Cientista de Dados | Track&Field | Híbrido

Sobre a Vaga

Cientista de Dados na Track&Field em São Paulo (híbrido) para transformar dados em decisão de negócio, com modelos de IA e inteligência para varejo, marketing e atendimento.

Responsabilidades

• Desenvolver, validar e colocar em produção modelos de propensão de compra, risco de perda de cliente (churn), margem e efeito incremental (uplift)
• Construir e manter a camada de variáveis analíticas a partir de dados transacionais, de catálogo, de atendimento e de engajamento
• Desenvolver a lógica de decisão para definir qual oferta apresentar, para qual cliente, em qual momento e por qual canal
• Desenhar e interpretar testes A/B para comprovar o ganho incremental antes da adoção em escala
• Monitorar modelos em produção: desvio de dados, degradação de performance e ciclo de retreinamento
• Evoluir e sustentar o agente de inteligência artificial de atendimento (qualidade das respostas, cobertura de temas, integração às fontes e proteção)
• Definir métricas e conjunto de avaliação do agente de IA: taxa de resolução, erro de resposta, escalonamento para atendimento humano e custo por atendimento
• Alinhar objetivo, escopo e critério de aceite com as áreas de negócio e documentar decisões técnicas
• Apresentar resultados e recomendações às áreas de negócio, traduzindo o técnico em decisão prática
• Garantir conformidade com a LGPD em todo o ciclo de uso do dado pessoal de clientes

Requisitos

• Python avançado, com Pandas e Scikit-learn, para códigos modulares, organizados e testáveis
• SQL avançado, incluindo CTEs, funções de janela e otimização de consultas em grandes volumes
• Experiência com Spark/PySpark e Databricks, incluindo Delta Lake e arquitetura em camadas (Bronze/Silver/Gold), Jobs e Workflows
• Modelagem estatística supervisionada aplicada a dados transacionais (janelas de observação, validação temporal out-of-time, prevenção de vazamento e calibração)
• Avaliação de modelos por métricas estatísticas e de negócio (lift, ganho acumulado, precision@k e receita incremental)
• Testes A/B (hipóteses, dimensionamento de amostra, significância estatística e identificação de vieses)
• Produtização de modelos (scoring em lote, versionamento e monitoramento em produção)
• Conhecimento em LLMs (engenharia de prompts, RAG, chamada de ferramentas e avaliação estruturada de agentes)
• Git e familiaridade com CI/CD (Azure DevOps)
• Conhecimento prático de LGPD aplicada ao uso de dados pessoais de clientes
• Graduação em Ciência da Computação, Engenharia de Software ou áreas correlatas (experiência prática comprovada)