Cientista de Dados | Sênior

🚀 Sobre a Oportunidade

A área de Data Science tem como missão aplicar técnicas de machine learning para gerar soluções escaláveis, monitorar o desempenho de modelos e automatizar processos, apoiando a tomada de decisão e a otimização de resultados da organização.

A atuação do(a) Cientista de Dados no Banco de Atacado visa desenvolver soluções preditivas que resolvam problemas de negócio por meio de machine learning. Você será responsável por definir abordagens de modelagem, desde a análise exploratória até a validação e deploy de modelos, conduzir experimentos, selecionar as técnicas mais adequadas a cada contexto e garantir que as soluções entreguem valor real e mensurável para a organização no âmbito do Banco de Atacado.

Saiba mais sobre nosso dia a dia no Instagram e no LinkedIn.

Confira nossas avaliações no Glassdoor.

---

🔍 O Que Procuramos

Pré-requisitos Essenciais:

• Graduação completa em Estatística, Matemática, Computação, Engenharias, Economia ou áreas correlatas
• Domínio de Python e PySpark para manipulação e transformação de grandes volumes de dados
• Sólidos conhecimentos em estatística, probabilidade e técnicas de modelagem preditiva, abrangendo modelos supervisionados e não supervisionados (modelo de árvore, regressão, clusterização, séries temporais), e utilização de bibliotecas como Scikit-learn
• Capacidade de traduzir problemas de negócio em problemas de Machine Learning bem definidos
• Proficiência em validar performance de modelos utilizando métricas de negócio e métricas de modelo
• Habilidade de comunicação para interagir com diferentes áreas, conduzir reuniões com stakeholders e apresentar resultados de forma clara
• Código limpo, modular e versionado (Git)
• Residir em São Paulo e disponibilidade para atuação no modelo híbrido (3x na semana)

Diferenciais:

• Experiência atuando com modelos de machine learning no segmento financeiro
• Experiência com inferência causal (diff-in-diff, propensity score, variáveis instrumentais, synthetic control)
• Experiência com stack Databricks
• Experiência em validação de hipóteses através de experimentos controlados usando metodologias de teste A/B e análise estatística
• Experiência com MLOps
• Experiência com modelos de otimização linear

---

🎯 Desafios e Impacto

• Conduzir experimentos causais para validar o real impacto de campanhas, mudanças de taxas e novos produtos para clientes Corporate.

• Garantir governança e MLOps em ambiente regulado, com monitoramento contínuo de drift, versionamento de modelos e rastreabilidade para auditoria.

• Traduzir problemas de negócio em problemas de Machine Learning bem definidos, atuando como ponte entre times de Risco, Mesa, Produtos e Compliance.

• Entregar valor mensurável — cada modelo precisa responder a uma pergunta de negócio e gerar impacto concreto em receita, eficiência ou redução de risco.

---

⏳ Etapas do Processo

1. Triagem inicial: Análise do currículo para verificar a adequação às qualificações e requisitos da vaga.

2. Testes gerais: Avaliação do alinhamento cultural com o teste da Mindsight e teste de raciocínio lógico da Predictive Index.

3. Entrevista com a equipe de Recrutamento: Discussão sobre as expectativas em relação à vaga e aos objetivos profissionais.

4. Avaliação técnica: Entrevista focado nas habilidades específicas necessárias para a função.

5. Entrevista com a liderança: Uma conversa para discutir sua visão e como você pode contribuir para a equipe e a empresa.

6. Entrevista com colegas de trabalho: Interação com futuros pares para avaliar a sinergia e o trabalho em equipe.

7. Oferta: Apresentação da proposta de trabalho, incluindo detalhes sobre remuneração e benefícios.

---