Cientista de Dados Sênior; Inferência Causal em Recursos Humanos

Position: Cientista de Dados Sênior (Inferência Causal em Recursos Humanos)
Vaga aberta de Cientista de Dados Sênior (Inferência Causal em Recursos Humanos).

A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível:

senior.

Modelo de trabalho:

100% Remoto.

Contratação:

tempo integral, CLT ou PJ.

Sobre a vaga:

A área de gente quer saber se o programa de mentoria reduz a saída de pessoas nos primeiros meses, e a resposta que chega hoje é uma comparação simples entre quem participou e quem não participou. O problema é que quem entra na mentoria já era mais engajado, então a diferença observada mistura efeito do programa com perfil de quem escolheu participar.

Você vai estimar o efeito de verdade, com método que aguenta a pergunta de uma pessoa cética.

O dado é de pessoal: admissão, área, gestor, avaliação, participação em programas, desligamento, com datas que nem sempre fecham. Isso exige tratar censura (quem ainda está na empresa), variáveis de confusão e amostra pequena em alguns times. Entre as ferramentas estão pareamento por escore de propensão, diferença em diferenças, controle sintético e, quando possível, desenho de experimento com sorteio de turmas.

O que precisa estar garantido: premissas escritas, análise de sensibilidade e um intervalo de incerteza honesto. O sucesso se mede quando uma decisão de investir ou cortar um programa passa a usar o seu número, e quando o número aguenta ser questionado.

O que você vai fazer:

• Formular com a área de gente a pergunta causal e o que mudaria de decisão conforme a resposta
• Montar a base de análise a partir de eventos de pessoal, tratando censura e datas inconsistentes
• Escolher e justificar o método: pareamento, diferença em diferenças, controle sintético ou experimento
• Testar premissas e fazer análise de sensibilidade a variáveis não observadas
• Desenhar experimentos com sorteio quando a política permitir, com cálculo de tamanho de amostra
• Escrever o resultado com intervalo de confiança e limites, para leitura de não especialistas
• Definir o padrão de revisão de análises causais do time
• Orientar pessoas menos experientes em desenho de estudo e em leitura crítica

Requisitos:

• Inferência causal aplicada: viés de seleção, confusão, pareamento e diferença em diferenças
• Estatística sólida: intervalos, poder, testes de hipótese e análise de sobrevivência
• Python com Pandas e scikit-learn, e SQL para montar bases analíticas
• Cuidado com dado pessoal sensível e conhecimento prático da LGPD
• Capacidade de dizer, sem rodeio, quando o dado não permite concluir
• Escrita clara de resultado para quem toma decisão

Diferenciais:

• Ter usado bibliotecas de inferência causal como DoWhy ou EconML
• Conhecimento de análise de sobrevivência com Kaplan-Meier e modelo de Cox
• Experiência prévia com dados de pessoas ou de comportamento organizacional
• Gosto por reproduzir a análise de outra pessoa e apontar o que não fecha

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. As análises são feitas em notebooks versionados e revisadas por outra pessoa antes de chegarem à área de gente. O ritmo é de uma frente por vez, com a premissa de cada estudo discutida antes de rodar o primeiro modelo. Na candidatura, informe a sua pretensão salarial.

Benefícios

oferecidos pela empresa contratante:

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com Total Pass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• Pandas
• scikit-learn
• SQL
• Estatística
• Jupyter
• Git
• Inferência causal
• Experimentação

Seus dados:

tratados conforme a LGPD, com remoção a qualquer momento, a pedido.