Data Scientist Fundador — Remoto - Global — AI Infrastructure - Python, SQL, Machine Learning

Descripción del puesto

Sobre la vacante

Merge está contratando a su Data Scientist Fundador, un rol de alta responsabilidad y autonomía donde definirás cómo los datos moldean decisiones en producto, ingeniería y estrategia comercial. Tu misión será construir desde cero los cimientos de datos de una empresa de infraestructura de IA en rápido crecimiento. Responsabilidades clave incluyen: definir métricas y KPIs, construir pipelines de datos centrales, transformar señales complejas en insights accionables, y guiar la dirección estratégica basada en datos. Se busca un perfil con mentalidad de fundador, capaz de trabajar en un entorno de cero a uno y tomar decisiones críticas que impacten el futuro de la empresa.

¿Por qué deberías aplicar?

Esta es una oportunidad única para ser el arquitecto de datos de una empresa emergente en el sector de IA, donde tendrás influencia directa en la estrategia y crecimiento. Aprenderás a escalar una función de datos desde sus inicios, colaborarás estrechamente con equipos de producto e ingeniería, y desarrollarás soluciones que impacten a nivel organizacional. Es el rol ideal para quienes buscan alto impacto, autonomía y crecimiento profesional acelerado en un entorno dinámico y de rápido crecimiento.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Habilidades técnicas: Python avanzado, SQL, experiencia en construcción de pipelines de datos, conocimiento en machine learning y estadística, herramientas de visualización (ej: Tableau, Looker).
• Soft skills: Pensamiento estratégico, comunicación efectiva para presentar insights a equipos no técnicos, capacidad de priorización en entornos ambiguos, mentalidad de resolución de problemas.

Tips prácticos para este puesto

• Enfócate en demostrar experiencia en roles de cero a uno o proyectos donde hayas definido métricas desde cero.
• Prepara ejemplos concretos de cómo has transformado datos en decisiones de negocio.
• Investiga sobre tendencias en infraestructura de IA y cómo los datos impulsan este sector.

Recursos recomendados

• Herramientas: Python (pandas, scikit-learn), SQL, Apache Airflow para orquestación, dbt para transformaciones.
• Documentación: Libros como "Data Science for Business" de Foster Provost, blogs de empresas como Netflix o Airbnb sobre cultura de datos.
• Influencers: Seguir a expertos en LinkedIn como Cassie Kozyrkov o Hilary Mason.
• Cursos: Especializaciones en Coursera sobre data science aplicada o bootcamps enfocados en datos para startups.

Preguntas frecuentes en entrevistas para este rol

• ¿Cómo definirías las métricas clave para un producto nuevo en una startup de IA? Tip: Enfócate en métricas que midan impacto real (ej: engagement, conversión) y alinéalas con objetivos de negocio.
• Describe un proyecto donde convertiste datos complejos en recomendaciones accionables. Tip: Usa el método STAR (Situación, Tarea, Acción, Resultado) para estructurar tu respuesta.
• ¿Cómo priorizarías iniciativas de datos en un entorno con recursos limitados? Tip: Menciona criterios como impacto potencial, esfuerzo requerido y alineación con objetivos estratégicos.

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $2,500 - $4,000 | | Mid | $4,000 - $6,500 | | Senior | $6,500 - $10,000 |

*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. Para un rol fundador en una startup de IA, los rangos pueden ser más altos, especialmente si incluye equity.*

Red flags a considerar

• Falta de claridad en los objetivos del rol: Si en la entrevista no pueden definir métricas o expectativas claras, pregunta específicamente sobre los primeros 90 días y cómo medirán tu éxito.
• Recursos insuficientes para implementar soluciones de datos: Investiga el tamaño del equipo de ingeniería y el presupuesto asignado a herramientas de datos antes de aceptar.
• Cultura que no valora los datos: Señal de advertencia si mencionan que los datos "son solo un apoyo" o si hay resistencia previa a decisiones basadas en datos; pregunta sobre casos pasados donde los insights de datos hayan cambiado decisiones clave.