Analytics Engineer

Key Responsibilities

• Migrar procesos de datos utilizando Dataform, y soportado con herramientas de IA como Claude y GPT.
• Priorizar y organizar el backlog técnico y de datos (mejoras, deuda, optimización de pipelines).
• Definir el modelamiento y la transformación de la información en los procesos que construye.
• Diseñar y seleccionar herramientas, lenguajes y enfoques técnicos para el desarrollo de pipelines.
• Aplica controles de seguridad basados en las normas establecidas y buenas prácticas en sus pipelines

Skills, Knowledge & Expertise

• SQL: Diseño de queries eficientes, con nomenclatura clara, uso de metadata y patrones de calidad
• Componentes Cloud (GCP): Uso de servicios core (BigQuery, Dataform, Cloud Storage, Cloud Run) para levantar infraestructura escalable, segura y costo-eficiente en el desarrollo de productos de datos
• Nociones DevOps: Familiaridad o uso de Gitlab, Terraform y CI/CD
• Ingeniería de Prompt: Diseño y optimización de prompts para integrar IA generativa en flujos de datos y automatizaciones
• Arquitectura Medallion: Diseño y estandarización de capas Bronze/Silver/Gold; criterios de promoción entre capas
• Gobierno de datos y Compliance: Operativizar políticas de gobernanza (nomenclatura, catalogación, calidad), accesos por roles/IAM y policy tags; asegurar apego a GDPR/LGPD/ISO y normativas locales

• Comunicación: Adaptar mensajes técnicos y no técnicos según la audiencia, incluso en niveles estratégicos
• Colaboración: Cooperar con distintos roles y squads, fomentando sinergia y resolución conjunta
• Resolución de problemas: Liderar soluciones innovadoras ante problemas complejos de datos
• Mentoring: Guiar a colegas en prácticas de ingeniería de datos, fomentando desarrollo profesional
• Pensamiento crítico: Evaluar decisiones técnicas y estratégicas cuestionando supuestos
• Aprendizaje continuo: Promover una cultura de aprendizaje en el equipo, integrando nuevas prácticas y herramientas
• Entendimiento de negocio: Conectar modelos y pipelines con journey end-to-end, KPIs/OKRs core y casos de uso de alto impacto; priorizar backlog según valor.