Descripción del puesto

Será responsable de transformar datos complejos en insights accionables que impulsen decisiones estratégicas en áreas clave del negocio. Su propósito principal será desarrollar modelos analíticos avanzados que optimicen la rentabilidad, mitiguen riesgos, mejoren la experiencia del cliente y fortalezcan la eficiencia operativa del banco. Trabajará en estrecha colaboración con equipos de negocio, tecnología y gobierno de datos para garantizar que las soluciones analíticas estén alineadas con los objetivos financieros, regulatorios y de innovación de la entidad.

Deberá ser capaz de entender el flujo del dato para poder seleccionar, en conjunto con el negocio y los ingenieros de datos, las mejores variables para los modelos diseñar. En términos generales, liderar y gestionar iniciativas de Ciencia de Datos dentro de la organización, aportando su conocimiento y experiencia para encontrar accionables en la información que permitan optimizar y hacer crecer al negocio.

Requisitos

Deberá poder accionar en las siguientes actividades:

• Liderar proyectos de ciencia de datos de alto impacto para el negocio.
• Diseñar y desarrollar pipelines de datos para el armado de las variables.
• Diseñar, desarrollar y validar modelos predictivos y prescriptivos aplicados a problemáticas financieras como segmentación de clientes, optimización de campañas, pricing de productos, mejores accionables, mejores productos, etcétera.
• Explorar, limpiar y transformar grandes volúmenes de datos estructurados y no estructurados, provenientes de fuentes internas (core bancario, CRM, canales digitales) y externas (datos públicos, bureaus de crédito).
• Colaborar con áreas de negocio (Riesgos, Finanzas, Comercial, Canales) para entender necesidades analíticas y traducirlas en soluciones concretas basadas en datos.
• Implementar soluciones en entornos productivos, trabajando junto a equipos de ingeniería de datos y arquitectura para asegurar escalabilidad, performance y gobernanza.
• Documentar procesos, modelos y decisiones técnicas, asegurando trazabilidad y cumplimiento normativo (ej. BCRA, ISO).
• Monitorear el desempeño de modelos en producción, proponiendo ajustes y mejora continua basada en métricas de negocio y KPIs técnicos.
• Participar en iniciativas de innovación y mejora continua, explorando nuevas técnicas de machine learning, deep learning y NLP aplicadas al negocio bancario.

Habilidades Técnicas

• • Lenguajes de programación: Dominio de Python y sus principales librerías (pandas, scikit-learn, numpy, matplotlib, seaborn) y SQL para manipulación de datos, modelado y visualización. Conocimientos y trabajo en Notebooks son valorados.
  • Modelado estadístico y machine learning: Experiencia en regresión, clasificación, clustering, árboles de decisión, random forest, gradient boosting, y modelos de series temporales aplicados a problemas financieros.
  • Manipulación y análisis de datos: Capacidad para trabajar con grandes volúmenes de datos, realizar limpieza, imputación, transformación y análisis exploratorio.
  • Herramientas de visualización: Uso de Power BI para comunicar insights de manera efectiva a stakeholders no técnicos.
  • Plataformas de datos: Experiencia en entornos como Databricks para desarrollo y ejecución de pipelines analíticos. Uso de Git o cualquier plataforma de versionado.
  • Entornos productivos: Conocimientos en MLOps, deployment de modelos, APIs REST, y monitoreo de modelos en producción.
  • Gobernanza y calidad de datos: Familiaridad con conceptos de linaje, catalogación, políticas de acceso y cumplimiento normativo (ej. BCRA).
  • Bases de datos: Manejo de bases relacionales (PostgreSQL, SQL Server, Oracle) y no relacionales (MongoDB, Redis) según necesidad del caso de uso (Deseable).