Analista de Dados + IA: Pleno

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).