Data Scientist - RealAdvisor

• Más de 3 años en ciencia de datos y analítica.
• Habilidades en Python y SQL para la manipulación de datos, modelado y prototipado en producción.
• Experiencia consolidando diversas fuentes de datos y construyendo pipelines analíticos fiables.
• Diseño de experimentos y métodos de inferencia causal.
• Experiencia práctica en ML (clasificación, regresión, segmentación) y evaluación de modelos.
• Experiencia con herramientas de analítica de producto.
• Capacidad para crear dashboards y presentar hallazgos de forma clara (Looker, Tableau, Power BI o similares).
• Mentalidad de negocio: traduce los resultados técnicos en resultados de negocio medibles.
• Proactivo/a: toma la iniciativa, se hace responsable de la entrega de principio a fin y puede trabajar con supervisión limitada.

• Experiencia con negocios de suscripción y modelos de monetización.
• Familiaridad con la atribución de marketing y el modelado de LTV.
• Experiencia en desarrollo frontend o backend para implementar el seguimiento (tracking) o pequeños cambios en la interfaz de usuario (UI).
• Conocimiento de herramientas de ingeniería de datos (Airflow, dbt, Spark).
• Experiencia trabajando en mercados internacionales y con conjuntos de datos multilingües.

• Totalmente remoto.
• Rol freelance a tiempo completo.
• Tarifa mensual competitiva.

Buscamos un Data Scientist con orientación a negocio para unirse a RealAdvisor. Consolidarás y analizarás diversas fuentes de datos (producto, marketing, transaccionales), construirás modelos de ML y experimentos para impulsar el crecimiento de las suscripciones, y traducirás los hallazgos en acciones concretas de producto y marketing. Este es un rol práctico y "full-stack": realizarás consultas en bases de datos, ejecutarás experimentos, construirás modelos y presentarás historias de datos claras a los stakeholders.

• Consolidar y agregar datos de sistemas de producto, marketing, CRM y transaccionales en conjuntos de datos fiables.
• Realizar analítica de producto para medir el uso de funcionalidades, los recorridos de usuario (user journeys) y los factores de retención.
• Diseñar y ejecutar experimentos (tests A/B, análisis de cohortes, control de población y de variación) para validar hipótesis y medir el impacto causal.
• Construir modelos de ML para la optimización de ingresos, predicción de abandono (churn), segmentación y previsión de suscripciones.
• Analizar el rendimiento del marketing para medir la eficiencia de la adquisición, el LTV y el ROI de las campañas.
• Traducir el análisis en acción: proponer cambios en el producto, experimentos de crecimiento y KPIs operativos.
• Informar de los resultados mediante dashboards concisos, informes y "data storytelling" para stakeholders no técnicos.
• Trabajar de forma transversal con los equipos de producto, marketing, ingeniería y country managers para estandarizar métricas y formación.
• Mantener la calidad de los datos: identificar datos contaminados, proponer remedios e implementar controles ETL robustos.