Data Scientist - Remoto (Múltiples locaciones)
Summary
Imagemaker is hiring remote Data Scientists (based in Chile) who turn data into insights and build machine learning models to optimize operations at scale. Day to day: exploratory analysis, A/B testing and metrics, data modeling, and visualization, working at the intersection of analytics, engineering, and business on GCP.
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.
- 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.
- Indicadores de éxito: Insights adoptados que generan mejoras medibles y alineadas con las prioridades del negocio.
- Indicadores de éxito: Soluciones precisas, mantenibles e integradas en los procesos de toma de decisiones.
- Indicadores de éxito: Productos de datos co-desarrollados, adoptados por los equipos y que resuelven problemas de alta prioridad.
- Indicadores de éxito: Aplicación continua de métricas que midan con precisión el éxito y el desempeño de las soluciones.
- Indicadores de éxito: Los equipos aplican métodos nuevos y efectivos para resolver desafíos emergentes.
- 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.)
- 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.