Bank Salad mejora y enriquece la vida de los usuarios a través de sus servicios de datos.
La misión de Bank Salad es crear un ambiente donde los usuarios puedan utilizar su información en cualquier lugar y en cualquier momento, y diseñar una experiencia digital que maximice los beneficios de los usuarios. Nos centramos especialmente en los dos valores más importantes para las personas: "dinero" y "salud".
Creemos que una empresa que lanza continuamente productos con ideas innovadoras es una startup.
Hemos demostrado nuestra innovación al lanzar en Corea los primeros productos como el presupuesto automático (2017), consulta financiera integrada (2018), recomendación de cartas basadas en consumo (2018), servicio de comparación de préstamos (2019), aumento del puntaje de crédito (2019), asistente financiero (2020), mis datos (2022), pruebas genéticas gratuitas (2023), análisis de coberturas personalizadas de salud (2024), juego de ensalada (2025), alarmas de tasas de interés mínimas (2025).
En los últimos dos años, nuestros ingresos mensuales han crecido un 800% y hemos superado el umbral de rentabilidad, asegurando así sostenibilidad y estabilidad.
Queremos convertirnos en una compañía de cartera de servicios financieros digitales en cinco años y en una compañía de cartera de datos en diez años, ampliando nuestras actividades y desarrollando los datos como activos centrales de la empresa, aprovechando las sinergias entre finanzas y salud.
Queremos trabajar con colegas motivados que deseen resolver problemas sin límites, crear procesos que aprovechen las datos de la manera más segura y productiva, y generar resultados tangibles en nuestros productos y negocios.
Responsabilidades principales
El Analista de Datos (salud) realiza tareas específicas como:
Analizar los datos de consulta de los asesores de seguros (GA) para identificar los factores clave que aumentan la tasa de conversión, para que los usuarios puedan recibir asesoramiento de seguros óptimos y proponer mejoras.
• Identificar patrones de alta y baja conversión basados en el historial de consultas y cuantificar los factores clave que afectan la tasa de conversión.
• Utilizar análisis de lenguaje natural para extraer patrones significativos del texto de las consultas y desarrollar técnicas de asesoramiento y escenarios efectivos.
• Obtener insights aprovechables y presentar estrategias a través de un análisis de causa y pruebas de hipótesis sobre negocios/productos.
• Mejorar la comprensión de los productos mediante el análisis y modelado de datos relacionados con los comportamientos de los usuarios de Bank Salad sobre salud y seguros.
Diseñar un sistema de medición para permitir decisiones rápidas y precisas sobre la calidad de las consultas, definir indicadores clave y liderar experimentos.
• Diseñar e implementar indicadores clave que se vinculen al crecimiento del producto.
• Diseñar registros de eventos para rastrear el rendimiento de conversión por consejero y escenario y medir la experiencia.
• Procesar y visualizar los datos de manera que los miembros puedan comprender y utilizar fácilmente los indicadores.
• Colaborar estrechamente con el PM/PA del equipo de salud y el gerente de GA para integrar los resultados del análisis en las operaciones de consulta.
• Diseñar y construir un Data Mart para mejorar la eficiencia analítica.
Para validar los efectos causales de los métodos de consulta, diseñar cuasi-experimentos y descubrir experimentalmente escenarios de consulta que generen una tasa de conversión más alta.
• Diseñar y llevar a cabo un cuasi-experimento utilizando los métodos de consulta de los asesores como variable controlada.
• Verificar la significancia estadística de los resultados de los experimentos e interpretar los efectos causales para usarlos en la toma de decisiones.
• Diseñar y realizar pruebas A/B y verificar la significancia estadística de los resultados de los experimentos.
Se utilizan principalmente las siguientes tecnologías:
• Herramientas de procesamiento y análisis de datos: Snowflake, Metabase, Amplitude
• Análisis de lenguaje natural: Python (pandas, scikit-learn, KoNLPy, etc.), análisis con LLM
• Lenguajes: Python, SQL
Nos gustaría acompañar a personas que aspiran a estas experiencias.
• Debe tener más de 7 años de experiencia en análisis de datos o experiencia equivalente que haya liderado proyectos de análisis que afecten las decisiones de productos/crecimiento.
• Debe tener experiencia manejando grandes volúmenes de datos utilizando SQL, ejecutando la definición de indicadores clave, identificación de causas y propuestas estratégicas de manera integral.
• Debe poseer la capacidad de explicar la propuesta de valor para el usuario y la contribución a los ingresos al comprender la estructura de datos financieros y combinarlos con datos de comportamiento.
• Se requiere experiencia en métodos avanzados de análisis como modelización estadística y aprendizaje automático.
• Debe comprender y aplicar en la práctica pruebas A/B y pruebas de hipótesis (definición de indicadores, diseño de experimentos, interpretación de resultados).
• Debe poseer habilidades de comunicación y liderazgo para estructurar problemas basados en datos y colaborar con diversos equipos/liderazgo para aumentar el nivel de toma de decisiones de la organización.
Se preferirán candidatos que posean las siguientes experiencias.
• Se preferirán aquellos que tengan experiencia en automatización/informes de análisis utilizando herramientas como Python, así como en modelización estadística, filtrado, recomendaciones y modelación predictiva.
• Es preferible tener una maestría o un doctorado en áreas relacionadas con informática, matemáticas, estadística o minería de datos.
• Se preferirán candidatos que hayan generado un impacto claro en los negocios/usuarios (crecimiento de ingresos, retención, conversión, reducción de costos, etc.) a través del análisis o modelación de datos.
• Se preferirán candidatos que hayan establecido o mejorado sistemas de indicadores, experimentos y calidad/definición de datos en una organización que tome decisiones basadas en datos.
• Es deseable tener comprensión de almacenes de datos (DW) y experiencia en la construcción de Data Mart y diseño de pipelines de datos.
• Se preferirán candidatos que hayan realizado diseños experimentales de manera sistemática y posean competencias técnicas en pruebas de hipótesis estadísticas, considerando cuestiones de causalidad/bias.
• Se preferirán candidatos que hayan liderado analistas junior o que tengan experiencia en establecer/propagar directrices dentro del equipo.
