Zé Delivery | Cientista de Dados Sr

Atualmente a nossa Cultura passa por um processo de transformação e evolução. A nossa história e o nosso jeito de ser são marcados por sonhos grandes que nos trouxeram até aqui e que nos enchem de orgulho! Mas acreditamos que o momento de evoluir é sempre o agora e poder fazer isso junto com a nossa gente é o que torna nossa jornada ainda mais incrível.

Nossa cultura honra o passado e hoje também é norteada por 3 principais valores que nos guiam para sermos uma cia cada vez mais inclusiva, diversa, colaborativa, tecnológica e conectada ao futuro do mundo e da nossa plataforma de negócios, são eles: Escuta Ativa, Colaboração e Visão de Longo Prazo, cada um abarcando outras competências que fazem parte do nosso jeito de ser.

Nos orgulhamos da nossa capacidade de realização e paixão que nos trouxeram até aqui e para continuarmos a evoluir juntos te convidamos a fazer parte também dessa jornada. Prazer, somos a Ambev e adoraríamos te ter com a gente. Vamos juntos?!

Buscamos um Cientista de Dados Sênior para atuar na squad de Revenue com otimização de cupons, descontos e campanhas para maximizar a conversão de compras. Também analisa a percepção de preço e o comportamento dos clientes para identificar oportunidades de melhoria. O desdafio é equilibrar atratividade comercial, experiência do cliente e geração de receita.

principais:Desenvolver e evoluir modelos de predição para o Zé Delivery.

Criar e manter pipelines de dados e features em PySpark para suportar modelos em escala.

Desenvolver estratégias de recomendação de produtos e ofertas ao longo da jornada do consumidor.

Definir, executar e analisar testes A/B para avaliação de impacto de modelos e campanhas.

Domínio Técnico (Hard Skills):Forte experiência com Python e PySpark, incluindo processamento distribuído e manipulação de grandes volumes de dados em ambiente cloud (AWS ou Azure).

Experiência no desenvolvimento de modelos de machine learning para recomendação, predição e classificação.

Conhecimento em técnicas de recomendação, como fatoração de matrizes (ex: ALS), modelos baseados em vizinhança e embeddings.

Experiência com análise de cesta de compras (market basket analysis) e regras de associação (ex: Apriori, FP-Growth).

Experiência com técnicas de clusterização e segmentação de consumidores com base em comportamento e ciclo de vida.

Conhecimento em inferência causal, testes A/B e mensuração de impacto incremental.

Experiência com avaliação offline e online de modelos de recomendação (ex: NDCG, MAP, uplift, métricas de negócio).

Sólidos fundamentos em estatística, machine learning e validação de modelos.

Capacidade de traduzir modelos analíticos em decisões de negócio e impacto em métricas-chave.

(Nice to Have):Experiência com arquiteturas modernas de recomendação (ex: two-tower models, retrieval + ranking).

Experiência com embeddings de usuários e itens (ex: Word2Vec, item2vec, deep learning aplicado a recsys).

Vivência com sistemas de recomendação em tempo real e baixa latência.

Experiência com feature stores e serving de features online/offline.

Conhecimento em técnicas de exploração vs. explotação (ex: multi-armed bandits, reinforcement learning aplicado a recomendação).

Pós-graduação na área de Ciência de Dados ou correlatas (incluindo mestrado ou doutorado).

Boa comunicação e habilidade de gerar insights acionáveis para o negócio.

Ensino superior completo.

Experiência com dados de consumidores aplicados a problemas de recomendação e personalização.

Experiência mínima de 3 anos como Cientista de Dados.