Científico de Datos – Experimentación e Inferencia Causal

Descripción

Resumen: Wizeline busca un profesional calificado para diseñar, construir y validar modelos causales, aplicando métodos estadísticos avanzados y diseños experimentales para impulsar la transformación empresarial. Aspectos destacados: 1. Desarrollar productos y plataformas digitales de vanguardia impulsados por inteligencia artificial 2. Fomentar una cultura de crecimiento, colaboración e impacto 3. Entorno de alto impacto con oportunidades de desarrollo profesional **Somos:** Wizeline, proveedor global de soluciones tecnológicas nativas de inteligencia artificial, desarrolla productos y plataformas digitales de vanguardia **impulsados por IA**. Colaboramos con clientes para aprovechar los datos y la IA, acelerando la entrada al mercado y conduciendo la transformación empresarial. Como comunidad global de innovadores, fomentamos una cultura de **crecimiento, colaboración** e **impacto.** **Con las personas adecuadas y las ideas adecuadas, no hay límite a lo que podemos lograr** **¿Eres el candidato adecuado?** Suena impresionante, ¿verdad? Ahora, asegurémonos de que seas un buen ajuste para este puesto: ***Responsabilidades clave*** * Diseñar, construir y validar modelos causales para evaluar el impacto de campañas e iniciativas empresariales (Diferencia-en-diferencias 2x2 (DiD), DiD escalonado, Control sintético, Bosque causal, DoubleML, Aprendices meta causales, G-Computación, Descubrimiento causal, DAG). * Definir metodologías de estimación causal para el diseño, implementación y validación de modelos causales, alineadas con el contexto empresarial, la calidad de los datos y las decisiones estratégicas que deben informarse, garantizando estándares y mejores prácticas. * Aplicar métodos estadísticos avanzados sobre datos observacionales para identificar y cuantificar relaciones causales, distinguiendo correlación de causalidad. * Diseñar e implementar ensayos controlados aleatorizados (RCT) para evaluar rigurosamente la eficacia de estrategias empresariales. * Garantizar un diseño experimental sólido, una asignación adecuada de grupos de control y tratamiento, y una ejecución correcta para obtener resultados confiables y reproducibles. Estimar el impacto causal de los experimentos mediante técnicas estadísticas apropiadas (por ejemplo, regresión, prueba t, chi-cuadrado), evaluando supuestos, sesgos y la robustez de los resultados. * Mantener documentación clara y detallada de los modelos, experimentos y procesos analíticos. * Preparar informes y presentaciones que traduzcan análisis complejos en mensajes comprensibles para audiencias no técnicas. ***Competencias obligatorias*** * Al menos 3–4 años desarrollando y aplicando modelos de inferencia causal, experimentación (RCT) y técnicas de aprendizaje automático sobre datos experimentales y observacionales. * Sólidos fundamentos en estadística, probabilidad y econometría aplicada, incluyendo el marco de resultados potenciales, sesgo de selección, sesgo por variables omitidas, tendencias paralelas, efectos indirectos y SUTVA. * Experiencia en diseños experimentales avanzados: análisis de potencia estadística, cálculo del tamaño muestral, control de pruebas múltiples y análisis de heterogeneidad (CATE). * Competencia avanzada en Python y R aplicados al análisis de datos, experimentación e inferencia causal, con experiencia en bibliotecas de Python como **econml**, **causalml**, **dowhy**, **statsmodels** y **scikit-learn**, y paquetes de R como **did**, **fixest**, **CausalImpact**, **MatchIt**, **Synth** y **gsynth**. * Competencia avanzada en SQL y PySpark para extraer, transformar y analizar grandes conjuntos de datos en entornos distribuidos. * Experiencia trabajando con la suite de Azure, incluyendo Databricks y Azure DevOps, para desarrollar, versionar e implementar pipelines y flujos de trabajo analíticos. ***Deseable:*** * **Competencia en herramientas de IA**: Utilizar una o más herramientas de IA para optimizar y potenciar el trabajo diario, incluyendo redacción, análisis, investigación o automatización de procesos. Proporcionar recomendaciones sobre el uso eficaz de la IA e identificar oportunidades para agilizar flujos de trabajo. * Conocimiento de los desafíos específicos del sector de bienes de consumo empaquetados (CPG). * Capacidad para operar en entornos dinámicos y altamente ambiguos. **Lo que ofrecemos:** * Un entorno de alto impacto * Compromiso con el desarrollo profesional * Cultura flexible y colaborativa * Oportunidades globales * Comunidad vibrante * Recompensas integrales * *Los beneficios específicos dependen del tipo de contrato y la ubicación.* Descubre más sobre nuestra cultura aquí.