Cientista de Dados Sênior

Descrição

Resumo da Vaga: Atuar no time de Analytics & Data Science, desenvolvendo modelos estatísticos e de machine learning para otimizar decisões comerciais e crescimento da carteira. Principais Destaques: 1. Desenvolver modelos estatísticos e de machine learning avançados 2. Foco em otimização de vendas, retenção e personalização de ofertas 3. Atuação com MLOps, Databricks, Spark e AWS **O que estará sobre seus cuidados:** * Atuar no time de Analytics \& Data Science, desenvolvendo modelos estatísticos e de machine learning para suportar decisões comerciais, otimizar canais de venda, aumentar conversão, retenção e crescimento da carteira, com rigor científico, experimentação controlada e modelos em produção em larga escala. **Responsabilidades e atribuições** **O que é importante você ter?** * Construir modelos de **Next Best Action** para recomendar **produto, canal e momento ideais** — aumentando **cross\-sell** na base e **conversão** nos canais digitais. * Desenvolver modelos de **churn** usando **histórico comportamental e de apólices**, antecipando **risco de cancelamento** e acionando **retenção personalizada**. * Entregar modelos de **propensão de compra** para **score de leads e base ativa**, priorizando clientes por **probabilidade de contratação** — direcionando **atuação comercial e digital**. * Gerar **segmentações comportamentais e econômicas** para **personalizar comunicação, ofertas e pricing** por perfil. * Aplicar **uplift modeling** para medir **impacto incremental de campanhas**, focando onde há **mudança real de comportamento** e reduzindo **desperdício de budget**. * Desenhar e analisar **testes A/B e RCTs** para medir **impacto causal** de vendas, campanhas e mudanças de jornada — garantindo **decisões baseadas em evidência**. * Construir **Marketing Mix Modeling (MMM)** e **atribuição multicanal** para medir **ROI por canal** e otimizar **alocação de budget** com base em **incrementalidade**. * Avaliar políticas sem RCT com **métodos causais**, estimando **impacto de mudanças** como pricing por região. * Modelar **LTV preditivo** por cliente/segmento, orientando **investimento em aquisição e retenção** e suportando a lógica **CAC vs. LTV**. * Construir e manter **pipelines de MLOps no Databricks**, garantindo **estabilidade e performance** dos modelos em produção. * Traduzir análises em **recomendações executivas claras**, conectando **métricas estatísticas** a **decisões de negócio**. **Requisitos e qualificações** * Superior Completo (Estatística, Matemática, Engenharia, Ciência da Computação ou afins) * Domínio avançado de Python (pandas, numpy, scikit\-learn) e SQL. * Experiência produtiva com **Apache Spark** / PySpark / Databricks / SparkML * Vivência com **AWS** (S3, Glue, SageMaker, Lambda ou similares) em ambiente de dados em escala. * Conhecimento sólido em **MLflow**: tracking, model registry, aliases champion/challenger, Unity Catalog, nested runs, custom metrics e artifacts. * Experiência com Feature Store do Databricks (offline e online tables, Unity Catalog, point\-in\-time correctness, on\-demand features e streaming features). * Domínio de MLOps: ciclo dev/test/prod**, Databricks Asset Bundles (DABs),** model serving endpoints, testes (unit e integration) em notebooks, **retraining automatizado** com detecção de data drift e performance degradation. * Inferência em batch, real\-time e streaming (incluindo Delta Live Tables) e deploy de modelos em endpoints. * Capacidade de formular problemas de negócio como problemas estatísticos / de ML bem definidos. * **Diferenciais** * Experiência prévia no setor financeiro, seguros ou atuarial. * Mestrado ou Doutorado em Estatística, Econometria, Matemática, Ciências Atuariais ou áreas quantitativas. * Conhecimento avançado em causal inference: DiD, RDD, variáveis instrumentais (IV), propensity score; experiência com estudos observacionais e experimentos clínicos/quase\-experimentais. * Distributed training e distributed hyperparameter tuning: pandas Function APIs / UDFs, Optuna \+ MLflow, Ray, e noções de vertical vs. horizontal scaling para ML workloads. * Lakehouse Monitoring: drift detection, testes estatísticos, time series e snapshot tables, custom metrics e alerting. * Delta Live Tables e pipelines de streaming; custom PyFunc models, REST API e MLflow Deployments SDK. **Informações adicionais** **Informações adicionais** **Como Cuidamos de você:** **Benefícios:** * Seguro Saúde; * Seguro Odontológico; * Seguro Decesso; * Vale Transporte * Vale Refeição; * Vale Alimentação; * 13ª Cesta de Alimentação; * Seguro de Vida em Grupo; * Plano de Previdência Privada; * Auxílio Creche e/ou Babá; * Participação nos Lucros e Resultados (PLR); * Gympass; * Day off para comemorar seu aniversário; * Universidade Corporativa com mais 500 cursos; * Programa de Saúde Integrada: mental, social, financeira e física. **Onde ficamos?** Nossa sede fica localizada na zona sul de São Paulo, próximo a estação de trem Morumbi (linha 9 – Esmeralda), na região do bairro Chácara Santo Antônio. Somos a Brasilseg, **uma empresa BB Seguros**, holding que concentra os **negócios de seguridade do Banco do Brasil.** Atuamos nos ramos de Vida, Habitacional, Rural e Massificados (Residencial, Empresarial, Condomínio e Máquinas e Equipamentos), sendo a **seguradora líder nacional nos ramos em que atua**. Mais de 2\.100 colaboradores, distribuídos entre São Paulo (Sede), Franca (Central de Relacionamento e Negócios) e outros estados (time Comercial) formam um time especialista em cuidar que trabalha todos os dias para trazer soluções simples, ágeis e convenientes, **cuidando de pessoas e protegendo o que é valioso para elas**, em todos os momentos de suas vidas.