Senior Data Scientist

DESCRIÇÃO DA VAGA

A diretoria de Data & Analytics na Blip é responsável por empoderar a empresa na geração de conhecimento, guiando-a em tomadas de decisão data-driven e impulsionando a inovação através dos dados. Tem, portanto, um papel fundamental na evolução da Blip.

Nossa área de Data for Services tem como missão gerar valor para nossos clientes por meio da implementação de serviços de dados de alto valor agregado, com foco em diagnósticos aplicados, modelagem estatística, análises preditivas e prescritivas. Atuamos intencionalmente para impulsionar a satisfação dos clientes, fortalecer o uso de dados desde o design na plataforma e promover experiências hiperpersonalizadas.

Como Cientista de Dados Sênior, esperamos que você seja referência técnica em ciência de dados e práticas de Machine Learning Operations (MLOps), atuando na concepção e implementação de soluções analíticas escaláveis, conduzindo experimentos avançados, compartilhando conhecimento e acompanhando tendências do setor para garantir excelência técnica e impacto de negócio.

Se você é uma pessoa com deficiência e tem dúvidas se pode se candidatar, saiba que todas as vagas da Blip são também para pessoas com deficiência. Estamos esperando sua inscrição!

RESPONSABILIDADES E ATRIBUIÇÕES

Como Cientista de Dados Sênior, suas principais responsabilidades serão:

• Conduzir e liderar estudos analíticos avançados, utilizando métodos estatísticos e Data Science para identificar padrões ocultos, prever comportamentos e maximizar o valor e os resultados estratégicos do negócio.
• Traduzir problemas de negócio complexos em hipóteses analíticas rigorosas e soluções data-driven de alto impacto.
• Projetar, desenvolver e operacionalizar modelos preditivos e prescritivos de ponta (ex: regressão, classificação, séries temporais ).
• Garantir a robustez e a sustentabilidade dos modelos em produção, aplicando as melhores práticas de MLOps, versionamento de modelos, monitoramento e re-treinamento automatizado.
• Colaborar ativamente com as equipes de Engenharia de Dados e Product Managers (DPMs) para otimizar pipelines de dados de feature engineering e viabilizar a aplicação de modelos em escala e com baixa latência.
• Contribuir diretamente para a evolução da arquitetura analítica e da governança de dados e modelos, sugerindo melhorias em processos, infraestrutura e padrões técnicos.
• Liderar experimentos e provas de conceito de inovação em IA aplicada a negócios, como NLP, previsão de demanda, detecção de anomalias e sistemas de recomendação.
• Atuar como mentor técnico, disseminando o conhecimento e as melhores práticas de Ciência de Dados por meio de oficinas, code reviews e liderança de projetos complexos.
• Estimular e ser um agente de transformação na promoção de uma cultura analítica, garantindo que as decisões em toda a empresa sejam fundamentadas em evidências e dados de alta qualidade.

REQUISITOS E QUALIFICAÇÕES

• Domínio em Python para análise e modelagem estatística;
• Proficiência em SQL e manipulação de grandes volumes de dados;
• Experiência sólida com bibliotecas de ciência de dados (pandas, numpy, scikit-learn, statsmodels, PySpark);
• Vivência com Spark e/ou processamento distribuído;
• Conhecimento em estatística inferencial, testes de hipótese e análise multivariada;
• Experiência comprovada com modelagem preditiva e avaliação de desempenho de modelos (MSE, ROC, AUC, etc.);
• Domínio de data storytelling, traduzindo insights técnicos complexos em narrativas claras e acionáveis para audiências executivas e não-técnicas.;
• Vivência em MLOps, incluindo o uso de GIT para versionamento de código, pipelines de CI/CD e monitoramento de modelos em ambiente produtivo.
• Capacidade de traduzir hipóteses de negócio em soluções analíticas;
• Habilidades de colaboração, curiosidade, comunicação e liderança técnica.

Será um diferencial se você tiver:

• Vivência com plataformas de dados modernas como Databricks ou experiência em ambientes de cloud (Azure, GCP, AWS) para Data Science.
• Experiência prática com MLOps, CI/CD, deployment de modelos e automação de pipelines analíticos e monitoramento contínuo de modelos em produção.
• Proficiência em domínios de IA aplicada, como NLP (Processamento de Linguagem Natural), Deep Learning, ou forecasting;
• Conhecimento sólido em metodologias de experimentação causal, A/B testing e/ou análise bayesiana para inferência robusta.
• Vivência em Power BI ou outras ferramentas de data visualization;

Informações adicionais