• Define and own the Foundation’s data strategy—what we measure, why it matters, and how it informs decisions across the organization • Lead a team of analysts and analytics engineers, each owning a specific ecosystem vertical, and synthesize their work into a coherent cross-vertical perspective • Own relationships with the Foundation’s ecosystem data providers, ensuring coverage, quality, and methodological rigor • Drive the data infrastructure roadmap and make decisions on tooling, gaps, and new partnerships • Represent the Foundation’s data perspective in executive conversations and external forums

• Apply statistical techniques (regression, distribution analysis, hypothesis testing) to derive insights from data and create advanced algorithms and statistical models such simulation, scenario analysis, and clustering • Explain complex models (e.g., RandomForest, XGBoost, Prophet, SARIMA) in an accessible way to stakeholders • Visualize and present data using tools such as Power BI, ggplot, and matplotlib • Explore internal datasets to extract meaningful business insights and communicate results effectively and write efficient, reusable code for data improvement, manipulation, and analysis • Manage project codebase using Git or equivalent version control systems • Design scalable dashboards and analytical tools for central use • Build strong collaborative relationships with stakeholders across departments to drive data-informed decision-making while also helping in the identification of opportunities for leveraging data to generate business insights • Enable quick prototype creation for analytical solutions and develop predictive models and machine learning algorithms to analyze large datasets and identify trends • Communicate analytical findings in clear, actionable terms for non-technical audiences • Mine and analyze data to improve forecasting accuracy, optimize marketing techniques, and informed business strategies, developing and managing tools and processes for monitoring model performance and data accuracy • Work cross-functionally to implement and evaluate model outcomes

• Lead end-to-end ML/AI solution architecture on AWS • Design and implement production-grade ML pipelines • Customize and deploy generative AI applications • Build scalable data processing and ETL pipelines • Develop MLOps practices • Optimize performance, cost, and scalability • Ensure security, compliance, and responsible AI • Collaborate with data engineers, data scientists, product teams, and stakeholders • Mentor junior engineers • Troubleshoot production issues

Role Description Dentro de nuestro área de Data internacional de Eraneos, buscamos un/a Data Scientist Mid-Level con sólida base técnica en análisis de datos, machine learning y estadística aplicada, capaz de desarrollar soluciones end-to-end y traducir resultados complejos en impacto de negocio. Formarás parte de un equipo multidisciplinar trabajando en casos reales, desde la exploración de datos hasta la puesta en producción de modelos, con especial foco en forecasting, NLP y modelos basados en transformers. Responsibilities - Analizar, limpiar y transformar grandes volúmenes de datos estructurados y no estructurados - Desarrollar modelos de machine learning y deep learning para problemas de negocio - Implementar soluciones de forecasting y series temporales - Diseñar y analizar experimentos (A/B testing) - Construir pipelines reproducibles de datos y modelos - Explicar resultados y modelos a stakeholders no técnicos - Colaborar con equipos de Data Engineering, BI y producto - Participar en el ciclo completo de modelos (MLOps) Qualifications - 2–5 años en roles de Data Science o similares - Capacidad para trabajar de forma autónoma en proyectos complejos - Enfoque práctico orientado a impacto en negocio Requirements - Python (avanzado) - PostgreSQL - SQL - Databricks - Pandas, NumPy - PySpark / Spark - Matplotlib, Seaborn o Plotly - Diseño de experimentos / A/B testing - Scikit-learn - Modelos de regresión y clasificación - Clustering (K-Means, DBSCAN…) - Feature engineering y selección de variables - Gradient boosting (XGBoost, LightGBM, CatBoost) - Validación de modelos y métricas (AUC, F1, RMSE…) - ARIMA / SARIMA - Prophet - Modelos con features temporales (LightGBM) - Fundamentos de redes neuronales - PyTorch o TensorFlow/Keras - CNNs y RNNs/LSTMs (nivel conceptual-práctico) - Preprocesamiento de texto (TF-IDF, embeddings) - Hugging Face Transformers - Modelos tipo BERT / RoBERTa - Fine-tuning de modelos - Prompt engineering y uso de APIs de LLMs - SHAP, LIME - Feature importance - MLflow - Git (GitHub/GitLab) - CI/CD (conceptual) - Código modular y testeable (Pytest/unittest) Benefits - Proyectos desafiantes con impacto real - Entorno moderno (cloud, MLOps, LLMs) - Equipo técnico de alto nivel - Crecimiento profesional continuo - Programa de certificaciones oficiales - Flexibilidad horaria y teletrabajo Company Description En Eraneos estamos comprometidos con el respeto a la diversidad y la igualdad de oportunidades. Estamos convencidos de que un equipo de trabajo diverso es la clave del éxito. Por ello, creamos un entorno laboral inclusivo, sin discriminar a ninguna persona por motivos de edad, orientación sexual, nacionalidad, religión, estado civil, discapacidad o identidad de género.