Descripción del trabajo
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 del trabajorequisitos: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, 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. Todo listose ha enviado tu solicitud correctamente
otros trabajos