Perfil profesional
Profesional en Ingeniería de Software, Informática, Estadística o áreas afines, Ciencia de Datos, Economía, Matemáticas o áreas afines, con enfoque cuantitativo y proactivo. Cuenta con manejo de Python a nivel intermedio y SQL sólido, así como conocimiento en Spark/PySpark para computación distribuida, siendo deseable experiencia en Databricks o entornos Lakehouse.
Capacidad para desarrollar, optimizar y mantener modelos analíticos (Forecasting, Clustering, entre otros), validando e interpretando métricas de desempeño y traduciendo resultados estadísticos en insights de negocio. Se apoya en herramientas de IA generativa (Copilot, ChatGPT, Claude) para acelerar el desarrollo y mejorar el rendimiento de los procesos, y orienta su trabajo a conectar los modelos y algoritmos con el impacto real en los KPIs de la compañía (ventas, posventa, entre otros).
Funciones principales
Desarrollar y mantener modelos analíticos (Forecasting, Clustering, entre otros) alineados a las necesidades del negocio.
Construir y optimizar pipelines de datos en Python y PySpark, garantizando escalabilidad y calidad de la información.
Realizar limpieza, transformación y validación de grandes volúmenes de datos.
Utilizar herramientas de IA generativa (Copilot, ChatGPT, Claude) para acelerar el desarrollo y mejorar el rendimiento de los procesos.
Ejecutar y optimizar procesos analíticos dentro del entorno Databricks / Lakehouse.
Interpretar métricas estadísticas y traducirlas en insights accionables para el negocio.
Automatizar la generación de tableros y reportes en Power BI (deseable).
Analizar el impacto de los modelos y algoritmos sobre los KPIs clave de la compañía (ventas, posventa, etc.).
Validar el desempeño de los modelos mediante métricas estadísticas adecuadas.
Documentar procesos, modelos y resultados para asegurar trazabilidad y continuidad del conocimiento.
Requisitos
Formación académica:
Profesional en Ingeniería de Software, Informática, Estadística, Ciencia de Datos, Economía, Matemáticas o áreas afines con enfoque cuantitativo.
Tarjeta profesional vigente cuando la profesión lo requiera.
Competencias técnicas:
Python (nivel intermedio) ? manipulación de datos, scripting y desarrollo de modelos.
SQL sólido ? consultas complejas, optimización y modelado de datos.
Spark / PySpark para procesamiento y computación distribuida.
Deseable: experiencia en Databricks o entornos Lakehouse.
Deseable: Power BI para automatización de tableros y reportes.
Familiaridad con herramientas de IA generativa (Copilot, ChatGPT, Claude) aplicadas al desarrollo.
Competencias blandas:
Proactividad y autonomía para gestionar entregables analíticos de punta a punta.
Pensamiento analítico orientado a traducir resultados estadísticos en decisiones de negocio.
Comunicación clara con audiencias no técnicas (ventas, posventa, dirección).
Rigurosidad y atención al detalle en la validación de modelos y datos.
Capacidad de documentación y trabajo colaborativo.
