Cientista de Dados Sênior – Sobrevivência de Recompra (Remoto)

Sylision; United States; Remote; USD 120,000 - 180,000; Full time

Benefits offered by this job

Trabalho 100% remoto

Flexibilidade de horário

Equipe multicultural

Seguro saúde abrangente

Aulas e treinamentos internos

Clima colaborativo

Job summary

Sylision procura um Cientista de Dados Sênior para liderar a análise de sobrevivência de recompra em e-commerce, definindo eventos e janelas de observação, estimando curvas e validando modelos com recuperação de CRM.

O papel envolve ajustar modelos de Cox e de riscos concorrentes, separar efeitos de campanhas e documentar o método para uso futuro, com entrega de recomendações práticas.

Qualifications

• Experiência em análise de sobrevivência com Kaplan-Meier, Cox e riscos concorrentes.
• Desenho de estudos comparativos sem viés de seleção.
• Python para análise de dados com Pandas e bibliotecas de sobrevivência.
• SQL para montagem de base de eventos por cliente a partir do histórico de pedidos.
• Validação temporal de modelos e leitura crítica de métricas.
• Capacidade de explicar incerteza para quem decide sem formação estatística.

Responsibilities

• Definir evento, janela de observação e censura de cada cliente.
• Estimar curvas de recompra por segmento com intervalos de confiança.
• Ajustar modelos de risco proporcional e alternativas paramétricas.
• Separar efeito de campanhas do comportamento sem intervenção.
• Validar o modelo em período posterior com métricas apropriadas.
• Transformar o resultado em regra aplicável ao CRM.
• Documentar o método para reuso com novos dados.

Skills

Kaplan-Meier

Cox model

Riscos concorrentes

Inferência estatística

Tools

Python

Pandas

scikit-learn

SQL

Job description

Sylision procura um Cientista de Dados Sênior para liderar a análise de sobrevivência de recompra em e-commerce, definindo eventos e janelas de observação, estimando curvas e validando modelos com recuperação de CRM.

O papel envolve ajustar modelos de Cox e de riscos concorrentes, separar efeitos de campanhas e documentar o método para uso futuro, com entrega de recomendações práticas.