En Imagemaker buscamos Data Scientists que utilicen datos para impulsar decisiones y construir sistemas inteligentes, así como generar insights de alto impacto.

Trabajarás en la intersección entre analítica, ingeniería y negocio para dar forma a la estrategia del producto (mediante experimentación) y desarrollar modelos de machine learning que optimicen la operación a gran escala, permitiendo que las áreas operen más rápido y generen mejores experiencias a sus clientes.

Responsibilities

Promover la democratización de datos y el uso responsable en iniciativas de Data y Experimentación:

• Indicadores de éxito: Experimentos, modelos y activos cumplen con mejores prácticas; la creación de dashboards y analítica básica queda completamente delegada a roles no especializados en datos.
  Generar insights basados en datos para influir en decisiones estratégicas, operacionales y de producto:
• Indicadores de éxito: Insights adoptados que generan mejoras medibles y alineadas con las prioridades del negocio.
  Construir modelos analíticos y predictivos utilizando datasets curados y gobernados:
• Indicadores de éxito: Soluciones precisas, mantenibles e integradas en los procesos de toma de decisiones.
  Traducir preguntas de negocio en problemas analíticos o de Machine Learning:
• Indicadores de éxito: Productos de datos co-desarrollados, adoptados por los equipos y que resuelven problemas de alta prioridad.
  Definir y evolucionar métricas de negocio y de producto:
• Indicadores de éxito: Aplicación continua de métricas que midan con precisión el éxito y el desempeño de las soluciones.
  Evolucionar capacidades analíticas y de IA:
• Indicadores de éxito: Los equipos aplican métodos nuevos y efectivos para resolver desafíos emergentes.

Requirements

Stack Técnico Clave

• GCP: experiencia trabajando con servicios y herramientas de análisis de datos en Google Cloud Platform (GCP).
• SQL y manipulación de datos (Consulta y transforma datasets para análisis y desarrollo de modelos)
• Visualización de datos y storytelling (Comunica insights de manera clara mediante técnicas visuales y narrativas)
• Análisis exploratorio de datos (Explora datos para identificar tendencias, anomalías y generar hipótesis)
• Análisis causal y conciencia sobre Ética de datos (Reconoce y mitiga riesgos de uso indebido, sesgos o interpretaciones incorrectas de datos o resultados experimentales)
• Diseño y definición de métricas (Define y evoluciona métricas clave que alinean el desempeño del producto con los objetivos del negocio.)
• Inferencia causal y experimentación (Aplica métodos estadísticos y diseño experimental para validar relaciones de causa y efecto.)
• Supervisión de LLMs (Diseña marcos de evaluación para medir el desempeño de funcionalidades de producto impulsadas por GenAI.)
• IA responsable y ética (Garantiza la equidad, explicabilidad y aplicación ética de los insights y experimentos.)
• Dominio del Contexto (Desarrolla fluidez en verticales específicas (p. ej., loyalty, NPS, pricing) para guiar análisis y estrategia.)
  Cualitativas
• Pensamiento crítico: Desafío de supuestos conectando datos con preguntas significativas de negocio.
• Comunicación: Traducción de hallazgos técnicos en lenguaje accionable para el negocio.
• Colaboración: Trabajo conjunto con equipos de producto, ingeniería y negocio para construir y aplicar soluciones.
• Resolución de problemas: Liderazgo y ejecución de análisis o modelamiento con mínima dirección.

Benefits

Modalidad Remota

En Imagemaker buscamos Data Scientists que utilicen datos para impulsar decisiones y construir sistemas inteligentes, así como generar insights de alto impacto.

Trabajarás en la intersección entre analítica, ingeniería y negocio para dar forma a la estrategia del producto (mediante experimentación) y desarrollar modelos de machine learning que optimicen la operación a gran escala, permitiendo que las áreas operen más rápido y generen mejores experiencias a sus clientes.

Responsibilities

Promover la democratización de datos y el uso responsable en iniciativas de Data y Experimentación:

• Indicadores de éxito: Experimentos, modelos y activos cumplen con mejores prácticas; la creación de dashboards y analítica básica queda completamente delegada a roles no especializados en datos.
  Generar insights basados en datos para influir en decisiones estratégicas, operacionales y de producto:
• Indicadores de éxito: Insights adoptados que generan mejoras medibles y alineadas con las prioridades del negocio.
  Construir modelos analíticos y predictivos utilizando datasets curados y gobernados:
• Indicadores de éxito: Soluciones precisas, mantenibles e integradas en los procesos de toma de decisiones.
  Traducir preguntas de negocio en problemas analíticos o de Machine Learning:
• Indicadores de éxito: Productos de datos co-desarrollados, adoptados por los equipos y que resuelven problemas de alta prioridad.
  Definir y evolucionar métricas de negocio y de producto:
• Indicadores de éxito: Aplicación continua de métricas que midan con precisión el éxito y el desempeño de las soluciones.
  Evolucionar capacidades analíticas y de IA:
• Indicadores de éxito: Los equipos aplican métodos nuevos y efectivos para resolver desafíos emergentes.

Requirements

Stack Técnico Clave

• GCP: experiencia trabajando con servicios y herramientas de análisis de datos en Google Cloud Platform (GCP).
• SQL y manipulación de datos (Consulta y transforma datasets para análisis y desarrollo de modelos)
• Visualización de datos y storytelling (Comunica insights de manera clara mediante técnicas visuales y narrativas)
• Análisis exploratorio de datos (Explora datos para identificar tendencias, anomalías y generar hipótesis)
• Análisis causal y conciencia sobre Ética de datos (Reconoce y mitiga riesgos de uso indebido, sesgos o interpretaciones incorrectas de datos o resultados experimentales)
• Diseño y definición de métricas (Define y evoluciona métricas clave que alinean el desempeño del producto con los objetivos del negocio.)
• Inferencia causal y experimentación (Aplica métodos estadísticos y diseño experimental para validar relaciones de causa y efecto.)
• Supervisión de LLMs (Diseña marcos de evaluación para medir el desempeño de funcionalidades de producto impulsadas por GenAI.)
• IA responsable y ética (Garantiza la equidad, explicabilidad y aplicación ética de los insights y experimentos.)
• Dominio del Contexto (Desarrolla fluidez en verticales específicas (p. ej., loyalty, NPS, pricing) para guiar análisis y estrategia.)
  Cualitativas
• Pensamiento crítico: Desafío de supuestos conectando datos con preguntas significativas de negocio.
• Comunicación: Traducción de hallazgos técnicos en lenguaje accionable para el negocio.
• Colaboración: Trabajo conjunto con equipos de producto, ingeniería y negocio para construir y aplicar soluciones.
• Resolución de problemas: Liderazgo y ejecución de análisis o modelamiento con mínima dirección.

Benefits

Modalidad Remota