Marca el ritmo de tu carrera

Analista de datos 

Colombia - Perú
Data Science

Buscamos a quien defina qué se cuenta, cómo se cuenta y por qué esa métrica y no otra, y luego lo construya sobre la plataforma de datos de Pragma. El criterio sobre la métrica importa más que la herramienta con la que se implementa.

El rol vive en la intersección entre el problema del negocio y la plataforma: entiende qué necesita medir quien toma decisiones, diseña la métrica que lo responde y la entrega en un tablero que se entiende en cinco segundos. Si la métrica está mal definida, el tablero miente bonito. Este rol existe para que eso no ocurra.

¿A qué retos te enfrentarás?

• Definir métricas y KPIs junto con el negocio: qué se mide, con qué regla de cálculo, bajo qué granularidad y con qué frecuencia. Forzar que cada métrica tenga una sola definición escrita antes de automatizarla.
• Construir tableros y visualizaciones en Amazon Quick que respondan preguntas de negocio, siguiendo los estándares de Pragma.
• Transformar datos en información para la toma de decisiones: identificar patrones, tendencias y anomalías que impactan al negocio y comunicarlos con claridad.
• Interpretar métricas de desempeño para evaluar si las acciones del negocio están alineadas con sus metas, y señalar cuándo no lo están.
• Construir productos de datos sobre el stack AWS de Pragma: desde la ingesta hasta la publicación del tablero.
• Contar historias relevantes con los datos: elegir la visualización correcta para la pregunta correcta y eliminar lo que no aporta información accionable.

¿Qué buscamos en ti?

• Criterio para definir métricas: Haber construido al menos un sistema de métricas o KPIs que alguien usó para decidir. Se verifica con un caso: qué métrica definiste, por qué esa y no otra, qué regla de cálculo tiene y qué decisión cambió a partir de ella.
• Visualización de datos en Amazon Quick: Experiencia construyendo dashboards y sistemas de reporting en Quick. Saber elegir el tipo de visual correcto para cada pregunta, estructurar la jerarquía de información y publicar tableros que un usuario de negocio entienda sin capacitación.
• Conocimiento del stack de datos en AWS: Entender cómo se mueven los datos desde el origen hasta el tablero: S3 como almacenamiento, Athena para consulta,y Quick para publicación. No necesitas operarlo todo, pero sí entender qué hace cada pieza y conversar con ingeniería sobre decisiones de arquitectura.
• SQL con solvencia: Consultas sobre bases de datos relacionales: joins, agregaciones, ventanas, optimización. Es la herramienta diaria.
• Python o Spark para productos de datos: Capacidad de construir transformaciones y pipelines que van más allá de una consulta: limpieza, enriquecimiento, cálculos derivados.
• Estadística aplicada: Inferencia básica, regresión, interpretación de distribuciones. Saber cuándo un número es confiable y cuándo no, antes de ponerlo en un tablero.
• Lectura de datos antes de confiar en ellos: Distinguir datos que sostienen una decisión de los que solo la aparentan. Criterio sobre calidad, completitud y consistencia.
• Formación en ingenierías, matemáticas, estadística o carreras afines. Si vienes de otra carrera pero demuestras criterio analítico con casos, postúlate.

¿Qué nos encantaría encontrar?

No es necesario, pero suma saber que cuentas con:

• Experiencia definiendo marcos de métricas para un área o un producto completo: catálogo de indicadores, reglas de cálculo documentadas y gobierno de las definiciones.
• Experiencia con Git para versionamiento de código y colaboración en equipo.
• Experiencia en consultoría o servicios profesionales: haber respondido por resultados en casa del cliente.
• Conocimiento de metodologías de desarrollo de productos de datos como CRISP-DM.

Si lo que define este rol te describe y tienes un caso donde una métrica bien puesta cambió una decisión, queremos escucharte.