Buscamos a una persona con mentalidad científica y base sólida en computación/matemáticas para liderar el diseño, implementación y puesta en producción de modelos de marketing mix (mmm) que optimicen inversión y crecimiento. Trabajarás de cerca con planificación digital, analítica y equipos de cuenta para traducir datos complejos en decisiones de negocio, con rigor estadístico y enfoque reproducible.
responsabilidades
* diseñar y entrenar mmm (adstock/carryover, saturación, efectos estacionales) con validación rigurosa, sensibilidad y back-testing.
* modelado estadístico/econométrico (regresión regularizada, bayesiano jerárquico, series de tiempo) y causalidad (incrementalidad, controles sintéticos, geo-tests).
* producción y mlops : orquestar pipelines de etl/elt, versionado de datos/modelos, monitoreo de drift y performance; desplegar en entornos cloud.
* limpieza y gobierno de datos : depurar, unificar y documentar fuentes; detección de correlaciones espurias y leakage.
* exploración y feature engineering : construcción de variables (promociones, pricing, distribución, competencia, macro), encoding de medios y lags.
* optimización y simulación : construir escenarios y optimizadores de presupuesto (curvas de respuesta; roi marginal) y tableros ejecutivos.
* comunicación : crear y presentar narrativas técnicas y de negocio; plantillas de análisis reutilizables.
* colaboración comercial : detectar oportunidades, riesgos y quick wins para cuentas actuales.
requisitos
* lic/ing en informática/computación, sistemas, matemáticas, estadística, física o afín.
* 5+ años en analítica avanzada; deseable 2+ años construyendo mmm u otros modelos de atribución/incrementalidad.
* sólido dominio de python o r (pandas/data.table, scikit-learn/pycaret, statsmodels), y sql (ideal: bigquery ).
* experiencia llevando modelos a producción (airflow/cloud composer, dbt, git, docker; pruebas y monitoreo).
* conocimiento de econometría aplicada (regularización, multicolinealidad, heterocedasticidad, validación temporal).
* capacidad para explicar modelos a audiencias técnicas y no técnicas, con documentación clara y reproducible.
plus / deseables
* bayesiano con pymc/stan, y modelos jerárquicos multicanal/multimercado.
* causal inference (dowhy, causalml, double ml), experimentos geo y uplift modeling .
* optimización (scipy, cvx) y simulación monte carlo.
* experiencia con fine-tuning de llms para documentación/qa de datos, y estadística inferencial avanzada.
#j-18808-ljbffr