Product Data Scientist (Contactability & Routing)

Kleva es una plataforma de agentes con inteligencia artificial que automatiza la gestión de cobranzas. Construimos sistemas inteligentes capaces de decidir cuándo y cómo contactarse, además de mantener conversaciones reales con clientes. No hacemos simples bots automatizados.

Operamos en 8 países de América Latina con clientes como bancos, fintechs y los BPOs más grandes de la región.

El rol

Buscamos a un "Hacker Cuantitativo". Alguien que sepa suficiente estadística matemática para no arruinar un A/B test, suficiente SQL/Python para no depender de nadie para sacar la data, y que tenga una mentalidad de producto y de negocio.

Vas a ser el owner de nuestra estrategia de marcación. Eso significa decidir a quién llamamos, a qué hora, en qué orden, con qué frecuencia y cuándo paramos. Hoy esas decisiones se toman con criterio operativo. Tu trabajo es convertirlas en un sistema que se mejora solo, semana a semana, a través de experimentos y datos.

Qué vas a hacer

Diseñar y correr experimentos A/B sobre variables de marcación: horarios, frecuencia, orden de intentos, segmentación por tramo de mora, canal.

Analizar resultados con rigor estadístico y traducirlos en cambios concretos al sistema.

Mejorar y optimizar el modelo de priorización de contacto (BTTC: Best Time to Call).

Identificar patrones en los datos de llamadas que expliquen variaciones en contactabilidad y recupero.

Trabajar directamente con el equipo de producto e ingeniería para implementar los cambios que surgieron de tus análisis.

Reportar el impacto de cada iteración en métricas de negocio: contact rate, right-party contact, promise-to-pay, recovery.

Requirements

4+ años de experiencia en roles de analytics, growth o strategy con ownership real sobre experimentos y resultados.

Experiencia sólida en diseño y análisis de experimentos A/B en entornos de alta frecuencia de decisión.

Manejo avanzado de Python o R para análisis estadístico. SQL para exploración y extracción de datos.

Capacidad para operar con datos ruidosos y tomar decisiones con información incompleta.

Mentalidad de ownership: no esperás que alguien te diga qué analizar ni qué mejorar.

Experiencia en fintech, lending, colecciones o growth analytics es una ventaja real, no un requisito.

No somos un buen fit si...

Tu trabajo termina en un Jupyter Notebook. Buscamos implementación, no solo slides o reportes.

Preferís la perfección a la velocidad. La distancia entre una hipótesis y un resultado se tiene que medir en días, no en meses.

Esperás un entorno de datos de laboratorio. Operamos en el mundo real: vas a lidiar con ruido, drop rates e información incompleta.

Necesitás que te asignen tickets. Buscamos ownership; queremos que vos nos digas qué experimento hay que correr la próxima semana para mover la aguja

Benefits

Salario en dólares

Tres semanas pagas de vacaciones por año

Hub en Bs As y en CDMX

En cada interacción, valoramos los resultados por encima de los egos o jerarquías