Científico de Datos

Descripción

Resumen: Diseñar y entregar soluciones analíticas avanzadas y de aprendizaje automático para la toma de decisiones financieras dentro de un entorno regulado. Aspectos destacados: 1. Influir en la toma de decisiones financieras clave mediante análisis avanzados 2. Desarrollar modelos de aprendizaje automático escalables para un impacto empresarial medible 3. Centrarse en casos de uso de servicios financieros en un entorno regulado **Centro de Excelencia en IA y Datos – Abu Dhabi, Emiratos Árabes Unidos** **Descripción del puesto** ----------------- Como **Científico de Datos** dentro del Centro de Excelencia en IA y Datos, diseñará y entregará soluciones analíticas y de aprendizaje automático avanzadas que influyan directamente en la toma de decisiones financieras clave en ámbitos como concesión de préstamos, gestión de riesgos, cobranzas y participación del cliente. Este puesto exige una sólida combinación de rigor estadístico, conocimiento empresarial y pensamiento orientado a la producción, con un enfoque claro en casos de uso de servicios financieros. Trabajará estrechamente con equipos multifuncionales para construir modelos escalables que generen un impacto empresarial medible en entornos financieros altamente regulados. **Niveles de experiencia** -------------------- * **Científico de Datos Senior:** 8–10 años de experiencia * **Científico de Datos Nivel Medio:** 5–7 años de experiencia **Principales responsabilidades** ------------------------ * Desarrollar e implementar modelos de aprendizaje automático en casos de uso financieros críticos, incluidos: * Evaluación del riesgo crediticio * Detección de fraude * Segmentación de clientes y Valor Vitalicio del Cliente (CLV) * Optimización de cobranzas * Traducir problemas empresariales complejos en marcos analíticos y resultados medibles * Realizar análisis exploratorio de datos en conjuntos estructurados y no estructurados (por ejemplo, transacciones, registros de llamadas, documentos financieros, archivos) * Diseñar canalizaciones de aprendizaje automático escalables en colaboración con los equipos de Ingeniería de Datos e IA * Liderar los procesos de validación de modelos, explicabilidad y cumplimiento normativo (por ejemplo, directrices IFRS9 y Basilea) * Construir componentes reutilizables de ciencia de datos, modelos y aceleradores * Presentar información, recomendaciones y resultados del rendimiento de los modelos a partes interesadas de alto nivel **Casos de uso en servicios financieros (experiencia obligatoria)** ----------------------------------------------------- Los candidatos serán evaluados según su experiencia práctica en una o más de las siguientes áreas: * Modelos de evaluación crediticia (consumo, PYME o microfinanzas) * Detección de fraude y análisis contra el lavado de dinero (AML) * Sistemas de alerta temprana (EWS) para el monitoreo del riesgo crediticio * Modelos de priorización de cobranzas y optimización de recuperación * Analítica 360 del cliente y estrategias de personalización **Habilidades técnicas** -------------------- **Lenguajes de programación** * Python (obligatorio) * R o Scala (opcional) **Frameworks de aprendizaje automático** * Scikit-learn * TensorFlow * PyTorch * XGBoost **Técnicas avanzadas** * Aprendizaje profundo * Procesamiento del lenguaje natural (PLN) * Modelado de series temporales * Analítica de grafos **Plataformas de datos** * SQL * Spark * Hive * Ecosistemas de Big Data **Plataformas en la nube** * AWS * Azure * Google Cloud Platform (GCP) **Preferible** * Exposición a modelos de lenguaje de gran tamaño (LLM) y soluciones de IA aplicadas **Criterios de evaluación** ----------------------- Los candidatos serán evaluados según: * Profundidad de casos de uso desplegados en entornos reales (más allá de experimentos o proyectos académicos) * Impacto empresarial demostrado (por ejemplo, mejora de ingresos, reducción de riesgos, eficiencia operativa) * Experiencia gestionando el ciclo de vida completo del modelo (desarrollo, implementación, monitoreo) * Comprensión de los entornos de servicios financieros y toma de decisiones basada en riesgos **Indicadores clave de rendimiento (KPI)** ------------------------------------- * Precisión, estabilidad y explicabilidad de los modelos * Impacto empresarial medible (por ejemplo, reducción de préstamos morosos, mejora en la detección de fraude) * Velocidad y eficiencia en la entrega de soluciones de aprendizaje automático listas para producción * Reutilización y escalabilidad de los activos analíticos desarrollados **Perfil preferido** --------------------- * Experiencia previa en instituciones financieras tales como bancos, empresas no bancarias de crédito (NBFC) u organizaciones de microfinanzas * Excelentes habilidades comunicativas, con capacidad para explicar conceptos técnicos complejos a partes interesadas empresariales * Capacidad para operar eficazmente en entornos de equipos internacionales o distribuidos * Mentalidad orientada a la propiedad y al logro de resultados