Cientista de Dados Sênior (Inferência Causal no E-commerce)

confidential; United States; Remote; USD 120,000 - 190,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalhe de qualquer lugar

Job summary

A Sylision busca um Cientista de Dados Sênior para conduzir inferência causal em ambientes de e-commerce. A posição é 100% remota e envolve desenhar experimentos, aplicar diferenças em diferenças, pareamento e modelos de efeito heterogêneo.

Você traduz perguntas de marketing em hipóteses, desenha testes A/B, estima retornos de cupons e frete, e apresenta recomendações com intervalo de incerteza a marketing e finanças.

Qualifications

• Inferência causal: desenho de experimento e métodos quase experimentais.
• Estatística: potência, intervalos, comparações múltiplas.
• Python e SQL para análise reprodutível.
• Modelos de efeito heterogêneo e uplift.

Responsibilities

• Traduzir perguntas de marketing em hipóteses causais testáveis.
• Desenhar e analisar testes A/B com cuidado de potência e de interferência.
• Aplicar diferença em diferenças, pareamento ou controle sintético quando não há experimento.
• Estimar efeito heterogêneo para saber quem responde mais a cada incentivo.
• Submeter as conclusões a testes de sensibilidade e relatar o que o dado não pode afirmar.
• Calcular o retorno incremental de cupom, frete e cashback.
• Apresentar a recomendação com intervalo de incerteza a marketing e finanças.
• Orientar analistas em inferência causal.

Skills

Inferência causal

Estatística

Python

SQL

Efeito heterogêneo

Testes A/B

Tools

Python

Pandas

scikit-learn

SQL

Jupyter

Job description

Vaga aberta de Cientista de Dados Sênior (Inferência Causal no E-commerce). 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:

Um e-commerce gasta com frete grátis, cupom, cashback e campanha, e quer saber o que essas ações causam de fato. Quem recebeu cupom e comprou teria comprado de qualquer jeito? O frete grátis aumenta o valor do pedido ou só reduz a margem? As respostas ingênuas, comparando quem recebeu com quem não recebeu, costumam estar erradas, pois os grupos são escolhidos por critérios que já se relacionam com a compra.

Você usa inferência causal para responder: desenha experimentos quando é possível, e quando não é, aplica diferença em diferenças, pareamento, controle sintético ou modelos de efeito heterogêneo para identificar o efeito e quem mais responde. Verifica as premissas, testa a sensibilidade das conclusões e informa o que o dado não permite concluir. O resultado orienta quem recebe cada incentivo e quanto vale gastar.

Avaliamos clareza da pergunta, validade das premissas, intervalo do efeito estimado e retorno medido depois da mudança. Como sênior, você escolhe o método, defende a conclusão e orienta o time.

O que você vai fazer:

• Traduzir perguntas de marketing em hipóteses causais testáveis
• Desenhar e analisar testes A/B com cuidado de potência e de interferência
• Aplicar diferença em diferenças, pareamento ou controle sintético quando não há experimento
• Estimar efeito heterogêneo para saber quem responde mais a cada incentivo
• Submeter as conclusões a testes de sensibilidade e relatar o que o dado não permite afirmar
• Calcular o retorno incremental de cupom, frete e cashback
• Apresentar a recomendação com intervalo de incerteza a marketing e finanças
• Orientar analistas em inferência causal

Requisitos:

• Inferência causal: desenho de experimento e métodos quase experimentais
• Estatística: potência, intervalos, comparações múltiplas
• Python e SQL para análise reprodutível
• Modelos de efeito heterogêneo e de uplift
• Honestidade intelectual ao relatar limites e premissas
• Comunicação com marketing e finanças sem esconder a incerteza

Diferenciais:

• Ter trabalhado com e-commerce, marketplace ou assinatura
• Experimentos com interferência entre usuários, como em marketplace
• Métodos bayesianos para decisão sob incerteza
• Experiência em criar cultura de experimentação num time

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O método de cada análise é revisado por outra pessoa antes de a recomendação sair, e os efeitos estimados são comparados com o realizado depois da mudança. 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
• Inferência causal
• Teste A/B

Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.