• Lead data center due diligence and design teams to deliver projects that meet the client’s requirements, on schedule and to a high degree of quality • Design disciplines will include architecture, civil, structural, mechanical, electrical, plumbing, security, fire protection, ICT, and BMS/EPMS • Develop and enforce multi-site project and program management plans • Host and attend meetings with clients and external stakeholders • Proactively manage and communicate change throughout the project both within AECOM and to our clients • Identify problems early and develop creative solutions • Proactively communicate with all stakeholders to provide project updates and resolve outstanding issues • Develop technical and financial proposals for new and add/move/change data center design projects • Develop trusting relationships with client stakeholders/buyers

• Você vai ter aulas e feedbacks individualizados com nossos Líderes de Ciência de Dados • Você terá contato com problemas reais de negócio simulados no ambiente do Programa • Interagir com Cientistas de Dados da equipe Datarisk, em sessões de troca sobre a Ciência de Dados

• Own the company’s Product Analytics platform (PostHog), ensuring its evolution, governance and adoption by teams. • Define, document and evolve the product tracking plan. • Define taxonomy, naming conventions and standards for product events. • Ensure the quality, consistency and reliability of behavioral data. • Collaborate with Product and Engineering to define and implement product events. • Validate implementations, identify inconsistencies and monitor corrections. • Monitor platform usage, event-related costs and optimization opportunities. • Perform analyses of user behavior, funnels, activation, retention, feature adoption and navigation journeys. • Build dashboards and analyses to support Product decisions. • Cross behavioral data with business metrics such as revenue, churn, plans, segments and platform usage. • Support PMs in defining success metrics and experimentation hypotheses. • Participate in the definition, monitoring and analysis of A/B tests and continuous user-experience improvement initiatives. • Serve as an internal reference for Product Analytics. • Support PMs, Designers and Engineering in adopting best practices for instrumentation and analysis. • Create documentation, standards and materials that raise the organization’s analytical maturity.

• Análisis y modelado de datos: Aprovechar tus habilidades analíticas para identificar patrones, tendencias e información valiosa (insights) a partir de grandes conjuntos de datos. • Desarrollo y validación de modelos: Utilizar técnicas estándar de la industria para crear variables (features), limpiar conjuntos de datos y desarrollar pipelines para entrenar e implementar nuestros modelos, enfocados principalmente en modelos de clasificación. • Evaluación del riesgo crediticio: Evaluar el riesgo crediticio de posibles prestatarios utilizando los modelos desarrollados, asignando de manera efectiva puntajes de crédito (credit scores) o probabilidades de incumplimiento (Probability of Default - PD). Buscamos personas que piensen de manera innovadora; con frecuencia utilizamos datos alternativos para construir nuestros modelos, por lo que valoramos tanto las mejores prácticas de la industria como soluciones creativas. • Ingeniería de características (Feature Engineering): Identificar y crear variables relevantes que mejoren el poder predictivo de los modelos y representen adecuadamente la solvencia o capacidad crediticia de los individuos. • Colaboración interdisciplinaria: Trabajar en conjunto con otros equipos para proporcionar análisis, desarrollar modelos y participar en la toma de decisiones técnicas. • Monitoreo y evaluación del desempeño:  Supervisar continuamente el rendimiento de los modelos implementados, evaluar sus métricas y realizar los ajustes necesarios para adaptarlos a cambios en el comportamiento de los usuarios, las condiciones del mercado o la normativa aplicable. • Investigación e innovación: Mantenerse actualizado sobre los últimos avances en ciencia de datos y aprendizaje automático (Machine Learning), además de experimentar con nuevos enfoques para la evaluación del riesgo crediticio.