Data Analyst en NeuralWorks

La posición de Data Analyst se enmarca dentro del trabajo junto a un cliente de alto impacto en su industria, con el objetivo de llevar el desempeño operacional y estratégico al siguiente nivel a través de la explotación de grandes volúmenes de datos generados por diversas fuentes que monitorean procesos y operaciones en tiempo real.

El objetivo es resolver problemas de negocio junto a equipos multidisciplinarios, convirtiendo información ambigua y problemas no estructurados en insights accionables y recomendaciones estratégicas, mediante el uso de datos complejos en un entorno dinámico y en constante evolución.

Tu trabajo variará de proyecto a proyecto, pero siguiendo una estructura similar:

• Familiarizarte con el problema junto a expertos, recabar información, opiniones y hechos.
• Investigar las mejores prácticas de la industria.
• Definir una hipótesis de trabajo y un enfoque técnico para resolver el problema, incluyendo el set de datos a utilizar, periodo de análisis, lógica de los cálculos, grupos de control, entre otros.
• Seleccionar las fuentes de datos (sensores, sistemas internos, información de clientes, datos externos del mercado, etc.).
• Extraer data raw utilizando templates ya existentes, realizando las modificaciones necesarias.
• Realizar cruces de datos requeridos para el análisis.
• Diseñar y ejecutar queries, procesar los datos y calcular métricas o características relevantes para el proyecto.
• Probar, descartar o ajustar la hipótesis de trabajo.
• Presentar los resultados en forma de presentaciones ejecutivas o dashboards de visualización interactivos.
• Monitorear resultados y discutirlos junto a expertos, stakeholders y tomadores de decisiones.
• Mantener contacto permanente con equipos de Data Science y Machine Learning Engineering para detectar oportunidades de desarrollo de modelos predictivos o prescriptivos que agreguen valor al negocio.

• Experiencia demostrada con Google Cloud (particularmente BigQuery, BigTable).
• Experiencia con pipeline de datos, como por ejemplo Airflow.
• Experiencia en principios de data mining y queries en datasets grandes y complejos (ej. Hadoop, Spark)
• Experiencia demostrada con frameworks de datos real time o near real time (Ej: AWS Kinesis, Dataflow, M3 Uber, DVT).