
  • Traduzir o resultado para impacto em custo, prazo e satisfação
  • Definir o padrão de análise causal do time e revisar o trabalho de outras pessoas
Requisitos:
  • Inferência causal: confusão, viés de seleção e métodos quase experimentais
  • Python e SQL analítico, com bibliotecas estatísticas
  • Desenho de experimento e cálculo de tamanho de amostra
  • Capacidade de comunicar incerteza e limites a quem decide
  • Pensamento crítico sobre dados observacionais
  • Autonomia para decidir o método e orientar outras pessoas
Diferenciais:
  • Experiência com efeito heterogêneo por região ou por perfil
  • Conhecimento de dados de logística de última milha
  • Uso de modelos bayesianos para combinar evidências
  • Escrita de relatórios que apontam o que ainda não se sabe
Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada análise causal tem as premissas listadas por escrito e é revista por outra pessoa antes de chegar à diretoria. O time prefere dizer o que não se pode concluir a entregar uma certeza que os dados não sustentam.

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
  • DoWhy
  • Inferência causal
  • Diferença em diferenças
  • Estatística
  • SQL
  • Jupyter
  • Git
Get your free, confidential resume review.

or drag and drop your file here.

Similar jobs

Similar jobs worth comparing

Cientista de Dados Sênior (Inferência Causal em Mobilidade Urbana)
Cientista de Dados Sênior (Inferência Causal em Mobilidade Urbana)

Sylision • United States

Remote
USD 33,000 - 48,000
Ambiente colaborativo
Trabalho remoto total
Conexão global
+2
Cientista de Dados Sênior (Inferência Causal em Recursos Humanos)
Cientista de Dados Sênior (Inferência Causal em Recursos Humanos)

Sylision • United States

Remote
USD 33,000 - 58,000
Trabalho remoto total
Ambiente colaborativo
Conexão global com times
+1
Cientista de Dados Sênior (Inferência Causal no E-commerce)
Cientista de Dados Sênior (Inferência Causal no E-commerce)

Sylision • United States

Remote
USD 120,000 - 190,000
Ambiente colaborativo
Trabalhe de qualquer lugar
Cientista de Dados Sênior (Inferência Causal em Seguros)
Cientista de Dados Sênior (Inferência Causal em Seguros)

Sylision • United States

Remote
USD 33,000 - 51,000
Ambiente colaborativo
Trabalho remoto
Conexão global com times
+2
Cientista de Dados Pleno (Inferência Causal no Setor de Energia)
Cientista de Dados Pleno (Inferência Causal no Setor de Energia)

Sylision • United States

Remote
USD 90,000 - 130,000
Cientista de Dados Pleno (Inferência Causal na Educação)
Cientista de Dados Pleno (Inferência Causal na Educação)

Sylision • United States

Remote
USD 16,000 - 29,000
Ambiente colaborativo
Trabalhe de qualquer lugar
Conexão global
+3
Cientista de Dados Sênior (Inferência Causal na Saúde)
Cientista de Dados Sênior (Inferência Causal na Saúde)

Sylision • United States

Remote
USD 140,000 - 190,000
Ambiente colaborativo
Liberdade e flexibilidade
Conexão global com times
Cientista de Dados Sênior (Inferência Causal em Meios de Pagamento)
Cientista de Dados Sênior (Inferência Causal em Meios de Pagamento)

Sylision • United States

Remote
USD 45,000 - 76,000
Ambiente colaborativo
Trabalho remoto total
Conexão com times de diferentes países
+3
Cientista de Dados Sênior (Testes A/B na Logística)
Cientista de Dados Sênior (Testes A/B na Logística)

Sylision • United States

Remote
USD 120,000 - 180,000
Remoto 100%
Contrato CLT
Conexão com times globais
Cientista de Dados Pleno (Inferência Causal em Telecom)
Cientista de Dados Pleno (Inferência Causal em Telecom)

Sylision • United States

Remote
USD 110,000 - 170,000
Ambiente remoto 100%
Flexibilidade de horários
Acesso a TotalPass e benefícios
+1