Product Data Scientist

Location: Mexico City, Mexico City, Mexico, Buenos Aires, Buenos Aires, Argentina

Department: Financial Services

Workplace: hybrid

Employment Type: full

Description

Buscamos un Product Data Scientist que convierta datos en decisiones que mejoren directamente la operación y los resultados del negocio.

En este rol desarrollarás modelos predictivos que optimicen la estrategia de contacto con deudores, priorizando a quién llamar, cuándo hacerlo y cuál es el mejor canal para maximizar la recuperación de cartera. Trabajarás de la mano con Producto e Ingeniería para llevar modelos a producción y medir su impacto en una operación de gran escala.

Responsabilidades

• Diseñar y desarrollar modelos de scoring para estimar la probabilidad de contacto y pago.
• Optimizar la estrategia de llamadas mediante modelos de priorización, horarios, reintentos y canales alternativos.
• Resolver problemas de cold start para clientes o deudores sin historial.
• Definir métricas, establecer baselines y medir el impacto de los modelos en el negocio.
• Analizar grandes volúmenes de datos para identificar oportunidades de mejora en la operación.
• Implementar modelos en producción junto al equipo de Ingeniería.
• Comunicar hallazgos y recomendaciones a equipos técnicos y de negocio.
• Colaborar con Producto para convertir modelos analíticos en funcionalidades que generen valor para los clientes.

Requirements

• 3+ años de experiencia como Data Scientist, Applied Scientist o Machine Learning Engineer.
• Experiencia implementando modelos de Machine Learning en producción con impacto en el negocio.
• Dominio de Python y SQL.
• Experiencia trabajando con Postgres y/o BigQuery.
• Conocimiento en modelado predictivo, clasificación y análisis estadístico.
• Capacidad para trabajar con datos incompletos o de baja calidad.
• Excelentes habilidades de comunicación y colaboración con equipos multidisciplinarios.
• Mentalidad de startup y capacidad para construir soluciones desde cero.

Será un plus si tienes experiencia en:

• Riesgo crediticio o banca.
• Cobranza, contact centers, telecomunicaciones o lead scoring.
• Modelos de propensión, priorización o scoring.
• Experimentación, A/B testing y medición de impacto.
• Empresas de alto crecimiento o startups tecnológicas.