Importante compañía multinacional se encuentra en la búsqueda de un Analytics Specialist para dar soporte a las áreas comerciales y/o operacionales a través del desarrollo de modelos de predicción y segmentación con el fin de que el área pueda tomar decisiones de venta, retención y cobranza más eficientes y con un sustento estadístico.


Entre sus principales tareas se encuentran

Desarrollar, implementar y validar los Modelos predictivos como Propensión a Compra, Retención de Clientes y de Venta Cruzada,

Construir modelos de predicción y segmentación basados principalmente en técnicas estadísticas como ser regresión logística, árboles de clasificación y clúster entre otras.

Conocer y desarrollar los modelos de segmentación para cada objetivo comercial propuesto, pudiendo identificar, a partir de las distintas respuestas del cliente a estímulos de comunicación, cual es el plan acorde para cada segmento de clientes. 

Participar en la definición de necesidades de información utilizando el conocimiento del negocio y del modelo de datos de la compañía. 

Interactuar con las áreas de IT, de servicio y de negocios. 


Perfil Académico:

Experiencia comprobable mínima de 3 años en funciones similares.

La búsqueda se orienta a candidatos con estudios universitarios completos como ser Licenciados en Estadística, en Sistemas, Economistas y carreras afines, con conocimientos sólidos de Data Mining.

Experiencia en el desarrollo de modelos predictivos en industrias financieras, telefónicas o seguros.

Se valorara Maestría en Data Mining o Econometría.

Experiencia previa en el uso de paquetes de software para la creación de modelos predictivos y análisis estadísticos, se valora principalmente experiencia en Python y Modeler y  uso avanzado de SQL para la generación de las bases de datos necesarias para luego modelar.

 

Etiquetas: analytics python
Datos de la oferta laboral
Fecha de publicación
Lugar de trabajo
Zona Norte
Permite trabajar remoto
No
Email de contacto
lara.martin@metlife.com.ar
blog comments powered by Disqus