Data Science Analyst (Foco em Real Estate & Research)

obre a Posição

Buscamos um(a) Data Science Analyst para atuar na intersecção entre Engenharia de Dados, Machine Learning e Analytics. Você será peça-chave na nossa área de Research, responsável por construir pipelines escaláveis, desenvolver modelos preditivos para o mercado imobiliário e garantir a produtização (MLOps) dessas soluções. Seu trabalho transformará dados complexos em insights estratégicos para executivos e investidores.

O que você fará (Principais Desafios):

Engenharia e Governança: Projetar e manter pipelines de dados escaláveis em arquitetura Lakehouse (Databricks/Delta Lake), garantindo a qualidade, linhagem e governança dos dados consumidos pela área de Research.

Modelagem e Advanced Analytics: Desenvolver modelos estatísticos e de machine learning (séries temporais, regressões, segmentações) para prever dinâmicas do mercado imobiliário (vacância, preços, oferta).

MLOps e Produtização: Gerenciar o ciclo de vida completo dos modelos (deploy, monitoramento de drift, CI/CD) utilizando ferramentas como MLflow.

Inovação com IA: Implementar soluções de GenAI e fluxos RAG para extrair valor de dados não estruturados (relatórios, notícias do setor).

Data Storytelling: Traduzir resultados técnicos complexos em narrativas claras e acionáveis (dashboards em Power BI, apresentações) para stakeholders de negócio e investidores.

O que buscamos (Requisitos Essenciais):

Requisitos

Sólida experiência em Python e SQL, com vivência em processamento distribuído (Spark/PySpark).

Experiência prática com arquitetura Lakehouse (preferencialmente Databricks) e construção de pipelines de dados.

Domínio de fundamentos de Machine Learning e estatística aplicada.

Experiência comprovada em MLOps (versionamento, deploy e monitoramento de modelos).

Habilidade de comunicação e "Data Storytelling", conseguindo conectar análises técnicas a decisões de negócio.

Será um diferencial se você tiver:

Conhecimento do mercado imobiliário, finanças ou indicadores macroeconômicos.

Experiência com dados geoespaciais (GIS/GeoPandas).

Vivência prática com NLP, LLMs e bancos vetoriais.

Inglês avançado.