UbicaciónComo Analytics Engineer, te unirás al equipo de Business Intelligence dentro de Business Systems Engineering, un grupo de varios equipos que construye y opera los sistemas en los que funciona la empresa. Este puesto es remoto en México o Colombia como empleado de tiempo completo, o en otras ubicaciones de Latinoamérica como contratista, con un horario de trabajo que se superpone de forma significativa con las zonas horarias de EE. UU.
Quiénes somosDoiT es una empresa tecnológica global que trabaja con organizaciones impulsadas por la nube para aprovecharla en el crecimiento del negocio y la innovación. Combinamos datos, tecnología y experiencia humana para garantizar que nuestros clientes operen de forma bien arquitectada y escalable, desde la planificación hasta la producción.
Ofrecemos DoiT Cloud Intelligence, la única solución que integra tecnología avanzada con inteligencia humana, y ayudamos a nuestros clientes a resolver problemas complejos de multicloud e impulsar la eficiencia.
Con décadas de experiencia en multicloud, tenemos especializaciones en Kubernetes, GenAI, CloudOps y más. Somos un socio estratégico de AWS, Google Cloud y Microsoft Azure, galardonado, y trabajamos junto a más de 4.000 clientes en todo el mundo.
La oportunidad
Nuestra plataforma de datos gobernada es una parte central de cómo opera DoiT, y cientos de Do'ers dependen de ella cada mes. Estamos ampliando el equipo que la construye y opera, y buscamos un Analytics Engineer que nos ayude a llevarla hacia adelante.
Trabajarás como ingeniero en la plataforma de datos, no solo como creador de reportes. Eres el tipo de persona que evita repetir dos veces la misma tarea manual, que trata los modelos de datos como código de producción y que añade pruebas y monitoreo de forma natural para detectar problemas antes que nadie. Serás responsable de una parte importante de la ingeniería diaria de la plataforma, lo que permite a nuestros analistas concentrarse en el análisis y a nuestras grandes iniciativas de plataforma recibir la atención sostenida que necesitan.
Es un puesto de alta responsabilidad con un gran margen de crecimiento. Trabajarás de cerca con nuestros analistas e ingenieros de BI y con socios de toda la empresa, reportando al Head of Business Intelligence.
Responsabilidades
-
Propiedad compartida de la ingeniería de la plataforma: cambios rutinarios en los modelos, el backlog de ingeniería, incorporación de nuevas fuentes de datos desde la ingesta sin procesar hasta los datasets certificados, mantenimiento de CI/CD y operaciones de infraestructura. Es un puesto de propiedad total, no de un carril limitado.
-
Construir, probar y mantener modelos de datos y pipelines que alimentan dashboards, reportes financieros y para inversionistas, y nuestra capa de analítica de IA, en más de 15 dominios de negocio, incluidos Finanzas, Ventas, Experiencia del Cliente, Marketing, Producto y RR. HH.
-
Gestionar la infraestructura de datos como código. Aprovisionar y configurar datasets y vistas de BigQuery, buckets de GCS y permisos IAM mediante Terraform. Esto incluye incorporar destinos de ingesta, gestionar controles de acceso y manejar cambios de esquema en las tablas fuente.
-
Ser responsable del acceso y la gobernanza de los datos. Ser dueño y seguir ampliando nuestra implementación de RBAC: extender el marco de control de acceso a medida que se incorporan nuevos dominios y consumidores, mantener actualizados los metadatos del catálogo de datos (nivel, dominio, responsable, etiquetas de PII) y la documentación.
-
Mejorar la confiabilidad de la plataforma fortaleciendo los estándares de pruebas, la observabilidad y las alertas, para detectar los problemas a tiempo y no que los reporten los usuarios.
-
Dar soporte a la orquestación y programación. Entender cómo los DAGs de Airflow ejecutan los builds de dbt (diarios, por hora, mensuales), etiquetar los modelos para que se ejecuten en el calendario correcto y solucionar fallos de build en Cloud Composer.
-
Construir y mantener conectores de datos personalizados. Cuando una fuente SaaS no esté cubierta por un conector nativo de Fivetran, escribir y mantener conectores basados en Python con el SDK de Fivetran, incluyendo paginación, limitación de tasa, manejo de errores y pruebas automatizadas.
-
Colaborar con los analistas de BI para convertir preguntas ambiguas en datasets bien modelados y confiables, y ayudar a elevar las prácticas de ingeniería del equipo mediante revisión de código y estándares compartidos.
-
Usar herramientas modernas de IA para redactar código y acelerar el trabajo rutinario, amplificando tu productividad en lugar de añadir esfuerzo manual.
Requisitos
-
Experiencia en analytics engineering. De 3 a 5 años en analytics engineering, data engineering o BI engineering, con un historial de entrega de modelos de datos de los que otras personas dependen.
-
SQL y modelado de datos sólidos. Escribes, lees y optimizas consultas analíticas complejas, razonas sobre el grano y los joins, y diseñas modelos limpios por capas con buen criterio sobre dónde debe residir la lógica (staging, lógica de negocio, capa de consumo).
-
Dominio de dbt / transformación de datos. Has construido y mantenido proyectos dbt profesionalmente: paquetes, macros, estrategias incrementales, snapshots, seeds y CI/CD. Has implementado patrones staging → intermediate → mart y entiendes los builds diferidos, la comparación de estado y el slim CI.
-
Disciplina de ingeniería de software. Control de versiones, revisión de código, pruebas automatizadas y CI/CD, con el hábito de hacer que los cambios sean seguros de desplegar. Tienes una fuerte motivación por automatizar el trabajo manual repetitivo.
-
Instinto de confiabilidad de pipelines. Depuras los problemas de datos hasta su causa raíz y piensas en la frescura, el volumen, los duplicados y los datos que llegan tarde antes de que se conviertan en incidentes.
-
Traducción del negocio. Traduces las necesidades del negocio en requisitos de datos, trabajas con stakeholders no técnicos (incluido Finanzas) y cuestionas de forma constructiva cuando una solicitud se resuelve mejor de otra manera.
-
Comodidad con múltiples repositorios. Nuestra plataforma de datos abarca varios repositorios (transformación, infraestructura de datos, orquestación, conectores personalizados, recursos cloud base). Te sientes cómodo navegando entre estos límites en lugar de tratar dbt como si fuera todo el mundo.
-
Desarrollo asistido por IA. Historial comprobado de uso de herramientas de codificación con IA en tu flujo de trabajo diario.
-
Autonomía remota. Independencia en un equipo remoto y global, con comunicación escrita clara y la disciplina para documentar tu trabajo.
-
Inglés fluido. Escrito y hablado; el conocimiento de otros idiomas es una ventaja.
Puntos adicionales
-
Nuestro stack. Experiencia práctica con Google BigQuery, Fivetran y Apache Airflow (Cloud Composer), o su equivalente en AWS/Azure.
-
Catálogo de datos y herramientas de gobernanza. Experiencia con un catálogo de datos (por ejemplo, OpenMetadata) o herramientas de observabilidad de datos (por ejemplo, Elementary).
-
CI/CD basado en Git para datos. Experiencia con flujos de CI/CD para proyectos de datos: despliegues basados en ramas, slim CI, construcción de imágenes Docker y ciclos automatizados de plan/apply.
-
Terraform para infraestructura de datos. Has aprovisionado datasets de BigQuery, bindings de IAM o buckets de GCS con Terraform.
-
Python para integración de datos. Has escrito Python que se comunica con APIs REST: paginación, limitación de tasa y manejo de errores.
-
Fluidez en el ciclo de vida de build de dbt. Entiendes cómo dbt compila Jinja en SQL, cómo se encadenan las fases de run/test/snapshot, y has escrito macros más allá de ref() y source().
-
Optimización de rendimiento en BigQuery. Experiencia con particionado, clustering, estrategias incrementales y razonamiento sobre el consumo de slots y los costos de consulta en datasets grandes.
-
Docker y Kubernetes. Nuestros builds de dbt se ejecutan en contenedores en GKE. La experiencia con imágenes Docker y conceptos básicos de Kubernetes (pods, logs, deployments) ayuda a depurar problemas de pipelines.
-
Pre-commit hooks y automatización de calidad de código. Experiencia con SQLFluff, frameworks de pre-commit o scripts de validación personalizados.
-
Familiaridad con sistemas fuente SaaS. Experiencia previa modelando datos de plataformas CRM, soporte, gestión de proyectos, automatización de marketing o ERP.
¿Eres un Do'er?Sé tu yo más auténtico. Trabaja a tu manera. Marca la diferencia.
Somos el hogar de un equipo global de talento increíble que trabaja de forma remota y tiene la flexibilidad de
