Data Scientist

Diseñar, liderar y evolucionar la arquitectura de datos corporativa, garantizando calidad, escalabilidad y preparación para analítica avanzada e IA. El rol actúa como referente técnico del área de Data & BI y trabaja en estrecha colaboración con el responsable of Data & BI, que lidera la visión de negocio y la priorización.

⸻

Responsabilidades principales

Data Engineering y Arquitectura

• Diseñar y mantener la arquitectura de datos end-to-end (orígenes, ingesta, transformación y consumo).

• Definir modelos de datos orientados a consumo analítico y data products, no únicamente a reporting.

• Evolucionar el Data Warehouse / Lakehouse hacia un modelo escalable y mantenible.

• Establecer estándares de modelado (dimensional, capa semántica, datasets certificados).

⸻

Automatización de pipelines de datos

• Diseñar pipelines de datos automáticos, robustos y observables.

• Eliminar procesos manuales, scripts ad-hoc y dependencias frágiles.

• Implementar control de errores, reintentos automáticos y alertas.

• Garantizar SLAs de frescura, disponibilidad y calidad del dato.

⸻

Calidad del dato y gobernanza técnica

• Definir e implantar reglas de calidad del dato con validaciones automáticas.

• Asegurar trazabilidad, linaje y consistencia de los datos.

• Colaborar en la definición de Data Contracts y estándares de datasets productivos.

• Participar activamente en la gobernanza del dato junto al Head of Data & BI.

⸻

Preparación para analítica avanzada e IA

• Preparar datasets aptos para modelos analíticos y de machine learning (históricos, granularidad, features).

• Liderar pilotos de forecasting, scoring u otros modelos predictivos de valor.

• Diseñar las bases de MLOps: versionado, reproducibilidad y paso a producción.

• Facilitar la integración de resultados analíticos en procesos de negocio.

⸻

Liderazgo técnico

• Actuar como referente técnico del equipo de Data.

• Elevar el nivel técnico del equipo mediante buenas prácticas y revisión de soluciones.

• Tomar decisiones sobre el "cómo" técnico, alineado con los objetivos del área.

• Colaborar de forma estructurada con BI, negocio e IT.

⸻

Relación organizativa

• Reporta a: Data & BI STL

• Colabora con: BI / Reporting, stakeholders de negocio, IT / Sistemas

• No lidera la priorización de negocio; lidera la ejecución y el diseño técnico.

⸻

Requisitos técnicos

Imprescindibles

• Más de 5 años de experiencia en Data Engineering o Analytics Engineering.

• SQL avanzado.

• Experiencia sólida en:

• Data Warehouse / Lakehouse

• Modelado dimensional

• Pipelines ETL / ELT

Deseables

• Power BI (modelo semántico y datasets, no solo visualización).

• Stack cloud (preferiblemente Azure).

• Python, Spark, dbt u herramientas equivalentes.

• Experiencia preparando datos para casos de uso de ML / IA.

⸻

Perfil profesional

• Mentalidad de producto, no solo de proyecto.

• Capacidad de estructurar, priorizar y simplificar.

• Rigor técnico con enfoque pragmático.

• Capacidad de identificar y anticipar problemas de escalabilidad.

⸻

Indicadores de éxito del rol

• Estabilidad y fiabilidad del dato.

• Reducción de incidencias manuales y retrabajo.

• Mejora del time-to-data.

• Capacidad del equipo para evolucionar más allá del reporting.

• Base técnica preparada para data products y analítica avanzada.

Diseñar, liderar y evolucionar la arquitectura de datos corporativa, garantizando calidad, escalabilidad y preparación para analítica avanzada e IA. El rol actúa como referente técnico del área de Data & BI y trabaja en estrecha colaboración con el responsable of Data & BI, que lidera la visión de negocio y la priorización.

Responsabilidades principales

Data Engineering y Arquitectura

• Diseñar y mantener la arquitectura de datos end-to-end (orígenes, ingesta, transformación y consumo).

• Definir modelos de datos orientados a consumo analítico y data products, no únicamente a reporting.

• Evolucionar el Data Warehouse / Lakehouse hacia un modelo escalable y mantenible.

• Establecer estándares de modelado (dimensional, capa semántica, datasets certificados).

Automatización de pipelines de datos

• Diseñar pipelines de datos automáticos, robustos y observables.

• Eliminar procesos manuales, scripts ad-hoc y dependencias frágiles.

• Implementar control de errores, reintentos automáticos y alertas.

• Garantizar SLAs de frescura, disponibilidad y calidad del dato.

Calidad del dato y gobernanza técnica

• Definir e implantar reglas de calidad del dato con validaciones automáticas.

• Asegurar trazabilidad, linaje y consistencia de los datos.

• Colaborar en la definición de Data Contracts y estándares de datasets productivos.

• Participar activamente en la gobernanza del dato junto al Head of Data & BI.

Preparación para analítica avanzada e IA

• Preparar datasets aptos para modelos analíticos y de machine learning (históricos, granularidad, features).

• Liderar pilotos de forecasting, scoring u otros modelos predictivos de valor.

• Diseñar las bases de MLOps: versionado, reproducibilidad y paso a producción.

• Facilitar la integración de resultados analíticos en procesos de negocio.

Liderazgo técnico

• Actuar como referente técnico del equipo de Data.

• Elevar el nivel técnico del equipo mediante buenas prácticas y revisión de soluciones.

• Tomar decisiones sobre el "cómo" técnico, alineado con los objetivos del área.

• Colaborar de forma estructurada con BI, negocio e IT.

Imprescindibles

• Más de 5 años de experiencia en Data Engineering o Analytics Engineering.

• SQL avanzado.

• Experiencia sólida en:

• Data Warehouse / Lakehouse

• Modelado dimensional

• Pipelines ETL / ELT

Deseables

• Power BI (modelo semántico y datasets, no solo visualización).

• Stack cloud (preferiblemente Azure).

• Python, Spark, dbt u herramientas equivalentes.

• Experiencia preparando datos para casos de uso de ML / IA.

Relación organizativa

• Reporta a: Data & BI STL

• Colabora con: BI / Reporting, stakeholders de negocio, IT / Sistemas

• No lidera la priorización de negocio; lidera la ejecución y el diseño técnico.

• Mentalidad de producto, no solo de proyecto.

• Capacidad de estructurar, priorizar y simplificar.

• Rigor técnico con enfoque pragmático.

• Capacidad de identificar y anticipar problemas de escalabilidad.

⸻

• Estabilidad y fiabilidad del dato.

• Reducción de incidencias manuales y retrabajo.

• Mejora del time-to-data.

• Capacidad del equipo para evolucionar más allá del reporting.

• Base técnica preparada para data products y analítica avanzada.

⸻

⸻

⸻

⸻

⸻

⸻

⸻

Requisitos técnicos

⸻