Cientista de Dados Pleno; Previsão de Inadimplência na Educação

Vaga aberta de Cientista de Dados Pleno (Previsão de Inadimplência na Educação). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Uma rede de faculdades particulares tem uma carteira de mensalidades em que uma fatia relevante atrasa mais de trinta dias. A equipe de cobrança liga para todos na mesma ordem, sem distinguir quem pagaria com um lembrete, quem precisa de renegociação e quem vai abandonar o curso de qualquer forma. A pergunta de negócio é como priorizar o contato para recuperar mais receita com o mesmo tempo de equipe.

Você vai construir o modelo de probabilidade de inadimplência a partir do histórico de pagamento, do curso, do semestre, de bolsa e financiamento e do comportamento na plataforma. A parte difícil não é o algoritmo, e sim o rigor: validar no tempo e não em amostra aleatória, calibrar a probabilidade para que 30% queira dizer 30%, evitar variáveis que vazam o futuro e checar que o modelo não penaliza grupos por motivos que não deveriam pesar.

O modelo só serve se mudar a cobrança. Por isso você desenha o experimento: um grupo cobrado pela ordem do modelo e um grupo pela ordem antiga, medindo valor recuperado por hora de equipe e efeito sobre a evasão, já que cobrar demais pode afastar o aluno. Entrega-se a recomendação com a incerteza do resultado dita com clareza.

O que você vai fazer:

• Construir a base de histórico de pagamento por aluno com cuidado contra vazamento de futuro
• Treinar e comparar modelos de probabilidade de atraso com validação temporal
• Calibrar as probabilidades e escolher o corte conforme o custo do contato
• Avaliar viés entre grupos e documentar quais variáveis foram excluídas e por quê
• Desenhar o experimento de cobrança priorizada e calcular o tamanho de amostra
• Medir valor recuperado por hora de equipe e efeito sobre a evasão
• Apresentar a conclusão à diretoria financeira com premissas e incerteza

Requisitos:

• Modelagem preditiva com scikit-learn e domínio de validação temporal
• Estatística aplicada: calibração, intervalo de confiança e teste de hipóteses
• SQL avançado para construir a base de análise
• Entendimento de vazamento de dados e como evitá-lo
• Planejamento de experimento com grupo de controle
• Comunicação do resultado para quem decide, incluindo a incerteza

Diferenciais:

• Experiência com modelos de risco de crédito ou de cobrança
• Noção de análise de sobrevivência aplicada a atraso
• Estudo de justiça e viés em modelos de decisão
• Familiaridade com dados acadêmicos e financeiros

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. A análise passa por revisão de outra pessoa de ciência de dados antes de ser apresentada, e o código vai para o repositório com as decisões justificadas. O experimento é acompanhado semanalmente com a área de cobrança. 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
• Calibração de probabilidade
• Teste A/B
• Jupyter
• Git

Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.