Data Scientist Manager — Híbrido - CDMX — Banca - Python, Pyspark, Machine Learning, AML

Descripción del puesto

Sobre la vacante

BBVA México busca un Data Scientist Manager visionario para liderar el equipo de Fraud Analytics en la lucha contra el lavado de dinero (AML). Tu misión será transformar datos en estrategias de seguridad financiera mediante analítica avanzada y Machine Learning.

Responsabilidades clave:

• Liderar el diseño y construcción de modelos de analítica avanzada
• Implementar algoritmos de ML y técnicas estadísticas para prevención de riesgos
• Gestionar grandes volúmenes de datos en entornos de Big Data con Pyspark
• Colaborar con equipos multidisciplinarios para transformar hallazgos técnicos en criterios tangibles
• Garantizar la robustez de los modelos frente a normativas regulatorias

Requisitos:

• 3-5 años en Ciencia de Datos o Modelado Estadístico (preferente en AML)
• Experiencia gestionando equipos de 5+ personas
• Stack técnico: Python, Pyspark, R, SAS, SQL
• Licenciatura/Ingeniería en Informática, Estadística, Actuaría o afines
• Inglés nivel B2

Beneficios:

• Ubicación en Torre BBVA, Paseo de la Reforma, CDMX
• Esquema híbrido (trabajo en casa y oficina)
• Oportunidad de pertenecer a un equipo que piensa en grande

¿Por qué deberías aplicar?

Esta no es solo otra posición de Data Science. Es una oportunidad para liderar la vanguardia tecnológica en la seguridad financiera de uno de los bancos más importantes de Latinoamérica. Aquí no solo construirás modelos, sino que defenderás la integridad del sistema financiero mexicano contra amenazas reales. Aprenderás a navegar la complejidad regulatoria del sector bancario mientras desarrollas soluciones de Machine Learning que impactan millones de transacciones diarias. Si buscas un reto donde tu trabajo técnico tenga consecuencias tangibles en el mundo real, este es el lugar.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: Python avanzado, Pyspark, Machine Learning, estadística aplicada, SQL
• Soft skills: Liderazgo de equipos técnicos, comunicación con stakeholders no técnicos, pensamiento estratégico
• Dominio de dominio: Conocimiento de regulaciones financieras (AML/KYC), comprensión del negocio bancario

Tips prácticos para este puesto

• Prepara tu portfolio de modelos: Enfócate en proyectos donde hayas manejado datos sensibles o trabajado bajo regulaciones
• Domina el storytelling con datos: En banca, no basta con accuracy del modelo; debes explicar cómo se traduce en reducción de riesgo
• Investiga el contexto regulatorio: Familiarízate con las normativas CNBV (Comisión Nacional Bancaria y de Valores) en México
• Practica casos de AML: Prepárate para preguntas sobre detección de patrones sospechosos y validación de modelos

Recursos recomendados

• Tools: Databricks para Pyspark, Jupyter para desarrollo, Git para versionado
• Librerías: Scikit-learn, XGBoost, Pandas, PySpark MLlib
• Documentación: Guías de la CNBV sobre prevención de lavado de dinero
• Influencers: Cassie Kozyrkov (Chief Decision Scientist en Google), Andrew Ng (co-fundador Coursera)
• Cursos: "Machine Learning for AML" en Coursera, "Advanced Python for Data Science" en DataCamp

Preguntas frecuentes en entrevistas para este rol

• "Describe un modelo de Machine Learning que hayas implementado para detección de fraude y cómo validaste su efectividad"

*Tip: Enfócate en métricas específicas para fraude (precision/recall en clases desbalanceadas) y cómo manejaste el sesgo en los datos.*

• "¿Cómo liderarías un equipo de Data Scientists en un proyecto de alto impacto con plazos ajustados?"

*Tip: Menciona metodologías ágiles adaptadas a ciencia de datos, priorización basada en impacto empresarial, y comunicación transparente de riesgos.*

• "¿Cómo garantizarías que un modelo de AML cumpla con las regulaciones del CNBV?"

*Tip: Habla sobre documentación exhaustiva, pruebas de robustez, auditorías periódicas, y colaboración con equipos de compliance.*

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Mid | $3,500 - $5,000 | | Senior | $5,000 - $7,500 | | Manager | $7,500 - $10,000+ |

*Nota: En banca tradicional como BBVA, los salarios suelen ser competitivos pero con estructuras más rígidas. Para puestos de liderazgo en AML, el rango puede llegar hasta $12,000 USD mensuales dependiendo de experiencia y resultados demostrables. Empresas fintech pagando en LATAM suelen ofrecer 30-50% más para roles similares.*

Red flags a considerar

• Falta de claridad en los objetivos del equipo de Fraud Analytics

*Qué preguntar: "¿Cuáles son los KPIs específicos que miden el éxito del equipo a 6 y 12 meses?"*

• Tecnología obsoleta o limitaciones técnicas severas

*Qué investigar: Pregunta sobre el stack actual, presupuesto para herramientas cloud, y procesos de actualización tecnológica.*

• Alta rotación en el equipo de Data Science

*Señal de advertencia: Si en los últimos 2 años han tenido múltiples cambios de liderazgo o salida de senior members, podría indicar problemas culturales o de recursos.*