Team Leads de Analytics

• Varios años de experiencia como Analytics Engineer, con sólidos conocimientos en modelado de datos, SQL y el modern data stack.

• Experiencia demostrada en la construcción y el mantenimiento de modelos dbt y pipelines de transformación, incluyendo pruebas, documentación, CI y flujos de trabajo basados en Git; idealmente dentro de una arquitectura medallion. Se requiere un sólido conocimiento de modelado dimensional, capas semánticas y gobernanza de métricas. 

• Experiencia definiendo y gobernando métricas de negocio e informes, con un fuerte enfoque en la precisión, la conciliación y la trazabilidad; la experiencia en informes para inversores o juntas directivas es un plus.

• Familiaridad con sistemas CRM como HubSpot o Salesforce, y con la forma en que los datos de CRM se modelan, enriquecen y sincronizan con un data warehouse.

• Sólida visión de negocio y habilidades de gestión de stakeholders, con la capacidad de traducir preguntas de negocio en requisitos técnicos claros, explicar compensaciones (trade-offs) a audiencias no técnicas y colaborar entre equipos técnicos y de negocio.

• Disposición demostrada para un rol de player-coach, idealmente con experiencia liderando un equipo de datos pequeño, estableciendo prioridades, mentorizando a colegas y manteniendo un rol práctico en decisiones técnicas y de diseño, revisiones de código y mejora continua.

• Pensamiento estratégico: Traduce la hoja de ruta acordada con el Head del equipo en prioridades y entregables concretos para los IC (individual contributors).

• Liderazgo y mentoría: Entrena y desarrolla a los miembros del equipo; fomentando la responsabilidad dentro del equipo.

• Toma de decisiones: Es responsable de las decisiones técnicas diarias en el modelado de datos y la capa semántica, alineándose en la hoja de ruta y las decisiones estratégicas con el Head del equipo.

• Gestión de stakeholders: Gestiona las prioridades y expectativas con los stakeholders de negocio y la dirección.

• Innovación: Cuestiona los enfoques existentes e introduce mejores prácticas y herramientas, equilibrando velocidad, escalabilidad y rigor.

Deseable: Experiencia con Looker (LookML, explores y mantenimiento de la capa semántica) o una herramienta de BI de autoservicio comparable, y conocimientos prácticos de Python para flujos de trabajo analíticos.

En Qualifyze, nuestros rangos salariales son transparentes internamente y aspiramos a seguir un enfoque similar externamente. Para este puesto, nos complace compartir un punto de referencia dentro de la banda: el rango salarial esperado es de alrededor de 65.000 – 70.000 €, centrado en la mediana.

La compensación final dependerá de la experiencia y el rendimiento durante el proceso, con cierta flexibilidad dentro del rango.

• 💰Paquete de compensación competitivo, revisado anualmente

• 🌴Paquete de vacaciones por país que aumenta con tu antigüedad

• 🏋🏽‍♀️Beneficios específicos por país, incluyendo seguro médico privado, ayudas para gimnasio y comidas

• 🚀Presupuesto anual de desarrollo personal para aumentar tu impacto

• 🌎Modalidad de trabajo híbrida, además de hasta 3 meses al año trabajando desde cualquier lugar.

• 💻Todo el mejor equipo y herramientas para trabajar de forma eficaz

• 🎉Evento y celebración anual presencial de toda la empresa en Europa

• 👫Trabajar con un equipo excepcional, realizando parte del mejor trabajo de tu carrera

Como Team Lead Analytics, guiarás el dominio de analítica dentro de nuestro equipo de Business Intelligence, manteniendo al mismo tiempo un rol práctico con los modelos de datos y nuestra capa semántica. Tu misión es construir y mantener el camino desde los datos brutos hasta insights de autoservicio fiables mediante modelos dbt robustos, un modelo semántico rico, un ecosistema de Looker bien estructurado, métricas para inversores fiables y datos de CRM enriquecidos para los equipos comerciales.

Este es un rol de player-coach dividido equitativamente entre el liderazgo de equipo (priorización, coaching, alineación con stakeholders) y contribuciones técnicas directas (dbt, modelado semántico y Looker).

El miembro del equipo realizará las tareas inherentes a dicho puesto, incluyendo, entre otras, las siguientes:

• Liderazgo de equipo y entrega: Liderar la vertical de Analytics (ingeniería de analítica, análisis de negocio, datos de CRM) estableciendo prioridades, entrenando a los miembros del equipo, fomentando la responsabilidad clara y asegurando una entrega de alta calidad. Serás responsable de fomentar el compromiso, el rendimiento y el crecimiento. 

• Modelado de datos y capa semántica: Ser responsable de la capa de modelado de datos de extremo a extremo mediante el diseño, la construcción y la revisión de modelos dbt en una arquitectura medallion, al tiempo que enriqueces el modelo semántico para mantener Looker (LookML, explores, views) consistente, fiable y optimizado para la generación de informes de autoservicio.

• Gobernanza de datos y operaciones de CRM: Gobernar las métricas de informes para inversores, definiendo, conciliando y asegurando que cada número reportado a la dirección e inversores sea preciso, trazable y reproducible, mientras diriges el enriquecimiento de datos de CRM para asegurar que los registros limpios de clientes y proveedores se sincronicen de forma fiable con el data warehouse para los equipos comerciales. 

• Colaboración transversal y alineación con stakeholders: Actuar como puente con el negocio, colaborando con los analistas de negocio para recopilar y priorizar los requisitos de los stakeholders, equilibrar las herramientas de autoservicio de Looker frente al análisis ad hoc, y traducir las necesidades de negocio en modelos de datos, explores e informes, colaborando con Data Engineering en la ingesta, la fiabilidad de los pipelines, la arquitectura del warehouse y los contratos de datos formales.

• Estándares de ingeniería y mejora continua: Mantener la excelencia técnica estableciendo revisiones de código/diseño, pruebas dbt, CI/CD, monitorización de la calidad de los datos y manuales operativos (runbooks), actuando al mismo tiempo como catalizador para simplificar, consolidar o retirar modelos heredados e introducir herramientas eficientes.