Ingeniero de Datos, IA y Analítica

Formarás parte del Data Team, que es el responsable de la base de datos central de Power Digital: los pipelines, el modelado y los data marts que impulsan a nuestros equipos de agencia, clientes e iniciativas de IA. Trabajarás de extremo a extremo, desde la ingesta de datos brutos hasta la capa semántica, utilizando flujos de trabajo de agentes de IA como parte normal de tu forma de construir.

Los datos en sí son la parte interesante. Los datos de marketing están fragmentados por defecto. Cada plataforma publicitaria tiene su propia API, su propio esquema y su propia definición de conversión. Las plataformas vuelven a declarar las conversiones atribuidas días después, cada una de una forma distinta. Las jerarquías de entidades no coinciden (campaña/conjunto de anuncios/anuncio en Meta, campaña/grupo de anuncios/anuncio en Google). Las convenciones de nomenclatura, las divisas y las zonas horarias varían según el cliente.

Hacemos esto a través de una amplia cartera de clientes, cada uno con un stack diferente, en un almacén con tenencia por cliente. Trabajarás estrechamente con Client Service, BI, Tagging & Tracking, Data Ops y los equipos de producto/ingeniería de nova.

• Diseñar, construir y mantener la base de datos central (ingesta, modelado y data marts), siendo responsable del flujo de trabajo desde los datos brutos de la plataforma hasta las capas de servicio que dan soporte a los consumidores de la agencia, clientes, internos e IA.
• Construir ingestas que gestionen lo que las plataformas publicitarias hacen realmente: cambios en las API, campos obsoletos, límites de velocidad agresivos y la redeclaración retroactiva de los datos de conversión, todo ello sin corromper los modelos downstream.
• Modelar a través de diversas fuentes para que los números cuadren: gasto, impresiones, conversiones e ingresos en Meta, Google, TikTok, Amazon, LinkedIn y Microsoft, además de uniones a nivel de cliente a través de Shopify, Klaviyo, GA4 y los CRM de los clientes.
• Contribuir al modelado personalizado para clientes sobre la capa central: lógica personalizada, anulaciones y data marts específicos para clientes creados en respuesta a solicitudes individuales, con patrones que amplíen la base compartida en lugar de bifurcarla. Este es un trabajo constante y recurrente, no una excepción ocasional.
• Construir las capas semánticas y las definiciones de métricas que permitan que el SQL generado por IA devuelva respuestas consistentes y correctas.
• Utilizar flujos de trabajo de agentes de IA, incluyendo herramientas de codificación por IA, para acelerar el desarrollo y construir una infraestructura de datos inteligente. Documentar lo que funciona para que se convierta en un patrón estándar del equipo.
• Colaborar de forma transversal con nova (producto e ingeniería), IA/innovación y los equipos de clientes para traducir los requisitos en soluciones de datos y apoyar la iteración rápida de nuevos productos y funciones.
• Monitorizar y resolver problemas de calidad de datos, y optimizar los pipelines en cuanto a coste y rendimiento en un almacén multi-cliente.

• Desarrollo acelerado por IA. Reducir el tiempo medio de desarrollo desde los requisitos aprobados hasta el despliegue en producción para nuevas solicitudes de modelado y pipelines de datos en un 20% en los primeros 6 meses, utilizando la línea base establecida por el equipo para solicitudes comparables. Documentar y poner en producción al menos 1 patrón de desarrollo con agentes de IA reutilizable en los primeros 90 días y al menos 2 en los primeros 12 meses, con cada patrón adoptado en al menos 2 flujos de trabajo o proyectos de producción.
• Calidad y fiabilidad de los datos. Mantener una precisión y completitud ≥99% en los campos designados como críticos para los productos de datos orientados a clientes e IA, medidos mediante pruebas de calidad de datos automatizadas y conciliaciones. Mantener una tasa de ejecución de pipelines programados con éxito ≥95% para los pipelines de producción bajo tu responsabilidad, excluyendo interrupciones documentadas de proveedores o plataformas upstream.
• Rendimiento de las solicitudes de clientes. Entregar ≥90% de las solicitudes de modelado personalizadas para clientes asignadas dentro del plazo de entrega acordado, medido trimestralmente. Cuando una solicitud personalizada introduzca una lógica aplicable a varios clientes, evaluar y documentar si pertenece al núcleo compartido o a la capa específica del cliente en el 100% de los cambios de modelado materiales.
• Capacitación transversal. Lanzar o migrar materialmente al menos 2 activos de datos de producción importantes en los primeros 12 meses que den soporte a consumidores de la agencia, clientes, productos o IA. A los 90 días de cada lanzamiento, demostrar la adopción a través de al menos 2 consumidores, aplicaciones o equipos downstream activos por activo y lograr una reducción del 20% en los tickets de soporte de datos recurrentes relacionados o cualquier otro objetivo de adopción/eficiencia predefinido acordado antes del lanzamiento.

• Construir y lanzar sistemas de datos de extremo a extremo que permitan funciones de IA.
• Entregar conjuntos de datos y pipelines listos para producción que desbloqueen a los equipos de IA, producto y clientes.
• Reducir la fragmentación mediante la construcción de bases de datos unificadas y preparadas para la IA.