Data Scientist CL - Híbrido (Stgo)

Department: Operations

Employment Type: Full Time

Location: Chile, Hybrid

Key Responsibilities

• Promover la democratización de datos y el uso competente y responsable de técnicas de datos en todas las iniciativas de Data y Experimentación.
• Generar insights basados en datos que influyan en decisiones estratégicas, operacionales y de producto.
• Construir modelos analíticos y predictivos utilizando datasets curados y gobernados.
• Traducir preguntas de negocio en problemas analíticos o de machine learning y colaborar de manera transversal para desplegar soluciones basadas en datos.
• Definir y evolucionar métricas de negocio y de producto que midan éxito y desempeño.
• Evolucionar continuamente las capacidades analíticas y de IA para mejorar la generación de insights, optimizar flujos de trabajo de datos y adoptar nuevas herramientas y métodos emergentes.

• Construir KPIs para monitorear eficiencia y seguridad de las áreas operacionales.
• Construir árboles de decisión sobre condiciones meteorológicas que permitan cruzar la cordillera.
• Análizar la velocidad óptima para cumplimiento del OTP.
• Modelo ML para predicción de consumo extra de combustible en contingencias.
• Interpretar NOTAM con modelos de IA generativa.

Skills, Knowledge and Expertise

• Programación & Datos: SQL avanzado (obligatorio en BigQuery) y Python (pandas, numpy, scikit-learn).
• Dominio de los componentes de GCP y sus servicios
• Modelado ML & Inferencia: Algoritmos supervisados (árboles de decisión, regresiones), Inferencia Causal / Efectos Fijos (para aislar variables en el consumo de combustible) y métricas de OTP.
• GenAI / LLMs Aplicado: Experiencia práctica consumiendo APIs de modelos de lenguaje o arquitecturas RAG para extraer información de texto no estructurado (NOTAMs).
• Despliegue & MLOps Básico: Control de versiones con Git y empaquetamiento básico en Docker.

• Comunicación efectiva: Adaptar mensajes técnicos y no técnicos según la audiencia. Comunicar avances, riesgos y bloqueos de manera oportuna y transparente.
• Colaboración: Cooperar con distintos roles y squads, fomentando sinergia y resolución conjunta
• Aprendizaje continuo: Promover una cultura de aprendizaje en el equipo, integrando nuevas prácticas y herramientas
• Entendimiento de negocio: Conectar modelos y pipelines con journey end-to-end, KPIs/OKRs core y casos de uso de alto impacto. Comprende el impacto de sus decisiones en el negocio.
• Orientación a Impacto: Enfocar trabajo en resultados y generación de valor. Balancea calidad técnica, velocidad y valor entregado.
• Ownership: Asumir responsabilidad por los resultados del producto de datos, contribuyendo activamente a su evolución y éxito más allá de las tareas asignadas.
• Proactividad y participación activa: Identificar y proponer oportunidades de mejora en el desarrollo de productos y equipo. Avanzar autónomamente en contextos ambiguos, reduciendo dependencias innecesarias. Influir en la dirección técnica del producto de datos.
• Además debe tener una mentalidad de IA aplicada: capacidad de incorporar herramientas de inteligencia artificial y agentes digitales para mejorar productividad, análisis, velocidad de ejecución y calidad de entregables.

Beneficios