Cientista de Dados Sênior; Inferência Causal na Logística)

Position: Cientista de Dados Sênior (Inferência Causal na Logística)

Vaga aberta de Cientista de Dados Sênior (Inferência Causal na Logística). 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:

Uma operadora logística colocou lockers de retirada em alguns bairros, trocou o horário de coleta em certas filiais e ofereceu janela de entrega agendada a uma parte dos clientes. A diretoria quer saber o que isso causou nas entregas falhadas, no custo por pacote e na recompra, e não só o que correlaciona com eles.

Seu trabalho é separar efeito de coincidência. As filiais escolhidas para a mudança não foram sorteadas, o verão aumenta o volume em todo lugar e os clientes que pedem entrega agendada já eram os mais exigentes. Você vai desenhar comparações com grupo de controle, usar diferença em diferenças, controle sintético ou ajuste por propensão quando fizer sentido e dizer com clareza o que os dados permitem concluir.

O resultado se mede pela qualidade das conclusões, pela transparência das premissas e pelas decisões de expansão tomadas com base em estimativas que se confirmaram depois.

O que você vai fazer:

• Formular com a diretoria a pergunta causal e o efeito que se quer estimar
• Mapear os fatores que influenciam tanto a adoção quanto o resultado
• Escolher o desenho adequado: experimento, diferença em diferenças, controle sintético ou ajuste
• Verificar tendências paralelas, sobreposição e outras premissas e relatar quando falham
• Estimar o efeito com intervalo de confiança e análises de sensibilidade
• Planejar experimentos com sorteio por filial ou por região quando for possível
• Traduzir o resultado para impacto em custo, prazo e satisfação
• Definir o padrão de análise causal do time e revisar o trabalho de outras pessoas

Requisitos:

• Inferência causal: confusão, viés de seleção e métodos quase experimentais
• Python e SQL analítico, com bibliotecas estatísticas
• Desenho de experimento e cálculo de tamanho de amostra
• Capacidade de comunicar incerteza e limites a quem decide
• Pensamento crítico sobre dados observacionais
• Autonomia para decidir o método e orientar outras pessoas

Diferenciais:

• Experiência com efeito heterogêneo por região ou por perfil
• Conhecimento de dados de logística de última milha
• Uso de modelos bayesianos para combinar evidências
• Escrita de relatórios que apontam o que ainda não se sabe

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Cada análise causal tem as premissas listadas por escrito e é revista por outra pessoa antes de chegar à diretoria. O time prefere dizer o que não se pode concluir a entregar uma certeza que os dados não sustentam.

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
• Do Why
• Inferência causal
• Diferença em diferenças
• Estatística
• SQL
• Jupyter
• Git