Cientifico de datos

Descripción del cargo

Científicos de Datos - Ecopetrol

Propósito del cargo
Desarrollar el ciclo completo de analítica avanzada, desde la exploración de datos hasta el despliegue y adopción de soluciones de Machine Learning/IA, habilitando toma de decisiones basada en datos mediante Power BI (modelado semántico, DAX, visualizaciones de alto impacto) y asegurando valor medible para el negocio bajo principios de gobernanza, ética y cumplimiento.
Responsabilidades principales
2) Ciencia de Datos & IA
Diseñar, entrenar y validar modelos de ML/IA:
Supervisado (clasificación, regresión), no supervisado (clustering), series de tiempo, NLP, visión por computador y modelos generativos cuando aplique.
Optimizar (tuning) y explicar modelos (interpretabilidad/Explainability, SHAP/LIME).
Asegurar MLOps: versionado, reproducibilidad, trazabilidad (MLflow/Azure ML), pipelines y monitoreo de deriva.
3) Ingeniería de Datos (colaborativa)
Desarrollar la preparación/curación de datos (SQL, Power Query, PySpark), data quality, catálogo y linaje.
Integrarse con plataformas corporativas (Azure, Synapse, Databricks, Fabric, data lake/warehouse).
4) Business Intelligence & Visualización (Power BI)
Diseñar modelos tabulares limpios (star schema), DAX avanzado,.
Crear dashboards explicativos y ejecutivos con storytelling, diseño accesible y guías de uso/definiciones (glosario, KPIs).
Promover adopción y alfabetización de datos con entrenamiento y sesiones con stakeholders.
5) Gobierno, Ética y Cumplimiento
Aplicar principios de IA responsable (equidad, transparencia, seguridad, privacidad).
Cumplir normativa vigente: Ley 1581 de 2012 (protección de datos personales), GDPR cuando aplique, políticas internas y ciberseguridad.
6) Gestión del Cambio y Valor
Acompañar la implementación en procesos y decisiones, medir impacto y ROI.
Documentar, transferir conocimiento y promover la cultura data-driven.
Requisitos del cargo
Educación
Pregrado en Ingeniería, Estadística, Matemáticas, Economía o afines.
Posgrado deseable en Ciencia de Datos, IA, Analítica, Estadística o Gestión de Datos.
Experiencia
5+ años en ciencia de datos (mín. 3 años desarrollando y poniendo en producción modelos).
2+ años construyendo soluciones empresariales en Power BI (modelado, DAX, gobierno y despliegue).
Experiencia demostrable liderando proyectos end-to-end y trabajando con áreas de negocio.
Habilidades técnicas (must)
Lenguajes: Python (pandas, numpy, scikit-learn, PyTorch/TensorFlow), SQL.
ML/IA: modelado clásico y deep learning, feature engineering, validación, métricas, experiment tracking.
MLOps: MLflow o Azure ML; Git/GitHub; CI/CD (GitHub Actions/Azure DevOps); testing.
Power BI: Power Query (M), DAX avanzado, modelado tabular, RLS, performance, Power BI Service, Deployment Pipelines; herramientas de apoyo (DAX Studio, Tabular Editor).
Datos/Plataformas: Azure (Databricks, Synapse, Microsoft Fabric), o equivalentes (AWS/GCP).
Visualización: storytelling, diseño accesible, mejores prácticas, prototipado (Figma opcional).
Documentación: notebooks limpios, data dictionaries, guías de uso y definición de KPIs.
Habilidades técnicas (deseables)
NLP (spaCy, transformers), visión (OpenCV), RAG y orquestación de LLMs.
Big Data (Spark), Time Series (Prophet/ARIMA), optimización (OR-Tools), simulación.
Power Platform (Power Automate) para automatizaciones de insights; ALM.
Conocimiento de FinOps y optimización de costos en la nube.
Competencias conductuales
Pensamiento sistémico y orientación a resultados de negocio.
Comunicación clara (explica lo complejo en simple, y visualiza para decidir).
Liderazgo colaborativo, influencia sin autoridad y gestión del cambio.
Curiosidad, aprendizaje continuo y ética profesional.
Gestión de priorización y foco en valor/ROI.
Certificaciones (plus)
PL-300 (Power BI Data Analyst)
DP-100 (Azure Data Scientist Associate)
DP-600 (Fabric Analytics Engineer Associate)
AI-102 (Azure AI Engineer) o Databricks/Google/AWS equivalentes.
Herramientas del entorno
Python (pandas, scikit-learn, PyTorch/TensorFlow), SQL, Git.
Azure: Databricks, Synapse, Fabric, Azure ML; Power BI Desktop/Service.
Soporte: DAX Studio, Tabular Editor, MLflow, Jupyter/VS Code, Azure DevOps/GitHub Actions.
Gestión: Azure Boards/Jira, Confluence/SharePoint.