Resumen: El equipo de Ciencia de Datos de MarTech busca un Científico de Datos para gestionar modelos y características de extremo a extremo, impulsando la eficiencia del marketing de rendimiento mediante mediciones avanzadas, optimización y modelización escalable. Aspectos destacados: 1. Gestionar modelos y características de extremo a extremo dentro de la medición y optimización de MarTech 2. Diseñar soluciones que sirvan a toda la cartera global de Delivery Hero 3. Aplicar rigor metodológico en la inferencia causal y la modelización Barcelona, España A tiempo completo Datos **Quiénes somos** -------------- Glovo forma parte del Grupo Delivery Hero, la plataforma mundial pionera en entregas locales; nuestra misión es ofrecer una experiencia extraordinaria: rápida, sencilla y hasta tu puerta. Operamos en aproximadamente 65 países de todo el mundo. Con sede central en Berlín, Alemania. Delivery Hero cotiza en la Bolsa de Valores de Fráncfort desde 2017 y forma parte del índice bursátil MDAX. ### **Descripción del puesto** El equipo de **Ciencia de Datos de MarTech** impulsa la eficiencia del marketing de rendimiento mediante mediciones avanzadas, optimización y modelización escalable. Operamos en un entorno altamente complejo y ambiguo donde: * La verdad fundamental suele ser inobservable (incrementalidad frente a atribución) * No siempre es factible realizar experimentos limpios * Las decisiones deben tomarse bajo incertidumbre y con datos imperfectos Desarrollamos soluciones para la asignación de presupuesto, la medición de la incrementalidad y las ofertas, permitiendo que la empresa invierta cada euro allí donde genere el mayor impacto. **TU MISIÓN** Buscamos un **Científico de Datos** que gestione modelos y características de extremo a extremo dentro de iniciativas más amplias de MarTech y contribuya a las soluciones del equipo en materia de medición y optimización. Al operar a nivel global, diseñarás soluciones que sirvan a toda la cartera de Delivery Hero, incluyendo marcas como Glovo, Talabat y PedidosYa. Trabajarás de forma autónoma en problemas bien definidos y colaborarás estrechamente con miembros senior del equipo en los más ambiguos. Este puesto requiere sólidas bases en inferencia causal y modelización, combinadas con la capacidad de comunicarte claramente con partes interesadas técnicas y no técnicas, y traducir problemas de marketing en soluciones fiables y listas para producción. **EL RECORRIDO** **Gestionar características y componentes de extremo a extremo dentro de la medición y optimización de MarTech** * Asumir la responsabilidad de modelos y características dentro de iniciativas más amplias, desde la exploración de datos hasta su implementación en producción * Contribuir a la definición de métricas de éxito y enfoques de modelización, con orientación senior en formulaciones de problemas más ambiguas * Equilibrar el rigor metodológico con las restricciones comerciales y los plazos **Contribuir a marcos de decisión bajo ambigüedad** * Ayudar a traducir preguntas de marketing en análisis estructurados y basados en modelos * Operar en entornos donde los experimentos son limitados o inviables, aplicando métodos establecidos en MMM, experimentos y análisis observacionales * Formular y documentar explícitamente los supuestos, señalando su impacto en las decisiones **Apoyar la toma de decisiones bajo incertidumbre** * Proporcionar análisis claros a pesar de mediciones imperfectas, explicando los compromisos y limitaciones * Identificar señales contradictorias (por ejemplo, atribución frente a incrementalidad frente a MMM) y debatirlas con miembros senior del equipo * Garantizar que los resultados sean accionables y estén alineados con las verdaderas restricciones comerciales (límites presupuestarios, ritmo de gasto, dependencias entre canales) **Aplicar rigor metodológico y contribuir a la validación** * Contribuir a la aplicación de marcos en MMM, pruebas de incrementalidad (experimentos geográficos, control sintético), ofertas y/o valor vitalicio del cliente (LTV) * Aplicar estrategias de validación en ausencia de una verdad fundamental (validación cruzada entre métodos, prueba retrospectiva, análisis de sensibilidad) * Cumplir con los estándares del equipo en cuanto a rigor estadístico, interpretabilidad y reproducibilidad * Participar en el intercambio de conocimientos dentro del capítulo y del equipo **Comunicarse eficazmente con las partes interesadas** * Traducir los resultados de los modelos en narrativas claras para partes interesadas no técnicas * Comunicarse con las partes interesadas del equipo (squad), adaptando adecuadamente el nivel de abstracción * Responder a preguntas sobre los resultados de los modelos con el contexto apropiado y siendo honesto acerca de sus limitaciones **Construir sistemas listos para producción** * Desarrollar soluciones fiables y mantenibles, con buenos estándares en pruebas, monitoreo, documentación y reproducibilidad * Colaborar estrechamente con los equipos de Ingeniería y Producto para implementar y mejorar los sistemas * Garantizar la usabilidad a largo plazo de los modelos como productos de decisión, no solo como análisis ### **Requisitos** **Fundamentos estadísticos, causales y predictivos** Base sólida en experimentación, inferencia causal, series temporales y modelización predictiva. Experiencia aplicando estos métodos en entornos reales con datos ruidosos o sesgados. **Trabajar eficazmente bajo ambigüedad** * Progresar con solidez en problemas parcialmente definidos, escalando los obstáculos cuando sea necesario * Proporcionar análisis razonados bajo incertidumbre * Reconocer los compromisos entre metodologías y señales contradictorias **Responsabilidad sobre características y modelos** Historial comprobado de gestión de modelos y características desde la definición del problema, pasando por el enfoque de modelización, hasta su adopción en producción, con aportaciones senior en iniciativas más abiertas. **Exposición al dominio de MarTech** Comprensión práctica de la atribución, los canales digitales y fuera de línea, el marketing de rendimiento, las ofertas y la asignación de presupuesto. Conocimiento de la incrementalidad, los rendimientos decrecientes y las interacciones entre canales. **Comunicación con las partes interesadas** * Comunicar conceptos estadísticos a partes interesadas no técnicas * Presentar claramente los resultados de los modelos y discutir honestamente sus limitaciones * Construir confianza mediante trabajos fiables y bien documentados **Habilidades de ingeniería y producción** Fuertes habilidades en Python y SQL (por ejemplo, BigQuery). Experiencia en diseño modular, pruebas, control de versiones y pilas modernas de datos/ML. Conocimientos previos sobre flujos de trabajo basados en agentes (agentes impulsados por LLM o que utilizan herramientas) son un plus. **Enfoque pragmático** Familiaridad con métodos como modelización de uplift, MMM, cuasiexperimentos y modelos de supervivencia. Capacidad para aplicar métodos establecidos y lograr un impacto comercial real.
David Muñoz
Indeed · HR
David Muñoz
Indeed · HR
