Descripción del puesto
## ¿Quiénes somos?
En Palenca trabajamos con una misión: hacer visible a cualquier mexicano ante el sistema financiero.
En México hay millones de personas que generan ingresos todos los días y aun así son invisibles ante el sistema financiero. Trabajan por su cuenta, tienen más de un empleo o cobran sin recibo de nómina. Tienen ingresos reales, pero no pueden demostrarlos. El resultado es que se les niega el crédito o se les cobra más caro por el mismo riesgo.
Nosotros lo resolvemos. Construimos la infraestructura que convierte ingresos reales en información verificada: en segundos, vía API y siempre con el consentimiento de la persona. Con ella, bancos, fintechs y empresas toman mejores decisiones y pueden decir que sí a quien antes no podían ver. Lo que hoy toma días de documentos revisados a mano, aquí toma segundos.
Procesamos información de más de 17 millones de personas y somos parte de Y Combinator (S21). Hemos levantado US$6.5M y contamos entre nuestros clientes con bancos, fintechs y plataformas líderes de América Latina.
Somos un equipo pequeño, técnico y obsesionado con el cliente. Mucho está por construirse y quien llega tiene impacto desde la primera semana. Si quieres que tu trabajo se note en la vida de millones de personas, este es el lugar. Conoce más: palenca.com
## El rol
El Data Scientist es la primera persona de ciencia de datos de la compañía. Analiza la data de ingresos y empleo que concentra el Buró de Ingresos, construye modelos sobre ella y trabaja directamente con clientes en la co-creación de nuevos productos. Trabaja directamente con Pepe (José Carlos Aguilar), CEO y cofundador.
El rol tiene dos mitades. La primera es construir: variables, modelos y productos de datos que los equipos de riesgo y producto de nuestros clientes puedan usar. La segunda es investigar: entender qué se hace con datos de ingreso y empleo en otros países y otras industrias, y traer ese conocimiento a nuestra data para no empezar de cero.
Es una posición de tiempo completo, híbrida en CDMX. No hay equipo de datos todavía ni data perfectamente limpia. Hay una fuente de datos única, clientes con problemas reales y libertad para definir cómo se construye la práctica de datos de la empresa.
**Importante: trabajamos AI-first.** El análisis exploratorio, la documentación de modelos y la investigación de otros mercados ya corren apoyados en LLMs. Esperamos que uses Claude a diario para investigar, escribir, programar y decidir.
## Responsabilidades
**Análisis y diagnóstico de la data**
- Auditar cada fuente de datos: cobertura, calidad, frecuencia de actualización y sesgos por región, sector, edad o tipo de empleo.
- Encontrar patrones, señales y oportunidades de producto en la data.
- Proponer qué dato nos falta y cuánto valdría conseguirlo.
**Modelos y productos de datos**
- Diseñar y calcular variables derivadas de ingreso y empleo con tendencia, documentadas y servidas por API.
- Construir modelos de estimación de ingreso con rango y nivel de confianza, y señales de cambio en empleo e ingreso.
- Validar con estándares de la industria financiera: estabilidad, explicabilidad, backtest y monitoreo de drift.
**Co-creación con clientes**
- Trabajar con instituciones financieras en modelos a la medida: entender su problema, combinar su data con la nuestra y probar hipótesis.
- Diseñar y correr estudios retrospectivos y presentar resultados a equipos técnicos y de negocio.
- Convertir lo que funciona en producto.
**Investigación**
- Mantener un benchmark de cómo se usan datos de ingreso y empleo en otros países e industrias: burós, lenders, aseguradoras, plataformas, recursos humanos.
- Leer literatura académica y de la industria, revisar regulación comparada y hablar con expertos.
- Entregar cada trimestre una nota con qué aprendimos y qué proponemos aplicar.
**Producción, documentación y práctica de datos**
- Construir con ingeniería los pipelines para que lo que funciona en análisis funcione en producción.
- Documentar modelos y variables de forma que un cliente, un auditor o un regulador los entienda.
- Definir herramientas, estándares y el perfil de las siguientes contrataciones del área.
## Perfil
**Indispensable**
- Al menos 1 año en ciencia de datos aplicada, idealmente en servicios financieros, fintech o B2B. Nos importa más lo que has construido que los años que llevas.
- Has puesto al menos un modelo en producción o has participado de cerca en hacerlo, no solo entrenado en notebooks.
- Experiencia con datos transaccionales o series de tiempo.
- Has hecho investigación aplicada: revisar literatura y casos, sintetizar y recomendar.
- Dominio de Python y SQL y capacidad de construir pipelines de datos.
- Puedes explicar un modelo a alguien que no es técnico y defenderlo ante alguien que sí lo es.
- Te motiva trabajar en etapa temprana, con ambigüedad y sin data perfecta.
- Español profesional e inglés fluido de lectura.
- AI-first en tu forma de trabajar: uso diario de LLMs para investigar, programar, escribir y decidir.
**Plus**
- Experiencia en riesgo de crédito, scoring o datos alternativos.
- Has trabajado con datos de nómina, empleo o plataformas digitales.
- Has construido modelos para un cliente externo o en consultoría.
- Conoces la regulación financiera mexicana.
- Fuiste la primera persona de datos en una empresa.
## Cómo trabajamos
- Ownership real. Cada persona es responsable de su área end-to-end.
- AI-first. Cada persona tiene licencia de Claude pagada y budget prácticamente ilimitado para herramientas de IA.
- Decisiones rápidas. Preferimos iterar que planear de más.
- Escribimos las cosas. Specs, decisiones, postmortems, propuestas. Todo queda documentado.
- Datos antes que opiniones. Cada decisión se respalda con métricas o evidencia.
- Cliente al centro. Hablamos con clientes todos los meses. Sin excepción.
- Híbrido. Oficina en CDMX tres días a la semana (lunes, miércoles y viernes), dos remoto.
## Proceso
1. Llamada inicial con Pierre (30 min).
2. Caso técnico para llevar con data sintética.
3. Presentación del caso con Pierre y una persona de ingeniería.
4. Conversación final con Pepe.
5. Oferta.
De aplicación a oferta: 3 semanas.
## Aplicación
Manda un correo a jose@palenca.com con copia a pierre@palenca.com
**Asunto:** Tu Nombre - Applied Data Scientist
Adjunta tu CV o LinkedIn y una breve explicación de quién eres, por qué te interesa Palenca y por qué encajas en este rol.
Suma puntos:
- Un modelo o análisis que hayas construido y que esté en uso, y qué cambió gracias a él.
- Un caso de otro país o industria sobre uso de datos de ingreso que creas que deberíamos conocer, y por qué.
- Video corto (2-3 min) de presentación.
Buscamos criterio, autonomía y hambre de construir.
Vacante completa: https://palenca.notion.site/Data-Scientist-3f2bb0eb9c66817799e2ced6dbc014c3
RIAH recomienda
