? Misión del rol:
Diseñar, desarrollar, entrenar, validar e implementar un modelo predictivo de fuga de clientes, utilizando metodologías de Data Science y Machine Learning, trabajando sobre el datalake corporativo en Azure.
El foco del rol estará en transformar grandes volúmenes de datos en modelos predictivos accionables para el negocio, permitiendo identificar anticipadamente clientes con mayor probabilidad de fuga y generar información que apoye estrategias de retención.

⚡ Principales funciones:
Analizar, preparar y transformar grandes volúmenes de información para la construcción de modelos predictivos.
Realizar procesos de feature engineering, selección de variables y construcción del dataset analítico.
Diseñar, entrenar y comparar distintos algoritmos de Machine Learning supervisado.
Ejecutar procesos de validación cruzada y evaluación de performance de los modelos.
Implementar modelos orientados a fuga/churn, propensión, scoring y segmentación de riesgo.




Generar un scoring de probabilidad de fuga e identificar las principales variables explicativas del comportamiento de los clientes.
Participar en la implementación, versionamiento, monitoreo y eventual recalibración de los modelos en ambientes productivos.
Documentar metodología, resultados, métricas y decisiones asociadas al modelo.
Trabajar colaborativamente con equipos de datos, tecnología y negocio para transformar los resultados analíticos en recomendaciones concretas de retención ?.

?️ Requisitos técnicos:
Experiencia sólida desarrollando modelos predictivos mediante Machine Learning.
Dominio avanzado de Python y SQL.
Experiencia en preparación de datos, feature engineering, entrenamiento, validación y evaluación de modelos.
Experiencia trabajando con servicios y ecosistemas de datos en Microsoft Azure.
Conocimientos en herramientas como Azure Data Lake, Azure Machine Learning, Databricks, Synapse y/o Data Factory.
Manejo de librerías y frameworks de Machine Learning como Scikit-Learn, TensorFlow y/o

📌 Científico de datos (Santiago)
🏢 Zenta Group
📍 Santiago