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
, 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-*-ljbffr