A Olos é uma empresa brasileira especializada em soluções de relacionamento entre marcas e seus clientes. Nascida a partir de experiências reais e profundas em operações de Televendas, Cobrança, SAC e Helpdesk, desenvolveu uma plataforma robusta que integra todos os canais de comunicação em um único ambiente, permitindo a gestão completa da jornada do cliente.
Por meio do Olos Channel, oferece uma solução verdadeiramente omnichannel, conectando empresas e consumidores de forma inteligente, estratégica e eficiente.
Fundada em 2010 como uma startup, a Olos mantém até hoje o espírito de inovação, agilidade e superação constante presente em sua cultura organizacional. Em poucos anos, consolidou uma posição de destaque no mercado, tornando-se referência e escolha preferencial de empresas que buscam excelência no relacionamento com o cliente.
Atualmente, cerca de 60 mil usuários acessam a plataforma diariamente, distribuídos em mais de 110 empresas no Brasil, Peru, Equador, Colômbia, Chile, Argentina, México, República Dominicana, Paraguai e Portugal, ampliando fronteiras e fortalecendo conexões em toda a América Latina e Europa.
Qual será seu objetivo?
Desenvolver e operacionalizar modelos estatísticos e de machine learning ponta a ponta, garantindo robustez metodológica, escalabilidade e impacto mensurável no negócio.
Responsabilidades e atribuições
• Estruturar bases de dados através da coleta de dados brutos
• Padronizar e normalizar a estruturação de bases de dados conforme necessidades do negócio
• Estruturar problemas analíticos complexos e definir abordagem estatística adequada
• Realizar EDA avançada e feature engineering
• Desenvolver modelos supervisionados e não supervisionados (regressão, classificação, clusterização, séries temporais)
• Implementar validação cruzada, tuning de hiperparâmetros e análise de viés/variância
• Trabalhar com grandes volumes de dados estruturados e não estruturados
• Construir pipelines de dados e experimentação (A/B testing)
• Implementar modelos em produção (APIs, batch ou streaming)
• Monitorar drift de dados e performance de modelos
• Documentar experimentos e garantir reprodutibilidade
Localidade: Não informada