Ensino superior nas áreas de Engenharia, Economia, Estatística, Matemática, Ciência da computação e/ou áreas afins.Para candidatos internos: experiência no Sicredi de mínimo de 6 meses.CONHECIMENTOS TÉCNICOS DESEJÁVEIS PARA A VAGAProgramação e FerramentasLinguagens para análises avançadas (SQL, R, Python)Ferramentas de versionamento e CI/CD (Git, GitLab ou similares)Frameworks de ML/IA (TensorFlow, PyTorch, Scikit-learn)Modelagem e EstatísticaEstatística avançada aplicada à ciência de dados (inferência, testes de hipóteses, análise multivariada)Modelagem estatística e econométrica (regressões, séries temporais, modelos de sobrevivência)Experiência com ambientes de produção (deploy de modelos, MLOps, monitoramento)Infraestrutura e DadosExperiência com plataformas de nuvem (AWS)Construção de consultas a bancos relacionais e não relacionais (SQL avançado, otimização)Arquitetura de dados (modelagem, pipelines ETL, integração)Visualização avançada e storytelling com dados (Power BI, Plotly, Seaborn)GovernançaGovernança de dados e conformidade com LGPDSoft SkillsComunicação clara e objetivaEmpatia e colaboraçãoPensamento crítico e analíticoFoco em solução de problemasElaborar estudos de cenário e diagnóstico do negócio;Desenvolver e apoiar os times na mensuração de resultados, identificando oportunidades, tendências e padrões em conjuntos de dados;Ter iniciativa para propor hipóteses e resolver problemas através da ciência de dados;Capacidade de apresentar e comunicar as análises de forma não técnica;Atuar em parceria com Engenheiros de Dados no aprimoramento dos fluxos de aquisição e transformação dos dados utilizados em modelos.;Trabalhar em parceria com Analistas de Dados para gerar insights de negócio e direcionar a análise de informações para tomar as melhor decisões estratégicas.;Prezar pela qualidade, performance e sustentabilidade dos modelos;Participar da Chapter de Ciência de dados, incentivando e promovendo a disseminação da cultura de dados para os colegas e times da nossa operação;Manter a documentação necessária das suas entregas;Se manter em constante evolução técnica e de negócio;Compreender e aplicar técnicas estatísticas e de machine learning para propor mudanças, prover respostas para tomada de decisão e embarcar modelos e algoritmos inteligentes em produtos de software;Extrair e processar dados de diversas fontes e em grandes volumes.