Andata es una consultora de datos y analítica.
Trabajamos con empresas en proyectos de business intelligence, analítica avanzada y transformación de datos, y acompañamos tanto la construcción técnica como las decisiones de negocio que la motivan.
El rol
Buscamos una persona senior para sumarse a nuestro equipo de data science en un proyecto con un cliente del sector financiero.
El objetivo es medir el impacto real de las acciones comerciales: cuánto de lo que pasa después de una acción se debe a ella, y cuánto hubiera pasado de todas formas.
No es un rol de dashboards ni de ML predictivo clásico.
Es inferencia causal aplicada sobre datos observacionales, donde la metodología importa y hay que sostener los resultados frente a equipos técnicos y de negocio.
Responsabilidades
Diseñar estrategias de identificación causal sobre datos no experimentales
Estimar efectos incrementales con modelos de panel y controles adecuados
Construir cohortes y grupos de control con reglas explícitas y auditables
Medir efectos de corto y de mediano plazo sobre el comportamiento de clientes
Modelar la permanencia y el valor futuro de los clientes, y combinarlo con la capa causal para medir el valor incremental
Presentar resultados y supuestos a equipos técnicos y de negocio, con intervalos de confianza
Dejar el trabajo reproducible y documentado
Requisitos excluyentes
5+ años en data science, econometría aplicada o analítica avanzada
Experiencia en el sector financiero: bancos, fintech, tarjetas, pagos o afines
Inferencia causal aplicada con datos de panel: diferencias en diferencias, event study, propensity score matching.
Saber cuándo cada método se rompe.




Modelado de retención o valor de cliente aplicado en un proyecto real, con al menos uno de estos enfoques: modelos Buy Till You Die (BG/NBD, Pareto/NBD, Gamma-Gamma) o survival / hazard (Kaplan-Meier, Cox, modelos de tiempo discreto)
Python para modelado (pandas, statsmodels, scikit-learn o equivalentes)
SQL avanzado sobre grandes volúmenes
Experiencia en BigQuery / Google Cloud
Deseable
Experiencia midiendo el impacto de campañas, pricing o iniciativas comerciales
Manejo de los dos enfoques de modelado de cliente (BTYD y survival / hazard)
Modelado bayesiano (PyMC, PyMC-Marketing o similar)
lifetimes, lifelines o librerías equivalentes
Diseño de experimentos
Posgrado en ciencia de datos, econometría, estadística o economía.
Qué buscamos en la persona
Honestidad metodológica.
Valoramos más a quien dice "esto no se puede identificar así, pero podemos hacer esto otro" que a quien entrega un número que no se sostiene.
Capacidad de traducir un resultado econométrico en una decisión de negocio.
Autonomía para rendir desde la primera semana en un proyecto acotado en el tiempo.
Comodidad para discutir metodología con el equipo técnico del cliente.
Formación
Ciecia de Datos, Estadística, Matemática, Ingeniería, Economía, Física o afines.
Condiciones
Part time, 2 0 horas semanales.
Contrato de servicios (facturación como monotributista o responsable inscripto).
Duración: noviembre ******* a marzo *******, con posibilidad de extensión.
Modalidad remota.
Remuneración competitiva, a convenir según experiencia.
Qué ofrecemos
Un problema causal de verdad, con datos reales y una metodología que importa.
Un equipo de data science con el que discutir el problema de igual a igual.
#J-*****-Ljbffr

📌 Científico De Datos Senior - Inferencia Causal (Mendoza)
🏢 Andata
📍 Mendoza