Data Scientist Analyst — Híbrido - México — Banca - Python, R, SQL, Scala, PySpark

Descripción del puesto

Sobre la vacante

BBVA México está en búsqueda de un Data Scientist Analyst con experiencia mínima de 1 año desarrollando modelos end-to-end. El rol implica proponer, definir, medir y dar seguimiento a los KPI’s de ejecución para la mejora de procesos establecidos, aplicando modelos de machine learning. Se requiere manejo avanzado de Python, R, SQL, Scala y PySpark. La modalidad es híbrida, con sede en México.

¿Por qué deberías aplicar?

Esta es tu oportunidad de crecer en una de las instituciones bancarias más grandes de Latinoamérica, donde podrás aplicar tus habilidades en ciencia de datos para impactar procesos críticos del sector financiero. Aprenderás de equipos multidisciplinarios, trabajarás con grandes volúmenes de datos y tendrás acceso a tecnologías de vanguardia, lo que te permitirá desarrollar un perfil altamente competitivo en el mercado tech.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Habilidades técnicas: Python, R, SQL, Scala, PySpark, machine learning end-to-end, análisis de KPI’s.
• Soft skills: Comunicación efectiva, pensamiento analítico, capacidad para proponer mejoras y trabajar en equipo.

Tips prácticos para este puesto

• Asegúrate de destacar proyectos donde hayas desarrollado modelos de ML completos, desde la limpieza de datos hasta la implementación.
• Prepara ejemplos concretos de cómo has definido y medido KPI’s en roles anteriores.
• Practica casos de estudio relacionados con el sector bancario para demostrar tu entendimiento del dominio.

Recursos recomendados

• Tools: Jupyter Notebooks, Git, Docker, Apache Spark.
• Documentación: Scikit-learn, TensorFlow, PySpark oficial docs.
• Influencers: Andrew Ng, Cassie Kozyrkov.
• Cursos: Machine Learning Specialization (Coursera), Data Science con Python (Platzi).

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe un proyecto de machine learning end-to-end en el que hayas trabajado." *Tip: Estructura tu respuesta en fases (definición del problema, recolección de datos, modelado, evaluación, despliegue) y menciona métricas clave.*
• Pregunta 2: "¿Cómo defines y mides KPI’s para mejorar procesos?" *Tip: Enfócate en ejemplos específicos, usando metodologías como SMART y herramientas de visualización.*
• Pregunta 3: "¿Qué modelos de ML has aplicado y en qué contextos?" *Tip: Menciona modelos comunes (regresión, clasificación, clustering) y explica por qué los elegiste, vinculándolos a resultados empresariales.*

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $1,500 - $2,500 | | Mid | $2,500 - $4,000 | | Senior | $4,000 - $6,000 |

*Nota: Varía según país, empresa, modalidad (remoto internacional paga más) y tecnologías específicas. Empresas de USA/EU pagando en LATAM suelen ofrecer 30-50% más. En banca, los salarios tienden a ser competitivos, con beneficios adicionales.*

Red flags a considerar

• Bandera roja 1: Si no hay claridad sobre los proyectos o el impacto esperado. *Qué preguntar en la entrevista: "¿Pueden describir un proyecto reciente del equipo y cómo se midió su éxito?"*
• Bandera roja 2: Falta de herramientas o infraestructura adecuada para ciencia de datos. *Qué investigar antes de aceptar: Pregunta sobre el stack tecnológico actual y planes de inversión en data.*
• Bandera roja 3: Alta rotación en el equipo de data science. *Señal de advertencia común en este tipo de rol: Investiga en LinkedIn o Glassdoor reviews sobre estabilidad y crecimiento en el departamento.*