Customer Data Science Engineer, B2B Retention

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 d