? 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 PyTorch.
- Conocimiento de métricas de evaluación, selección de modelos y análisis de variables.
- Experiencia en implementación y seguimiento de modelos en ambientes productivos ?.

⭐ Será un plus contar con:

- Experiencia específica desarrollando modelos de fuga/churn, fraude, propensión, scoring o segmentación de riesgo.
- Experiencia en industrias financieras, bancarias, aseguradoras u otros entornos regulados.
- Conocimientos de MLOps, CI/CD, versionamiento y monitoreo de modelos.
- Experiencia con Docker o tecnologías de contenerización.
- Conocimientos en despliegue de modelos mediante APIs utilizando herramientas como FastAPI o Flask.

? Formación y otros:

- Formación en Ingeniería, Estadística, Matemáticas, Ciencia de Datos, Informática o carrera afín.
- Experiencia práctica desarrollando soluciones de Data Science y Machine Learning aplicadas a problemáticas reales de negocio.
- Capacidad analítica, autonomía y orientación a resultados.
- Buen nivel de comunicación para relacionarse tanto con equipos técnicos como con áreas de negocio.

⚡ Ventajas Zenta:

- Participación en proyectos tecnológicos y analíticos de alto impacto ?.
- Desarrollo profesional en proyectos de Data Science, Machine Learning y Cloud.
- Aprendizaje continuo y posibilidad de trabajar con tecnologías modernas del ecosistema de datos.
- Cultura colaborativa, cercana y orientada al crecimiento profesional.

? ¿Te motiva desarrollar modelos predictivos que permitan anticipar el comportamiento de los clientes y generar impacto real en las decisiones del negocio?

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