Analytics Engineer

Analytics Engineer

Full Time 54000 - 66000 € / año (est.) Híbrido
Spendesk

De un vistazo

  • Tareas: Transforma datos en soluciones analíticas y colabora con equipos de negocio.
  • Empresa: Spendesk, plataforma innovadora de gestión de gastos impulsada por IA.
  • Beneficios: Política flexible de trabajo, seguro de salud premium y snacks en la oficina.
  • Otra información: Cultura inclusiva y oportunidades de crecimiento profesional.
  • Por qué este empleo: Impacta en decisiones empresariales con datos y trabaja en un entorno dinámico.
  • Cualificaciones: Experiencia en ingeniería analítica y habilidades en SQL y dbt.

El salario previsto está entre 54000 - 66000 € por año.

Únete al proceso de aplicación para el rol de Analytics Engineer en Spendesk. Transformar datos en impacto empresarial. Spendesk está buscando un Analytics Engineer calificado para unirse a nuestra creciente organización de datos. Reportando al Jefe de Datos, serás responsable de transformar datos en bruto en conjuntos de datos listos para el negocio, construir modelos dimensionales y habilitar análisis de autoservicio en toda la organización.

Acerca del rol: Como Analytics Engineer, cerrarás la brecha entre la ingeniería de datos y los equipos de análisis/negocios creando activos analíticos limpios, documentados y reutilizables. Trabajarás en estrecha colaboración con Ingenieros de Datos, Científicos de Datos y partes interesadas del negocio para implementar pruebas de calidad de datos, construir modelos dimensionales y habilitar la toma de decisiones basada en datos en Spendesk. Este rol requiere un ingeniero que pueda traducir los requisitos comerciales en modelos de datos robustos, aplicar las mejores prácticas para la transformación de datos y crear soluciones analíticas que escalen con el crecimiento de nuestro negocio.

Nuestro entorno tecnológico: dbt (core y Cloud), Snowflake, Looker (original), Metabase y Amplitude para análisis de productos, Airbyte (cloud), Fivetran, Airflow, Hightouch, Segment para ingestión/exposición, GitHub para versionado, CI/CD y Synq para observabilidad.

Responsabilidades clave:

  • Transformar datos en bruto en conjuntos de datos listos para el negocio utilizando dbt y herramientas modernas de pila de datos.
  • Construir y mantener modelos dimensionales que sirvan a las necesidades de BI y productos.
  • Implementar lógica comercial y cálculos en la capa de transformación de datos.
  • Crear activos analíticos reutilizables que puedan ser aprovechados en múltiples casos de uso.
  • Asegurar que los modelos de datos sigan las mejores prácticas para rendimiento, mantenibilidad y escalabilidad.
  • Implementar pruebas de calidad de datos utilizando pruebas de dbt.
  • Desarrollar y mantener sistemas de monitoreo y alerta de calidad de datos.
  • Crear reglas de validación de datos que detecten problemas antes de que impacten en las decisiones comerciales.
  • Establecer métricas de calidad de datos y SLAs para conjuntos de datos analíticos.
  • Colaborar con todas las partes interesadas para resolver problemas de calidad de datos en la fuente.
  • Habilitar análisis de autoservicio creando modelos de datos intuitivos y bien documentados.
  • Colaborar con partes interesadas comerciales y de productos para entender los requisitos analíticos y traducirlos en soluciones técnicas.
  • Construir definiciones de métricas y cálculos que aseguren consistencia en toda la organización.
  • Proporcionar capacitación y soporte a las partes interesadas sobre herramientas analíticas e interpretación de datos.

Colaboración con partes interesadas:

  • Trabajar en estrecha colaboración con analistas y científicos de datos para proporcionar conjuntos de datos listos para análisis.
  • Colaborar con partes interesadas comerciales para entender requisitos y diseñar soluciones de datos apropiadas.
  • Colaborar con Ingenieros de Datos para asegurar un diseño y rendimiento óptimos de la tubería de datos.
  • Comunicar conceptos técnicos claramente a audiencias tanto técnicas como comerciales.

Lo que buscamos:

Experiencia y antecedentes:

  • 3-5 años de experiencia en ingeniería analítica, análisis de datos o roles relacionados con datos.
  • Historial comprobado de construcción de modelos de datos y transformaciones en entornos de producción.
  • Experiencia trabajando con partes interesadas comerciales para traducir requisitos en soluciones técnicas.
  • Antecedentes en la implementación de pruebas y prácticas de monitoreo de calidad de datos.

Requisitos técnicos:

  • Dominio experto en SQL y capacidades avanzadas.
  • Experiencia práctica con dbt para transformación y modelado de datos.
  • Experiencia con almacenes de datos en la nube (Snowflake).
  • Experiencia con marcos de pruebas de calidad de datos (por ejemplo, pruebas de dbt).
  • Dominio en sistemas de control de versiones (Git, GitHub).
  • Comprensión de conceptos de modelado dimensional y mejores prácticas.

Habilidades analíticas y comerciales:

  • Fuerte comprensión de conceptos de inteligencia empresarial y analítica; experiencia con herramientas de visualización de datos y plataformas de análisis de autoservicio.
  • Capacidad para traducir requisitos comerciales en soluciones de datos técnicas.
  • Conocimiento de conceptos estadísticos y metodología de análisis de datos.

Acerca de Spendesk: Spendesk es la plataforma de gestión de gastos y adquisiciones impulsada por IA que transforma el gasto de la empresa. Al simplificar la adquisición, tarjetas de pago, gestión de gastos, procesamiento de facturas y automatización contable, Spendesk establece el nuevo estándar para el gasto en el trabajo. Su solución única e inteligente facilita el gasto eficiente para los empleados y brinda a los líderes financieros la visibilidad y el control total que necesitan en todos los gastos de la empresa, incluso en estructuras de múltiples entidades. Con oficinas en el Reino Unido, Francia, España y Alemania, Spendesk también pone a la comunidad en el corazón de su misión.

Beneficios:

  • Política flexible de trabajo en sitio y remoto.
  • Almuerzo 60% financiado por Spendesk (Tarjeta Swile).
  • Seguro de salud premium Alan.
  • Pase Gymlib para liberar tensiones después de un día productivo en el trabajo.
  • Acceso a Moka.care para bienestar emocional y mental.
  • Acceso a Vendredi que nos permite cambiar el mundo.
  • Excelentes snacks de oficina para energizar tu día.
  • Un equipo positivo con el que trabajar diariamente.

Diversidad e inclusión: En Spendesk, estamos comprometidos a fomentar un entorno donde todas las diferencias sean alentadas, apoyadas y celebradas. Estamos construyendo nuestra cultura para todos, con todos. Nuestro objetivo es atraer y construir un equipo diverso, igualitario e inclusivo, donde todos se sientan bienvenidos y realmente abracemos y alentemos a personas de todos los orígenes a postularse.

Analytics Engineer empresa: Spendesk

Spendesk es un empleador excepcional que valora la innovación y el crecimiento profesional en el ámbito de la seguridad financiera. Ofrecemos un entorno de trabajo colaborativo donde los empleados pueden desarrollar sus habilidades técnicas mientras contribuyen a mejoras de seguridad tangibles desde el primer día. Además, nuestra cultura inclusiva y el enfoque en el bienestar del equipo hacen de Spendesk un lugar ideal para aquellos que buscan un impacto significativo en el sector FinTech.

Spendesk

Datos de contacto:

Equipo de selección de Spendesk

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Analytics Engineer

✨Conéctate a Comunidades de Ciencia de Datos

Participa en foros y comunidades online como Kaggle o GitHub, donde puedes compartir proyectos de ciencia de datos y mostrar tus habilidades. Esto no solo te ayuda a aprender más, sino que también te da visibilidad ante reclutadores que están buscando talento.

✨Asiste a Meetups y Conferencias

Las conferencias de ciencia de datos y los meetups locales son una excelente manera de conocer a personas en la industria. Intenta asistir a eventos como PyData o Data Science Meetups en tu ciudad; así podrás establecer conexiones importantes y enterarte de oportunidades laborales como la de Analytics Engineer en Spendesk.

✨Demuestra tus Habilidades con Proyectos Personales

Crea un portafolio en línea donde puedas presentar proyectos realizados por ti. Asegúrate de incluir muestras de tu trabajo en Python, R, o cualquier otra herramienta que domines. Esto hará que te destaques cuando postules a Analytics Engineer en Spendesk.

✨Conéctate con Profesionales en LinkedIn

Haz uso de LinkedIn para seguir a empresas de ciencia de datos y conectar con quienes trabajan en ellas. Este tipo de estrategia puede abrirte puertas, ya que muchos reclutadores revisan perfiles antes de decidir a quién invitar a entrevistas para roles como Analytics Engineer.

Creemos que necesitas estas habilidades para triunfar como Analytics Engineer

SQL
dbt
Snowflake
Data Quality Testing
Dimensional Modeling
Data Transformation
Data Visualization

Algunos consejos para tu solicitud 🫡

Destaca tus habilidades técnicas:En el mundo de la ciencia de datos, es fundamental que tu CV incluya herramientas y lenguajes de programación específicos. No te olvides de mencionar tus conocimientos en Python, R o SQL, y cualquier experiencia relevante con bibliotecas como Pandas o TensorFlow. ¡Esto le dará un gran empujón a tu perfil ante Spendesk!

Proyectos y experiencias prácticas:Además de tu formación académica, es clave incluir proyectos anteriores donde hayas aplicado tus habilidades en ciencia de datos. Asegúrate de mencionar cualquier trabajo que hayas hecho, ya sea en la universidad o de manera independiente. Esto demuestra tu capacidad para resolver problemas reales y tu motivación para aprender en un entorno profesional.

Céntrate en resultados cuantificados:En tu carta de presentación y CV, incluye logros que puedas cuantificar. Por ejemplo, si has dirigido un proyecto que mejoró la eficiencia en un XX%, esto no solo impresiona, sino que demuestra tu capacidad para generar resultados concretos. Esto es especialmente atractivo para un puesto a tiempo completo en Spendesk.

Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para Spendesk. Comenta por qué te apasiona la ciencia de datos y cómo encajas en la misión de la empresa. Aunque el CV es importante, una carta que muestre tu motivación y visión puede hacer la diferencia.

Cómo prepararte para una entrevista de trabajo en Spendesk

✨Prep para preguntas técnicas de datos

Sabemos que en el campo de la ciencia de datos es común que te hagan preguntas técnicas. Prepárate para discutir tus conocimientos en estadística, análisis de datos y programación en Python o R. Además, asegúrate de poder explicar tus proyectos anteriores y el proceso detrás de ellos, ¡es vital que muestres tu pensamiento crítico!

✨Demuestra tus habilidades con un portfolio impactante

Tener un portfolio que muestre tus proyectos de ciencia de datos es esencial. Asegúrate de incluir ejemplos de análisis complejos, visualización de datos e incluso modelos predictivos que hayas desarrollado. ¡Esto no solo muestra tu competencia técnica, sino que también puede dar pie a una conversación más profunda durante la entrevista!

✨Prepárate para discutir casos de uso de datos

En una entrevista para un puesto de ciencia de datos, a menudo te preguntarán sobre estudios de caso o situaciones del mundo real. Practica cómo explicar cómo aplicarías técnicas de análisis para resolver problemas específicos que podrían enfrentar en Spendesk. Esto demuestra que entiendes la aplicabilidad de tus habilidades.

✨Muestra tu entusiasmo y curiosidad

Como candidato a un puesto a tiempo completo, es crucial que muestres tu pasión por la ciencia de datos y tu deseo de aprender. Comparte tus intereses en las últimas tendencias de la IA o el machine learning, y menciona proyectos futuros que te gustaría explorar. Esto puede hacer que te destaques entre otros candidatos.