Especialista en Ciencia de Datos

Location: Mora

Would you like to help us achieve our purpose of connecting more people, improve their lives and develop our communities? If so, Tigo is for you!

We believe in innovation, we adapt and are agents of change. Our customers are at the center of everything we do.

Come and grow with our team, where together we will transform lives and communities. Additionally, you will have the opportunity to participate in challenging projects and bring your innovative ideas.

This is your opportunity, come and be part of Sangre Tigo!

Apply right now!

Especialista en Ciencia de Datos Objetivo del puesto

Responsable del desarrollo de modelos analíticos avanzados para resolver problemas de negocio, utilizando técnicas de machine learning, estadística y programación.Experiencia laboral y educaciónEgresado de las carreras de Ing. Informática / Análisis de Sistemas, Economía / Administración, Matemática / Estadística o afines. Cursos, certificaciones o licencias en Ciencias de datos o afines.
5 años de experiencia en análisis de datos, modelado predictivo y descriptivo, modelado estadístico o de econometría.Participación en proyectos de BI/DWH, preferiblemente en la industria de telecomunicaciones.

Experiencia trabajando con grandes conjuntos de datos, simulación / optimización.Conocimientos Específicos

Dominio de Python/R, SQL y librerías de ML (Scikit-learn, XGBoost, Light

GBM, etc.).Experiencia en proyectos de modelado (ej. churn, scoring, segmentación).Conocimiento de herramientas como Databricks, Jupyter, Git, MLflow (deseable).Alta capacidad analítica.

Conocimientos en análisis exploratorio / cuantitativo de datos, modelado descriptivo / predictivo y prescriptivo.

Conocimientos en Deep learning / IA. Análisis de datos financieros y comerciales.

Bases de datos Oracle / PLSQL o SQL Server / T-SQL. (Deseable) Spark, / Hadoop. (Deseable)
Conocimientos en lenguajes Python o R. (Deseable)
Experiencia con Integration Services, Analysis Services o herramientas afines.

Excel avanzado.

Inglés intermedio.

Responsabilidades y tareas relevantes

Construir modelos predictivos y prescriptivos aplicados a casos reales del negocio.

Realizar análisis exploratorios y diseño de features.

Validar modelos con métricas de performance (AUC, F1, RMSE, etc.).Comunicar resultados técnicos de forma clara a audiencias no técnicas.

Colaborar con stakeholders (negocio, producto, tecnología) para entender los objetivos, restricciones y requerimientos del problema.

Traducir necesidades del negocio en preguntas analíticas claras y medibles.

Evaluar la viabilidad de aplicar soluciones basadas en datos y estimar su impacto esperado.

Identificar fuentes de datos relevantes (internas y externas).Desarrollar procesos de ETL (Extract, Transform, Load) para integrar los datos necesarios.

Realizar limpieza de datos (manejo de valores faltantes, outliers, codificación de variables).Generar features (ingeniería de variables) relevantes y adecuadas al problema

Diseño y desarrollo de modelos analíticos. Seleccionar y aplicar algoritmos de machine learning adecuados. Evaluar la necesidad de usar modelos estadísticos tradicionales, frente a modelos más complejos (XGBoost, redes neuronales, etc.). Ajustar y optimizar hiperparámetros para mejorar el desempeño del modelo. Aplicar técnicas de validación cruzada y evitar sobreajuste.

Evaluación y validación del modelo. Definir y utilizar métricas de evaluación relevantes (precisión, recall, F1-score, ROC-AUC, RMSE, etc.). Realizar pruebas A/B si corresponde para validar el impacto del modelo en condiciones reales. Comunicar limitaciones y supuestos del modelo a las partes interesadas.

Implementación y monitoreo. Colaborar con equipos de ingeniería de datos y desarrollo para la puesta en producción de los modelos. Desarrollar scripts automatizados o pipelines de machine learning (MLOps). Monitorear el rendimiento del modelo en producción y realizar reentrenamientos cuando sea necesario.

Documentación y comunicación. Documentar el desarrollo del modelo, decisiones técnicas y resultados obtenidos. Comunicar de forma clara y accesible los resultados y hallazgos a perfiles no técnicos.

Preparar visualizaciones y dashboards para explicar insights…