Analista Data Modeler

Acerca del puesto

Experian busca un Analista Data Modeler, un rol técnico especializado que ejecuta la preparación de datos, programación, desarrollo, calibración, validación, automatización, documentación y monitoreo de modelos bajo el liderazgo funcional del Analytics Consultant. No incluye gestión directa de clientes, personal a cargo, liderazgo de equipos ni responsabilidad comercial.

Responsabilidades principales

• Ejecutar el componente técnico de los proyectos analíticos, desde el entendimiento de los datos y la construcción de muestras hasta el desarrollo, validación, documentación y monitoreo de las soluciones.
• Desarrollar modelos estadísticos, econométricos y de aprendizaje automático para el ciclo de crédito (originación, mantenimiento, cobranza, recuperación, fraude, pérdida esperada, provisiones y prospectiva macroeconómica).
• Aplicar las especificaciones metodológicas, regulatorias y de negocio, convirtiéndolas en desarrollos técnicos reproducibles y verificables.
• Implementar controles sobre datos, muestras, código, cálculos, resultados y documentación, asegurando consistencia, trazabilidad y calidad.
• Automatizar procesos repetitivos y construir componentes reutilizables escalables dentro del Hub regional.
• Utilizar herramientas de inteligencia artificial como apoyo técnico autorizado, bajo políticas de la organización, validación humana y protección de la información.

Perfil requerido

• Profesión en estadística, matemáticas, actuaría, ciencia de datos, computación, economía, finanzas, ingeniería de sistemas, industrial o afines, con sólida formación en estadística, probabilidad, programación y análisis de datos.
• Mínimo tres años de experiencia en desarrollo de modelos estadísticos y soluciones analíticas, con participación práctica en preparación de datos, programación, modelado, validación, automatización y documentación.
• Deseable experiencia en riesgo de crédito, servicios financieros o sistemas de provisiones.

Habilidades requeridas

• Python, SQL y Spark o PySpark.
• Regresión, clasificación, árboles, segmentación, agrupamiento, series de tiempo, análisis de supervivencia, aprendizaje automático, calibración, validación y monitoreo.
• Git, cuadernos reproducibles, Azure Databricks o entornos equivalentes, pruebas, automatización, visualización y procesamiento de grandes volúmenes de información.