DATA SCIENTIST SENIOR CLIENTES ANALITICA. M.ESPAÑA 10/03/26

El Data & IA Scientist Senior tiene como misión impulsar el desarrollo de modelos analíticos y de machine learning de manera autónoma, liderando análisis exploratorios avanzados, la experimentación y la industrialización básica de modelos. Su papel es clave para garantizar que las soluciones analíticas se construyen sobre datos de calidad, con métodos sólidos y siempre alineadas con el contexto y las necesidades del negocio, facilitando así que los modelos generen impacto real y medible. Actúa como referente técnico dentro del equipo, asegurando la trazabilidad, la reproducibilidad y la correcta integración del modelo con ingeniería y negocio durante el ciclo de vida analítico, en el ámbito de Clientes. Por último, da soporte para asegurar la correcta ejecución de iniciativas de IA dentro del área de clientes, tomando y definiendo requisitos de negocio, garantizando el alcance funcional y colaborando para la ejecución end-to-end de los proyectos, Diseñar y ejecutar EDA avanzado y experimentación supervisada/no supervisada; documentar hallazgos y métricas Entrenar, evaluar y refinar modelos clásicos y algunos modelos avanzados; preparar handover a MLOps/ingeniería Colaborar con Engineering y Business/Analyst para integrar el modelo en el flujo de valor. Asegurar trazabilidad de datos y reproducibilidad en notebooks/repos. Apoyar en la gestión de proyectos de data & IA (entendimiento de necesidades de negocio, definición del alcance y coordinación de equipos multidisciplinares (ingenieros, arquitectos, negocio, etc.)

Proponer soluciones a problemas de negocio en el ámbito de clientes, utilizando técnicas de IA

Formación universitaria en Ingeniería, Matemáticas, Sistemas de información o similar. Deseable formación en ciencias empresariales y de gestión Estadística descriptiva y probabilidad Dominio de técnicas estadísticas de ML aplicadas a negocio (regresión lineal, árboles de decisión, k-NN). Python aplicado a análisis de datos (Pandas, NumPy, Scikit-learn). Técnicas de evaluación de modelos (accuracy, precision, recall). Trabajo con notebooks (Jupyter u otros entornos similares). Comprensión del ciclo de vida del dato y del modelo analítico. Nociones de redes neuronales (deseable Keras/TensorFlow). Aprendizaje Automático - Stanford / DeepLearning.AI Generative AI for Everyone - DeepLearning.AI Capacidad para evaluar la viabilidad de iniciativas de IA Proponer soluciones de negocio utilizando técnicas de IA Conocimiento del negocio asegurador y sus principales procesos

Conocimiento del ámbito de clientes y principales funciones Experiencia en análisis de datos, modelado y proyectos en Data & IA con autonomía demostrada (3-5 años). Participación en proyectos como técnico consolidado donde se hayan aplicado técnicas de análisis exploratorio o machine learning supervisado (3-5 años). Experiencia trabajando en entornos colaborativos con perfiles técnicos bajo supervisión (3 años).