3701: Cientista de Dados

Objetivo da posi&ccedil

&atilde

o

Apoiar a área nos temas de dados, intelig&ecirc

ncia artificial e automa&ccedil

&atilde

o , com foco em ci&ecirc

ncia de dados : construir, calibrar e validar modelos de machine learning, conduzir testes preditivos e shadow mode, e transformar grandes volumes de dados em informa&ccedil

&atilde

o para a tomada de decis&atilde

o.

Responsabilidades

Desenvolver modelos de machine learning para problemas de neg&oacute

cio (ex.: cr&eacute

dito, cobran&ccedil

a e relacionamento com o cliente).

Calibrar e validar modelos, garantindo que as previs&otilde

es sejam confiáveis antes do uso.

Conduzir testes preditivos, backtests e shadow mode (o modelo roda em paralelo ao processo atual, sem impactar decis&otilde

es) e recomendar se o modelo pode ou n&atilde

o ir para produ&ccedil

&atilde

o.

Monitorar os modelos em uso , identificando perda de desempenho e necessidade de recalibra&ccedil

&atilde

o.

Analisar grandes volumes de dados e gerar insights acionáveis para as áreas de neg&oacute

cio.

Apoiar as iniciativas de IA e automa&ccedil

&atilde

o da área com análise de dados, avalia&ccedil

&atilde

o de solu&ccedil

&otilde

es e provas de conceito.

Documentar modelos e análises de forma clara e reprodut&iacute

vel.

Assegurar o uso adequado de dados, em conformidade com a LGPD e as pol&iacute

ticas de seguran&ccedil

a da informa&ccedil

&atilde

o da BMW.

Atribui&ccedil

&otilde

es

Extrair, tratar e organizar dados com SQL e Python .

Construir bases anal&iacute

ticas e variáveis para modelagem.

Treinar e comparar modelos (ex.: regress&atilde

o log&iacute

stica, gradient boosting).

Calcular m&eacute

tricas de desempenho e estabilidade (ex.: AUC, KS, Gini, PSI) e executar calibra&ccedil

&otilde

es.

Desenhar e acompanhar testes A/B, backtests e shadow mode.

Construir dashboards e relat&oacute

rios (Tableau ou Power BI).

Automatizar rotinas de análise e relat&oacute

rios recorrentes.

Preparar apresenta&ccedil

&otilde

es e explicar resultados para p&uacute

blicos n&atilde

o t&eacute

cnicos.

Atuar em conjunto com as áreas de neg&oacute

cio, TI e fornecedores de tecnologia.

Forma&ccedil

&atilde

o

Superior completo em Estat&iacute

stica, Matemática, Engenharia, Ci&ecirc

ncia da Computa&ccedil

&atilde

o, Economia ou áreas afins.

P&oacute

s-gradua&ccedil

&atilde

o em Data Science ou Estat&iacute

stica &eacute

diferencial.

Experi&ecirc

ncia

3 a 5 anos de atua&ccedil

&atilde

o com dados, sendo pelo menos 2 anos com modelagem de machine learning .

Experi&ecirc

ncia prática com calibra&ccedil

&atilde

o de modelos, backtest ou shadow mode .

Experi&ecirc

ncia em servi&ccedil

os financeiros (cr&eacute

dito, cobran&ccedil

a, financiamento) &eacute

diferencial.

Conhecimentos t&eacute

cnicos obrigat&oacute

rios

Python avan&ccedil

ado (pandas, NumPy, scikit-learn).

SQL avan&ccedil

ado.

Modelagem de machine learning supervisionada.

Estat&iacute

stica aplicada (testes de hip&oacute

tese, intervalos de confian&ccedil

a, desenho de experimentos).

Valida&ccedil

&atilde

o e calibra&ccedil

&atilde

o de modelos.

Versionamento de c&oacute

digo (Git).

Conhecimentos desejáveis

Tableau ou Power BI.

Cloud (AWS) e ferramentas de MLOps (ex.: MLflow).

IA generativa (LLMs, RAG) e avalia&ccedil

&atilde

o de solu&ccedil

&otilde

es de IA.

Ferramentas de automa&ccedil

&atilde

o (ex.: n8n).

Compet&ecirc

ncias comportamentais

Autonomia para estruturar problemas pouco definidos.

Rigor anal&iacute

tico e transpar&ecirc

ncia ao reportar resultados.

Comunica&ccedil

&atilde

o clara com as áreas de neg&oacute

cio.

Organiza&ccedil

&atilde

o para atuar em várias frentes ao mesmo tempo.

Idiomas

Ingl&ecirc

s intermediário (leitura t&eacute

cnica e intera&ccedil

&atilde

o com a matriz).