Resumen

¿Cuál es el rol?

Liberty Networks está construyendo una capacidad avanzada de retención de clientes, basada en datos, en sus mercados B2B del Caribe. Buscamos un/a Ingeniero/a de Ciencia de Retención de Clientes que lidere el desarrollo de capacidades de analítica predictiva y ciencia de datos para ayudar al negocio a identificar clientes en riesgo de abandono (churn), comprender los factores que impulsan ese riesgo y traducir los hallazgos analíticos en estrategias de retención accionables.

Este rol será responsable de la capacidad de analítica de churn B2B de principio a fin: desde la identificación y preparación de los datos relevantes, la definición de los objetivos de churn y las poblaciones de análisis, la ingeniería de variables (features) y el desarrollo de modelos predictivos, hasta la validación, el despliegue y el monitoreo de los modelos, así como su adopción por parte del negocio.

El rol es intencionalmente más amplio que el de un Científico/a de Datos tradicional. La persona seleccionada deberá contar con sólidas capacidades de ingeniería de datos y se espera que construya y mantenga los conjuntos de datos analíticos, las transformaciones de datos y los procesos automatizados necesarios para respaldar los modelos predictivos y la analítica de retención.

Sin embargo, el enfoque principal es la ciencia de datos y el impacto en el negocio, más que la infraestructura.

El rol debe conectar los datos, la analítica y la toma de decisiones comerciales, asegurando que los modelos y los análisis contribuyan, en última instancia, a reducir el churn de clientes, proteger el MRR (ingresos mensuales recurrentes) y aumentar el valor del ciclo de vida del cliente (CLV).

Trabajarás en estrecha colaboración con el equipo de Retención y Lealtad, BI, Operaciones Comerciales y los equipos de los mercados locales para transformar los datos de los clientes en inteligencia accionable.

Responsabilidades

¿Cómo agregarás valor?

- Predicción Analítica y Modelado de Churn
- Liderar el desarrollo de la capacidad de predicción de churn de clientes B2B, desde la preparación de los datos hasta la puesta en producción y la mejora continua.
- Definir, junto con el equipo de Retención y Lealtad, los objetivos de churn apropiados, así como las ventanas de observación y de desempeño.
- Construir modelos predictivos que identifiquen a los clientes con mayor probabilidad de churn voluntario dentro de un periodo futuro definido.
- Desarrollar modelos interpretables que permitan al negocio entender por qué un cliente se considera en riesgo, y no solo la probabilidad de churn.
- Establecer marcos de validación de modelos apropiados, incluyendo validación train/test y fuera de tiempo (out-of-time), ROC/AUC, Gini, KS y monitoreo de la estabilidad de la población.
- Identificar y prevenir la fuga temporal de información (temporal leakage) y otras fuentes de sesgo del modelo o de desempeño predictivo inválido.
- Mejorar continuamente la capacidad predictiva a medida que se disponga de nuevos datos de clientes, productos, comportamiento y servicio.
- Ingeniería de Variables y Analítica de Clientes
- Construir y mantener conjuntos de datos analíticos a nivel de cliente y conjuntos de aprendizaje libres de fugas (leak-safe) que combinen las fuentes de datos B2B relevantes.
- Diseñar variables predictivas a partir de facturación, contratos, productos/RGUs, MRR, uso, servicio e incidentes técnicos, interacciones con atención al cliente, deuda, experiencia del cliente y otras fuentes relevantes.
- Analizar el comportamiento de los clientes e identificar patrones asociados con churn, downgrades, contracción, riesgo de renovación y cambios en el valor del cliente.
- Desarrollar segmentos de clientes y perfiles de riesgo que puedan ser operacionalizados por los equipos de Retención.
- Identificar oportunidades de retención proactiva, venta cruzada (cross-sell), venta adicional (upsell) y protección del valor del cliente.
- Estrategia de Retención y Traducción al Negocio
- Traducir los hallazgos analíticos en recomendaciones de negocio claras para Retención,



Comercial y la dirección de los mercados.
- Explicar a las partes interesadas no técnicas por qué un cliente o segmento se considera en riesgo y qué factores contribuyen a ese riesgo.
- Colaborar con los Analistas y especialistas de Retención para traducir los puntajes de churn y los hallazgos en estrategias de intervención accionables.
- Apoyar el desarrollo de enfoques de siguiente mejor acción (next-best-action) basados en el riesgo del cliente, su valor, los factores de churn y los tratamientos de retención disponibles.
- Analizar la efectividad de las intervenciones de retención y usar los resultados para mejorar la segmentación futura y el desempeño de los modelos.
- Medir el impacto comercial de las iniciativas analíticas, incluyendo la reducción del churn, el MRR protegido, el valor del cliente y la efectividad de los tratamientos de retención.
- Ingeniería de Datos y Base Analítica de Datos
- Construir y mantener los pipelines de datos, las transformaciones y los conjuntos de datos analíticos necesarios para respaldar el modelado de churn y la analítica de retención.
- Integrar datos de múltiples fuentes, incluyendo CRM, facturación, contratos, atención al cliente, desempeño de red/servicio y plataformas de experiencia del cliente.
- Desarrollar procesos automatizados de preparación de datos para reducir el trabajo analítico manual y mejorar la confiabilidad.
- Aplicar validaciones y controles de calidad de datos para garantizar que los resultados analíticos sean precisos, consistentes y trazables.
- Resolver problemas de disponibilidad, integridad y transformación de datos que afecten los resultados analíticos.
- Colaborar con los equipos empresariales de Ingeniería de Datos y BI cuando se requiera apoyo con infraestructura más amplia o con la puesta en producción.
- Gobernanza de Modelos, Documentación y Reproducibilidad
- Mantener documentación clara de las definiciones de datos, variables, metodología de modelado, supuestos, umbrales y limitaciones.
- Documentar las limitaciones de los modelos y comunicarlas de forma proactiva a las partes interesadas del negocio.
- Establecer prácticas de monitoreo y gobernanza que mantengan los modelos predictivos confiables a lo largo del tiempo.
- Mantener un linaje y una trazabilidad claros desde los datos de origen hasta el resultado analítico y la acción de negocio.
- Desarrollo de Capacidades en Ciencia de Datos
- Elevar la madurez analítica y de ciencia de datos de la organización de Retención y Lealtad.
- Capacitar y apoyar a los Analistas de Retención en la interpretación de los resultados predictivos y en la aplicación de los hallazgos analíticos.
- Promover la toma de decisiones basada en datos en toda la organización de retención B2B.
- Mantenerse al día con los avances en analítica predictiva, machine learning, analítica de clientes y prácticas de retención en telecomunicaciones.

Herramientas y Tecnologías

Esenciales

- SQL: SQL avanzado para la extracción, transformación, análisis e ingeniería de variables de datos.
- Python: pandas, NumPy, scikit-learn, statsmodels y bibliotecas analíticas relacionadas.
- Datos y Analítica: Experiencia trabajando con grandes conjuntos de datos a nivel de cliente y estructuras de datos analíticas.
- AWS: S3, Athena y/o servicios de datos en la nube equivalentes.
- Formatos de datos: Parquet y otros formatos de datos analíticos.
- BI: Power BI o plataformas equivalentes de inteligencia de negocios.
- Control de versiones: Git o equivalente.

Ingeniería de Datos
- Procesos ETL/ELT y desarrollo de pipelines de datos.
- Bases de datos relacionales y almacenes de datos analíticos.
- Modelado de datos y prácticas de calidad de datos.




- Integración de APIs y fuentes de datos.
- Se valora experiencia con plataformas de datos en la nube como AWS Redshift, BigQuery o Azure Synapse.

Avanzado / Deseable
- Machine learning y despliegue de modelos.
- Monitoreo de modelos y gestión del ciclo de vida de ML.
- Spark u otras tecnologías de procesamiento distribuido de datos.
- Experiencia trabajando con pipelines analíticos automatizados.

Calificaciones ¿Qué necesitas?

- Licenciatura en Estadística, Economía, Ciencias Actuariales, Matemáticas, Ingeniería, Ciencias de la Computación, Ciencia de Datos u otra disciplina cuantitativa.
- Más de 3 años de experiencia en ciencia de datos, analítica predictiva, analítica de clientes o un campo estrechamente relacionado.
- Experiencia demostrada en la construcción de modelos predictivos desde los datos en bruto hasta la validación y su uso en producción u operación.
- Sólida comprensión de las técnicas de modelado estadístico y machine learning.
- Habilidades avanzadas de SQL y capacidad para construir de forma independiente conjuntos de datos analíticos.
- Sólidas habilidades en Python para la preparación de datos, la ingeniería de variables y el modelado predictivo.
- Sólida comprensión de la fuga temporal (temporal leakage) y del diseño de conjuntos de datos analíticos basados en el tiempo.
- Experiencia trabajando con conjuntos de datos grandes y complejos provenientes de múltiples sistemas de origen.
- Capacidad para investigar de forma independiente problemas de datos y determinar si se relacionan con la calidad de los datos, las definiciones de negocio, la lógica de transformación o el comportamiento del modelo.
- Capacidad para comunicar conceptos analíticos complejos con claridad a partes interesadas no técnicas.
- Capacidad para traducir los hallazgos analíticos en recomendaciones de negocio y resultados medibles.
- Dominio profesional del inglés a nivel de trabajo.

Deseables
- Experiencia en la construcción de modelos predictivos de churn, propensión, riesgo, valor del ciclo de vida del cliente (CLV) u otros modelos a nivel de cliente.
- Experiencia en telecomunicaciones, negocios de suscripción o entornos B2B.
- Comprensión de las estructuras de datos de telecomunicaciones, incluyendo facturación, MRR, RGUs, contratos, uso, desempeño de red/servicio y CRM.
- Experiencia en el despliegue de resultados analíticos en herramientas de BI u operativas.
- Experiencia con AWS y entornos de datos basados en la nube.
- Experiencia en segmentación de clientes y metodologías de siguiente mejor acción (next-best-action).
- Experiencia en la medición de la efectividad de intervenciones de retención o tratamientos comerciales.

Habilidades y Capacidades
- Científico/a de datos orientado/a al negocio: comprende cómo el trabajo analítico se traduce en resultados de clientes, ingresos y retención.
- Responsabilidad de principio a fin: capaz de avanzar desde un problema de negocio hasta los datos, el análisis, el modelo, el insight y la acción operativa.
- Curiosidad analítica: investiga por qué cambia el comportamiento de los clientes en lugar de limitarse a reportar lo ocurrido.
- Honestidad intelectual: comunica con claridad las limitaciones, los supuestos y la incertidumbre de los modelos.
- Sólida capacidad de resolución de problemas: capaz de resolver de forma independiente problemas tanto analíticos como relacionados con los datos.
- Mentalidad comercial: comprende el MRR, el valor del cliente, el churn, la economía de la retención y la importancia de priorizar a los clientes de alto valor.
- Comunicación: capaz de explicar decisiones técnicas a ejecutivos y partes interesadas comerciales sin simplificarlas en exceso.
- Colaboración: cómodo/a trabajando con Retención, BI, Ingeniería de Datos, Operaciones Comerciales y los mercados locales.
- Disciplina de datos: resistente enfoque en la calidad, la precisión, la reproducibilidad y la trazabilidad de los datos.
- Aprendizaje continuo: se mantiene al día con la ciencia de datos, el machine learning, la analítica y las prácticas de retención de clientes.

📌 Customer Data Science Engineer,B Retention (Bogotá)
🏢 Liberty Latin America
📍 Bogotá