Data Scientist Senior en Grupo Mariposa

Propósito del rol

Como Data Scientist Senior, tu propósito será liderar el desarrollo de modelos analíticos de alto impacto que generen valor tangible para el negocio. Serás responsable de diseñar soluciones avanzadas basadas en datos, integrando diversas fuentes de información y aplicando técnicas de inteligencia artificial, machine learning y analítica avanzada. Tu trabajo impulsará decisiones estratégicas que optimicen procesos, maximicen resultados y fortalezcan la cultura data-driven en la organización.

Responsabilidades principales

• Liderar el diseño, desarrollo, validación e implementación de modelos analíticos robustos y escalables que aporten valor medible a las operaciones y a la estrategia de negocio.
• Ejecutar análisis estadísticos, predictivos y prescriptivos avanzados para obtener insights accionables, anticipar comportamientos y optimizar resultados.
• Colaborar estrechamente con traductores (Translators), equipos comerciales y de negocio para comprender desafíos y proponer soluciones analíticas sostenibles y alineadas con los objetivos estratégicos.
• Coordinar con arquitectos, ingenieros de datos y especialistas digitales para entregar soluciones de analítica avanzada de punta a punta, desde la ingesta hasta la puesta en producción.
• Promover buenas prácticas de modelado, versionamiento y documentación, asegurando trazabilidad, calidad y reproducibilidad de los desarrollos.
• Asegurar el monitoreo, mantenimiento y mejora continua de los modelos productivos, garantizando su vigencia, estabilidad y valor en el tiempo.
• Liderar la experimentación estructurada (A/B testing, pruebas de hipótesis y evaluación causal) para medir el impacto de las soluciones analíticas y orientar la toma de decisiones.
• Participar activamente en la definición de estándares, frameworks y lineamientos técnicos que fortalezcan la disciplina de Ciencia de Datos dentro de la organización.

Experiencia o conocimiento avanzado en Generative AI y Large Language Models (LLMs), incluyendo:

• Fine-tuning o prompt engineering en modelos fundacionales (GPT, Claude, Llama, Mistral, etc.).
• Integración de LLMs en productos analíticos o pipelines de negocio (por ejemplo, asistentes internos, generación automática de reportes o clasificación de texto).
• Evaluación de calidad y governance de modelos generativos.