De un vistazo
- Tareas: Diseña y mantiene modelos de datos lógicos y físicos para productos de datos innovadores.
- Empresa: TP, líder global en servicios de negocio humano+IA con un ambiente colaborativo.
- Beneficios: Salario competitivo, bonificaciones por rendimiento y oportunidades de crecimiento profesional.
- Otra información: Oportunidades de desarrollo profesional y trabajo en un equipo multicultural.
- Por qué este empleo: Impacta en proyectos globales y trabaja con tecnología de vanguardia en un entorno dinámico.
- Cualificaciones: Experiencia en modelado de datos y habilidades de análisis empresarial.
El salario previsto está entre 49500 - 60500 € por año.
TP, un líder global en servicios empresariales de human+AI, está construyendo productos de datos que impulsan sus operaciones, los servicios de sus clientes y sus ambiciones de IA. Como Data Modeller, diseñarás y mantendrás los modelos de datos lógicos y físicos detrás de los productos de datos de TP, integrando datos de muchos sistemas, países y clientes en un modelo común y bien estructurado, definiendo cómo se calcula cada KPI.
Las responsabilidades y deberes incluyen:
- Diseño de Modelos de Datos: Diseñar modelos de datos conceptuales, lógicos y físicos para cada producto de datos con los propietarios de negocios y analistas, definiendo entidades, relaciones, granos, claves e historia.
- Diseño de KPI: Diseñar la capa dorada para que cada KPI tenga una fórmula y un lugar donde ser leído, basado en las definiciones comerciales acordadas con los administradores de datos.
- Entidades Compartidas: Identificar las entidades clave y elementos de datos compartidos a través de los productos de TP, como empleados, clientes y sitios, y modelarlos una vez para reutilización.
- Mapeo de Fuentes: Mapear cada nueva fuente al modelo, país por país y cliente por cliente, con especificaciones claras y reglas de estandarización para los ingenieros de datos.
- Análisis de Brechas y Reutilización: Evaluar cada nueva fuente contra el modelo estándar, reutilizar lo que ya encaja y convertir cada solución en una plantilla que haga que la siguiente fuente sea más rápida.
- Soporte de Implementación: Trabajar con los ingenieros de datos para implementar y optimizar esquemas, tablas y relaciones, y decidir sobre cambios en el modelo solicitados por las regiones.
- Normas y Versionado: Aplicar estándares de modelado y convenciones de nomenclatura, versionar cada cambio de modelo y guiar a los equipos de ingeniería y análisis sobre las mejores prácticas.
- Documentación y Metadatos: Mantener diccionarios de datos, metadatos, clasificación y linaje, con el equipo de gobernanza, para que todos en TP puedan encontrar y entender los datos.
- Revisión del Modelo: Revisar cada versión del modelo contra los estándares antes de su lanzamiento y cerrar los hallazgos.
Objetivos del Primer Año:
- Acordar el Modelo Central: Obtener la aprobación de los propietarios de negocios de los modelos conceptuales y lógicos de los primeros productos de datos.
- Definir los KPIs: Dar a cada KPI en alcance una fórmula en la capa dorada, basada en las definiciones comerciales acordadas con los administradores de datos.
- Mapear las Primeras Fuentes: Completar las especificaciones de mapeo para los primeros países y fuentes, aceptadas por los ingenieros de datos.
- Tomar los Modelos Regionales: Comparar los modelos de los primeros equipos regionales con el modelo estándar, confirmar el mapeo con cada equipo y promover sus mejores definiciones al estándar.
- Acelerar Nuevas Fuentes: Publicar plantillas de mapeo y análisis de brechas para que cada nuevo país o cliente necesite una fracción del esfuerzo del primero.
- Documentar y Revisar: Dar a cada columna de los modelos en alcance una definición, un mapeo de fuente y una clasificación, y pasar la revisión del modelo contra los estándares.
Calificaciones:
- Experiencia en Dominio: Educación en Ciencias de la Computación, Sistemas de Información, Ingeniería o Gestión de Datos; DAMA CDMP (Modelado y Diseño de Datos) es una ventaja.
- Antecedentes Profesionales: Más de 5 años de modelado de datos conceptual, lógico y físico en grandes plataformas de almacén de datos o lakehouse, incluyendo mapeo de origen a destino.
- Métodos de Modelado: Fuerte dominio del modelado entidad-relación, 3NF y modelado dimensional; conciencia de capas semánticas y data vault; SQL avanzado y optimización de consultas.
- Herramientas y Plataformas: Herramientas de modelado como erwin o ER/Studio, y plataformas de datos en la nube modernas como Databricks o Snowflake.
- IA y Semántica: Comprensión de capas semánticas, metadatos y gráficos de conocimiento, y de cómo las herramientas asistidas por IA aceleran el mapeo y el análisis de brechas.
- Escala Probada: Experiencia modelando muchas fuentes diferentes y países en un modelo común, bajo reglas de protección de datos como GDPR.
Habilidades Individuales:
- Análisis de Negocios: Capaz de realizar talleres con propietarios de negocios y convertir requisitos y KPIs en definiciones y modelos precisos.
- Comunicación: Capaz de explicar estructuras de datos complejas a audiencias técnicas y no técnicas.
- Rigor Analítico: Fuertes habilidades analíticas y de resolución de problemas, con atención al detalle.
- Idiomas: Inglés fluido; español o portugués es una ventaja.
Mentalidad y Comportamientos:
- Diseña para escalabilidad, integridad y rendimiento.
- Se enorgullece de modelos limpios y bien documentados.
- Conecta las necesidades comerciales y las estructuras de datos técnicas.
Compensación Competitiva: Un salario altamente competitivo y una estructura de bonificación basada en el rendimiento alineada con tu experiencia y estándares del mercado.
Entorno Global: La oportunidad de trabajar en un entorno dinámico, internacional y multicultural con equipos transfronterizos y proyectos globales.
Crecimiento Profesional: Caminos claros para el desarrollo profesional, movilidad interna y progresión profesional a largo plazo dentro de una empresa global en rápido crecimiento.
Tecnología de Vanguardia: Trabajar con las últimas herramientas, plataformas y tecnologías impulsadas por IA en la industria.
Diversidad, Equidad e Inclusión: TP es el hogar de una familia global con diversos antecedentes y estilos de vida. Siempre abrazaremos la diversidad y nunca discriminaremos a empleados o solicitantes por identidad de género o expresión, orientación sexual, raza, religión, edad, nacionalidad, ciudadanía, discapacidad, estado de embarazo, estado de veterano u otras diferencias.
Data Modeller in Madrid empresa: Teleperformance
Teleperformance en Barcelona es un empleador excepcional que ofrece un entorno dinámico y colaborativo, ideal para aquellos que buscan crecer en el sector de la publicidad digital. Con oportunidades de desarrollo profesional continuo y un enfoque en la innovación, nuestros empleados disfrutan de un equilibrio entre trabajo y vida personal, además de beneficios competitivos que fomentan su bienestar. Únete a nosotros y sé parte de un equipo que valora tu contribución y te impulsa hacia el éxito.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir Data Modeller in Madrid
✨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 Data Modeller en Teleperformance.
✨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 Data Modeller en Teleperformance.
✨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 Data Modeller.
Creemos que necesitas estas habilidades para triunfar como Data Modeller in Madrid
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 Teleperformance!
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 Teleperformance.
Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para Teleperformance. 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 Teleperformance
✨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 Teleperformance. 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.