Cientista de Dados Pleno (Inferência Causal em Telecom)
Sobre a vaga
Vaga aberta de Cientista de Dados Pleno (Inferência Causal em Telecom). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision. Modelo 100% remoto. Contratação: tempo integral, CLT ou PJ.
Publicada em 03/11/2026.
A operadora oferece desconto e benefício para reter clientes que pensam em sair, e quer saber se isso funciona. Quem recebeu a oferta cancelou menos, mas a oferta foi dada a quem já tinha mais chance de cancelar, ou a quem ligou para a central, e a comparação simples engana. Você vai estimar o efeito causal da oferta de retenção.
A pergunta é qual cliente muda de decisão por causa da oferta, e não apenas quem fica. Há quem ficaria de qualquer jeito, e dar desconto a esse público só custa. Para isso é preciso desenho de experimento quando possível e, onde não for, métodos observacionais com cuidado: pareamento, ponderação, diferenças em diferenças e checagem de sensibilidade.
O resultado final é uma regra de decisão: a quem oferecer, com que valor e com que ganho líquido esperado, apresentada a marketing e finanças com a incerteza clara.
O que você vai fazer
- Definir com marketing e finanças a pergunta causal, a população e o desfecho
- Desenhar experimentos aleatorizados de retenção e calcular o tamanho de amostra
- Estimar efeitos em dados observacionais com pareamento, ponderação e diferença em diferenças
- Modelar a resposta heterogênea e o ganho incremental por perfil de cliente
- Testar sensibilidade a variáveis não observadas e documentar as suposições
- Traduzir o efeito em regra de oferta com ganho líquido por cliente
- Apresentar resultados e limites a gestores não técnicos
- Reproduzir a análise em notebooks no Jupyter, versionados no Git
Requisitos
- Inferência causal, com ideias de confusão, seleção e contrafactual
- Delineamento e análise de experimentos
- Python com Pandas e scikit-learn
- SQL para montar bases
- Estatística para intervalos, testes e poder
- Comunicação do resultado e de seus limites
Diferenciais
- Modelos de uplift
- Bibliotecas de inferência causal em Python
- Conhecimento de churn e retenção em telecom
- Séries temporais para efeitos ao longo do tempo
Como é trabalhar aqui
Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Suposições e métodos são combinados com a área de negócio antes da análise, e outra pessoa do time revisa os resultados. Cada análise segue o mesmo modelo de relatório, com limites no início. Na candidatura, informe a sua pretensão salarial.
Benefícios oferecidos pela empresa contratante
- Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
- Trabalhe de qualquer lugar, com liberdade e flexibilidade
- Conexão global: convivência com times de diferentes países e culturas
- Apoio à saúde física com TotalPass e Mediquo
- Cuidado com a saúde mental pelo programa Team Care
- Contratação e jornada definidas com a empresa contratante
Tecnologias
Vagas parecidas
Como funciona o processo
- Você envia o currículo uma única vez. Ele entra no banco da Sylision e vale para os processos compatíveis, os de hoje e os que abrirem depois.
- A busca é feita por pessoas: quando surge um processo que combina com o que você faz, a gente chama, normalmente por WhatsApp.
- Os seus dados são tratados conforme a LGPD, e a remoção é feita a qualquer momento, a seu pedido.
Antes de aceitar qualquer proposta
A Sylision existe para você saber onde está entrando
Nós somos um acervo público sobre como as empresas funcionam por dentro, feito de respostas de quem já saiu delas. Dá para ver quanto tempo as pessoas ficavam, quantas saíram no último ano e o que mudou de um ano para o outro, antes de você responder a uma proposta.
As vagas são uma porta. O que a gente faz é isto, e ele só existe porque quem já saiu respondeu. Leva de 2 a 3 minutos, é de múltipla escolha, e não pede CPF nem e-mail.
Candidate-se a esta vaga
Anexe o seu currículo. Ele vale para esta vaga e para os próximos processos compatíveis, sem refazer cadastro.