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.

• 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. Buscamosownership; queremos que vos nos digas qué experimento hay que correr la próxima semana para mover la aguja

• 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