Científico de datos

Grupo Coppel es una empresa mexicana que promueve la inclusión, diversidad e igualdad de oportunidades, asegurando un trato justo sin hacer diferencia por raza, lugar de origen, religión, creencias, edad, imagen, orientación sexual, identidad de género o discapacidad.

Con 84 años de trayectoria, presencia en todo México y más de 120,000 colaboradores, se posiciona como uno de los principales empleadores del país.

Tu talento merece los mejores beneficios

• Prestaciones de ley
• Salario competitivo
• Fondo de Ahorro
• Descuentos en compras de muebles y ropa
• Aguinaldo
• Vacaciones
• Prima vacacional
• Reparto de utilidades
• Día libre de cumpleaños
• Club de protección familiar
• Becas y programas educativos
• Útiles escolares para tus hijos
• Ambiente de trabajo agradable
• Entre otros beneficios y prestaciones

Tu impacto en la organización

Responsabilidades

• Desarrollar e interpretar modelos (paramétricos y de calificación de crédito) para evaluar el comportamiento de los clientes.
• Análisis crítico e interpretación
• Desarrollar modelos predictivos para resolver problemas específicos del negocio.
• Analizar y transformar datos para generar insights valiosos que apoyen decisiones estratégicas.
• Colaborar con equipos de negocio para entender necesidades y traducirlas en soluciones basadas en datos.
• Comunicar resultados de manera clara y comprensible para públicos no técnicos.
• Automatizar procesos de análisis y optimizar flujos de trabajo para mejorar la eficiencia.

¿Qué perfil buscamos?

• Escolaridad: Licenciatura en Actuaría, Matemáticas, Estadística, Economía, Física, Ciencia de Datos o Ingenierías.
• Experiencia laboral: Mínimo 2 años de experiencia aplicando análisis de datos en contextos reales de negocio (ventas, marketing, operaciones, etc.).
• Conocimientos: "Análisis de datos avanzado: Técnicas de análisis exploratorio (EDA) y generación de insights accionables. Manejo de grandes volúmenes de datos con herramientas como Excel avanzado,
• SQL, o Power Query.
• Visualización y comunicación de datos: Dominio de herramientas como Power BI, Tableau o Google Data Studio. Capacidad para crear dashboards e informes claros para usuarios no técnicos.
• Estadística aplicada al negocio: Métricas clave (media, desviación, correlación, segmentación). Pruebas estadísticas básicas para validar hipótesis.
• Fundamentos de machine learning: Conocimiento general de modelos supervisados (regresión, clasificación). Uso de herramientas como DataRobot, Azure ML Studio o AutoML para modelado asistido.