Sr Data Analytics Engineer

Desde deRecruiters estamos acompañando a una compañía de insurance en la búsqueda de un Sr Data Analytics Engineer.

Hoy tienen la misión de  proteger y acompañar a millones viajeros, cuidando su bienestar en los momentos más importantes de su vida.

Buscan un perfil técnico senior que combine sólidas bases de ingeniería de Datos con capacidad analítica, para liderar la evolución de su ecosistema y llevarlo al siguiente nivel de forma robusta y escalable.

El rol tendrá injerencia avanzada en los análisis e insights clave para la evolución del negocio, además de estar a cargo de la integración de fuentes, el modelado del Data Warehouse y construcción de pipelines, así como la habilitación de tableros ejecutivos y operativos.

El objetivo del rol es potenciar su infraestructura de Datos y las capacidades de Análisis, que permitan a toda la organización operar y decidir basada en información de calidad. 

Responsabilidades clave:

• Administrar y evolucionar la arquitectura de datos existente, con foco en escalabilidad, eficiencia y modularidad a medida que crecen las fuentes y el volumen de datos.

• Integrar nuevas fuentes de datos (estructuradas, semiestructuradas y no estructuradas) de nuevas plataformas internas, de terceros, marketing y siniestros a medida que el negocio lo requiera.

• Diseñar, optimizar y escalar los pipelines de ingestión de datos (ETL/ELT) existentes, asegurando robustez, monitoreo y control de calidad.

• Evolucionar el modelado del Data Warehouse (BigQuery/Redshift) a medida que surgen nuevas necesidades analíticas, cuidando usabilidad y performance.

• Diseñar y construir nuevas vistas agregadas y datasets optimizados para BI, y mantener los ya existentes.

• Generar análisis e insights para potenciar el negocio, identificando patrones, oportunidades y riesgos a partir de los datos disponibles.

• Colaborar activamente con áreas funcionales para traducir preguntas de negocio en análisis concretos y accionables basados en datos. 

• Fortalecer los controles de seguridad, gobierno y trazabilidad de datos (roles, permisos, logs de uso, versionado).

• Mantener actualizada la documentación de fuentes, procesos, glosarios y estructuras.

• Evolucionar la capa semántica del Data Warehouse que habilita consultas en lenguaje natural (Claude Skill + Conector MCP), asegurando que nuevas tablas y fuentes disponibles para consulta en lenguaje natural por el resto de la organización.

Habilidades y conocimientos técnicos requeridos:

• Experiencia sólida en diseño, administración y evolución de arquitecturas de datos en producción. 

• Manejo avanzado de SQL y diseño de modelos en Data Warehouses (preferentemente BigQuery, Snowflake o Redshift).

• Experiencia con herramientas de integración como Fivetran, Airbyte, Apache Airflow o similares.

• Conocimientos en scripting para automatizaciones (Python, Bash u otro).

• Experiencia en performance tuning y optimización de consultas.

• Buen criterio de modelado lógico (dimensional/star schema) y documentación técnica.

• Experiencia en control de accesos, gobernanza y monitoreo de calidad de datos.

• Experiencia en la implementación de CI/CD para pipelines de datos (Git, dbt, etc).

• Dominio de testeo de datos (Data Testing Frameworks tipo Great Expectations, dbt tests o similares)

• Sólida capacidad de análisis, manejo de estadística aplicada, diseño de métricas e indicadores de negocio, y capacidad de traducir datos en conclusiones accionables.

• Experiencia con herramientas de BI y visualización (Looker/Looker Studio, Power BI o similares) para explotación analítica avanzada. 

• Familiaridad con infraestructura como código (Terraform, CloudFormation o similar) para recursos de datos (deseable)

• Experiencia en diseño de capas semánticas / metadata layers sobre Data Warehouses, consultas en lenguaje natural mediante LLMs (ej. Claude, MCP, RAG sobre datos estructurados).

• Conocimiento de arquitecturas de IA aplicadas a datos (agentes, MCP, feedback loops de mejora continua), proactividad en mantenerse actualizado en el uso de IA sobre infraestructura de datos.
  

Habilidades no técnicas clave: Orientación a resultados.

• Ownership total: capaz de avanzar con autonomía, definir criterios y entregar soluciones end-to-end.

• Comunicación efectiva: para interactuar con perfiles no técnicos y entender el negocio.

• Enfoque en impacto: orientado a construir soluciones que agreguen valor al negocio en la práctica, no solo técnicamente correctas.

• Proactividad y criterio: capacidad para tomar decisiones técnicas sin depender de guías externas constantes.