The posting
Objetivo da posição
Apoiar a área nos temas de dados, inteligência artificial e automação, com foco em ciência de dados: construir, calibrar e validar modelos de machine learning, conduzir testes preditivos e shadow mode, e transformar grandes volumes de dados em informação para a tomada de decisão.
Responsabilidades
- Desenvolver modelos de machine learning para problemas de negócio (ex.: crédito, cobrança e relacionamento com o cliente).
- Calibrar e validar modelos, garantindo que as previsões sejam confiáveis antes do uso.
- Conduzir testes preditivos, backtests e shadow mode (o modelo roda em paralelo ao processo atual, sem impactar decisões) e recomendar se o modelo pode ou não ir para produção.
- Monitorar os modelos em uso, identificando perda de desempenho e necessidade de recalibração.
- Analisar grandes volumes de dados e gerar insights acionáveis para as áreas de negócio.
- Apoiar as iniciativas de IA e automação da área com análise de dados, avaliação de soluções e provas de conceito.
- Documentar modelos e análises de forma clara e reprodutível.
- Assegurar o uso adequado de dados, em conformidade com a LGPD e as políticas de segurança da informação da BMW.
Atribuições
- Extrair, tratar e organizar dados com SQL e Python.
- Construir bases analíticas e variáveis para modelagem.
- Treinar e comparar modelos (ex.: regressão logística, gradient boosting).
- Calcular métricas de desempenho e estabilidade (ex.: AUC, KS, Gini, PSI) e executar calibrações.
- Desenhar e acompanhar testes A/B, backtests e shadow mode.
- Construir dashboards e relatórios (Tableau ou Power BI).
- Automatizar rotinas de análise e relatórios recorrentes.
- Preparar apresentações e explicar resultados para públicos não técnicos.
- Atuar em conjunto com as áreas de negócio, TI e fornecedores de tecnologia.
Formação
- Superior completo em Estatística, Matemática, Engenharia, Ciência da Computação, Economia ou áreas afins.
- Pós-graduação em Data Science ou Estatística é diferencial.
Experiência
- 3 a 5 anos de atuação com dados, sendo pelo menos 2 anos com modelagem de machine learning.
- Experiência prática com calibração de modelos, backtest ou shadow mode.
- Experiência em serviços financeiros (crédito, cobrança, financiamento) é diferencial.
Conhecimentos técnicos obrigatórios
- Python avançado (pandas, NumPy, scikit-learn).
- SQL avançado.
- Modelagem de machine learning supervisionada.
- Estatística aplicada (testes de hipótese, intervalos de confiança, desenho de experimentos).
- Validação e calibração de modelos.
- Versionamento de código (Git).
Conhecimentos desejáveis
- Tableau ou Power BI.
- Cloud (AWS) e ferramentas de MLOps (ex.: MLflow).
- IA generativa (LLMs, RAG) e avaliação de soluções de IA.
- Ferramentas de automação (ex.: n8n).
Competências comportamentais
- Autonomia para estruturar problemas pouco definidos.
- Rigor analítico e transparência ao reportar resultados.
- Comunicação clara com as áreas de negócio.
- Organização para atuar em várias frentes ao mesmo tempo.
Idiomas
- Inglês intermediário (leitura técnica e interação com a matriz).
