Product Data Scientist
UnoPago · Tiempo completo · Remoto (zonas horarias LatAm) · Mid-level (2–4 años)
El problema de datos
Miles de familias pagan colegiatura cada mes a través de UnoPago. Pero hoy nadie en la empresa puede responder con un número en pantalla: ¿qué porcentaje de esos pagos es digital?
Serías nuestro primer hire de datos. El stack analítico es greenfield — no heredas dashboards rotos ni definiciones de métricas de otro equipo. La métrica #1 de 2026 ya está definida: 80% de pagos digitales. Tu trabajo es construir el instrumento y ayudarnos a moverlo.
Es un rol de ciencia de datos con mentalidad de producto: SQL, Python y dashboards la mayor parte del tiempo, pero dentro del equipo de producto, en sesiones de UX, definiendo qué se construye según lo que digan los datos. No serás dueño de épicas — te asegurarás de que quienes sí lo son nunca adivinen.
Un detalle que importa: 70–80% de nuestro volumen cae en los primeros 5 días de cada mes. Los promedios mienten aquí. Diseñarás métricas que no.
Qué liderarás
1. El dashboard y la métrica #1 Construir desde cero la vista de pagos y uso: todos los canales, por escuela y a nivel portafolio. Hoy nadie puede ver el % de pagos digitales. Tú lo pones en una pantalla que cada líder revise cada semana.
2. Inteligencia para soporte y conciliación El equipo de soporte maneja preguntas de conciliación entre múltiples bancos y métodos de pago. Construirás análisis y herramientas — detección de anomalías, patrones de fallo, inteligencia de conciliación — para que un equipo pequeño atienda una base en rápido crecimiento.
3. Analítica de impacto Cada feature — selección multi-orden, métodos guardados, onboarding self-service — necesita un antes/después. Instrumentarás el producto, definirás métricas de activación y adopción, y le dirás al equipo qué funcionó de verdad.
Primeros 90 días
Entregar un dashboard de mix de canales con % de pagos digitales por escuela. Establecer la línea base, identificar las 10 escuelas más lejos del objetivo, y proponer la primera intervención basada en datos.
Responsabilidades
- Diseñar y construir dashboards de pagos, cobranzas y uso de producto
- Definir y mantener métricas core: % pagos digitales, activación, time-to-first-payment, mix de canales, tasas de excepción en conciliación
- Analizar comportamiento de pagadores para encontrar fricción y cuantificar el impacto de features lanzadas
- Construir análisis de anomalías y patrones de pago que reduzcan carga de soporte y conciliación
- Participar en sesiones semanales con producto y UX — traer evidencia, cuestionar supuestos, ayudar a priorizar
Qué buscamos
Requisitos
- 2–4 años con datos en producción: SQL fluido (PostgreSQL) y Python sólido (pandas o similar)
- Experiencia construyendo dashboards que la gente realmente usa (Metabase, Looker, Superset, o a medida)
- Criterio estadístico: cohortes, funnels, estacionalidad, saber cuándo una diferencia es ruido
- Comunicación clara con compañeros no técnicos — en español e inglés
- Comodidad con la ambigüedad: definirás las métricas, no las heredarás
Deseable
- Background en fintech o pagos (conciliación, ledgers, datos transaccionales)
- Experiencia como primer hire de datos, o en startup temprana
- Detección de anomalías o ML básico en producción
- Familiaridad con pagos venezolanos (pago móvil, C2P, Zelle, multi-moneda)
Cómo se ve el éxito (12 meses)
- El % de pagos digitales está en pantalla, se revisa semanalmente, y se mueve hacia el 80%
- Soporte resuelve conciliación con tus herramientas, no con búsqueda manual
- Cada feature importante sale con una métrica y recibe un veredicto
- Los debates de priorización empiezan con tus datos, no con opiniones
Los cimientos analíticos que construyas ahora se convertirán en el motor de crédito de 2028+ — el negocio de préstamos se suscribirá con datos del flujo de pagos.