Descripción específica del perfil

Un perfil orientado a SONG Analytics es un perfil que tiene conocimiento funcional Marketing así como modelos de machine learning orientados a generar valor e insights desde el conocimiento del cliente, tiene que tener pensamiento analítico y conocer los métodos analíticos que usan como medio para resolver distintos casos de uso de negocio, así como capacidad de resolución de problemas.

El área de Applied Intelligence orientado a SONG abarca el todo tipo de solución relacionada con el consumidor final, por lo que es necesario que el perfil SONG conozca los conceptos necesarios para brindar una solución orientada a solucionar problemas o simplemente a agregar valor, teniendo en cuenta los requisitos propios de las diferentes propuestas. Es un perfil curioso que busca la causa raíz a problemas y utiliza/propone herramientas analíticas para poder resolverlo a través de distintas técnicas: ML, Segmentación, Optimización, etc.

Debe tener conocimiento y entendimiento de las distintas etapas técnicas y funcionales dentro de un proyecto basado en datos: desde adquisición y extracción de los datos desde diferentes fuentes, validación, manipulación, limpieza y transformación de estos para finalmente llegar a la obtención de un modelo de datos que pueda satisfacer las necesidades de cliente. La posterior etapa de validación y demostración de aporte de valor es clave para generar engagement en el cliente.

Summary:

• Conocimientos funcionales de Marketing.
• Capacidad Analítica con el objetivo de brindar insights.
• Desarrollo e Implementación de soluciones analíticas performantes.
• Ser claro y concreto a la hora de presentar resultados.

Funciones del rol

A continuación, se presentan algunas de las funciones que un perfil de SONG del equipo BDS se puede encontrar desarrollando en su día a día como parte del staff de un proyecto.

• Deberá coordinar la ejecución de actividades dentro de un equipo reducido, asegurarse que las mismas se ejecuten en tiempo y forma. En caso de haber demoras deberá sentirse cómodo para informar los retrasos y generar un plan de contingencias.
• Trabajará con expertos de distintos tipos optimización, machine learning, simulación, UX, etc.
• Deberá interpretar los requerimientos del cliente, para así poder estimar tiempo y esfuerzo del desarrollo de las tareas. Esta estimación deberá hacerse teniendo en cuenta los datos disponibles, la implicancia del requerimiento a desarrollar sobre el modelo existente y posible efecto sobre el output del modelo.

Requerimientos

Los skills listados en esta sección constituyen requerimientos necesarios para poder desenvolverse de forma adecuada dentro del equipo y los proyectos en general:

Estudios realizados

Algunos ejemplos de carreras afines a esta descripción: Ingeniería Industrial, Economía, Administración de Empresas y graduados de otras carreras con Maestrías en Ciencia de Datos, Analytics, y afines.

Excluyente:

• Experiencia comprobable en algunos de los siguientes modelos:
  • Customer lifetime value predictivo
  • Churn
  • Pricing
  • Next best offer or Next best action
  • Customer Segmentation
  • Propensión de compra, ext.

• Dominio de SQL (Intermedio)
• Python (Intermedio/Avanzado):
  • Manejo de librerías para exploración y visualización de datos tales como pandas, numpy, scikit-learn, Matplotlib, Seaborn o Pandas profilling
  • Modelos de Machine Learning: árbol, Regresión Logística, LGBM, SVM, Red Neuronal, Clusters.
  • Puede ser una experiencia similar en R Studio, SAS Studio, Java, pySpark.

• Conocimientos del proceso de desarrollo de un modelo: entendimiento del problema, modelo conceptual y modelo de datos, tratamiento y limpieza, validación, análisis y explicación de resultados. (Avanzado)
• Utilizar A/B testing o técnicas de Machine Learning explainability: SHAP, LIME, dice-ml, etc. (Intermedio).
• Inglés (Intermedio/Avanzado).

Nice to have:

• herramientas de visualización como Tableau/PowerBI
• Experiencia utilizando algún proveedor cloud (AWS, GCP, Azure)
• Experiencia en NLP, computer vision, recommendation systems.