Analista de Datos AWS

Analista de Datos, esquema hibrido, turno mañana.

Misión del Puesto

Diseñar, desarrollar y mantener soluciones de datos e inteligencia artificial generativa sobre AWS que permitan integrar, transformar, gobernar y disponibilizar información confiable para la toma de decisiones y la automatización de procesos del negocio.

El puesto deberá contribuir a:

• Relevar necesidades de datos con usuarios de negocio, BI y equipos técnicos.

• Diseñar, desarrollar y mantener procesos ETL/ELT en AWS utilizando servicios como S3, Glue, Athena, Lambda, Step Functions, EventBridge y/o Redshift, según arquitectura definida.

• Desarrollar transformaciones con SQL, Python y/o PySpark, priorizando performance, mantenibilidad y trazabilidad.

• Implementar controles de calidad de datos, validaciones, manejo de errores, logs y monitoreo de ejecuciones.

• Modelar datos para consumo analítico, tableros, reportes y casos de Data Science.

• Integrar fuentes internas y externas, estructuradas y semiestructuradas, resguardando criterios de seguridad y confidencialidad.

• Documentar pipelines, reglas de negocio, linaje y definiciones funcionales/técnicas.

• Participar en la mejora continua de arquitectura cloud, automatización, versionado y despliegues.

• Brindar soporte técnico ante incidentes, desvíos de datos o consultas de usuarios.

• 2 a 4 años de experiencia en roles de Data Engineering, Data Analytics, BI técnico o desarrollo de soluciones de datos. Se valorará experiencia previa en nube, preferentemente AWS.

• Estudiante avanzado o graduado de Sistemas, Ingeniería, Ciencia de Datos, Licenciatura en Informática, carreras afines o formación técnica equivalente.

• AWS Data: S3, Glue, Athena, Redshift, Lambda, Step Functions, IAM, CloudWatch. Deseable: Lake Formation, EMR, MWAA, EventBridge, CDK/CloudFormation.

• • Lenguajes: SQL avanzado, Python. Deseable PySpark.

• Capacidad analítica, orientación a resultados, resolución de problemas, comunicación clara con usuarios técnicos y funcionales, autonomía, criterio para priorizar y foco en calidad de datos.

  • Bases y formatos: Parquet, CSV/JSON, particionamiento, modelado dimensional, data lake/lakehouse.

  • BI/Consumo: Tableau o Amazon QuickSight.

  • DevOps/DataOps: Git/GitHub, versionado, despliegues controlados, documentación técnica.