You have just found the top firm for your next successful software development project! 🧠💻📱.
Analytics Engineer (SQL/BI/dbt) · Senior
Location
Argentina
Posted
8 days ago
Salary
0
Seniority
Senior
Job Description
Analytics Engineer (SQL/BI/dbt) · Senior
Darwoft
Role Description Sumamos un/a Senior Analytics Engineer para sumarse a uno de los productos más ambiciosos de una compañía argentina líder en servicios financieros digitales. Tu misión será transformar datos complejos en información accionable que permita mejorar productos, detectar oportunidades y tomar decisiones con impacto real en el negocio y en la experiencia de las personas usuarias. El rol combina analytics engineering, business intelligence, modelado de datos, experimentación y visión de producto. El impacto no se medirá únicamente por la cantidad de dashboards desarrollados, sino por la capacidad de convertir datos en iniciativas concretas, simples, personalizadas y escalables. Principales responsabilidades - Desarrollar dashboards y soluciones de visualización orientadas a la toma de decisiones. - Construir modelos de datos que permitan profundizar el análisis y responder preguntas específicas del negocio. - Transformar datos sin procesar en conclusiones relevantes, claras y accionables. - Diseñar capas semánticas orientadas al negocio que faciliten el acceso y la interpretación de la información. - Trabajar junto a equipos de Producto, Negocio, Tecnología y otras áreas para llevar adelante proyectos de analítica. - Utilizar y analizar los resultados de modelos predictivos existentes. - Impulsar Key Results mediante la identificación y propuesta de iniciativas basadas en datos y experimentación. - Construir casos de negocio junto al equipo, evaluando alternativas y respaldando las decisiones con evidencia. - Definir reglas de negocio para la extracción, transformación y modelado de grandes volúmenes de datos. - Participar activamente en las ceremonias ágiles, aportando una perspectiva analítica y orientada al producto. - Analizar resultados y proponer mejoras continuas que potencien el alcance y el impacto del producto. - Promover la autonomía de los usuarios finales mediante productos de datos simples, confiables y escalables. Qualifications - Más de 5 años de experiencia como Analytics Engineer, Data Analyst técnico, Product Data Analyst o en posiciones similares. - Experiencia trabajando con datos complejos y productos digitales. - Conocimientos intermedios o avanzados de SQL. - Experiencia intermedia o avanzada con herramientas de visualización como Amazon QuickSight, Power BI o Tableau. - Experiencia construyendo dashboards con foco en impacto, medición de resultados y autonomía de los usuarios finales. - Experiencia en modelado de datos y creación de capas semánticas orientadas al negocio. - Experiencia en extracción, transformación y modelado de grandes volúmenes de datos. - Capacidad para definir e implementar reglas de negocio sobre los datos. - Experiencia práctica con al menos una herramienta de transformación o modelado de datos, como dbt, Matillion o Google Cloud Dataflow. - Capacidad para trabajar con equipos multidisciplinarios y traducir necesidades de negocio en soluciones analíticas. - Perfil analítico, autonomía y orientación a resultados. Requirements - Conocimientos intermedios de Python o R. - Experiencia trabajando con servicios de cloud computing. - Conocimientos sobre consumo e integración de APIs. - Experiencia con librerías de visualización de datos en Python o R. - Conocimientos de experimentación con datos, incluyendo A/B testing y pruebas de inferencia estadística. - Conocimientos básicos de Data Science y modelos predictivos. - Conocimientos de estadística descriptiva e inferencial. - Familiaridad con herramientas de orquestación como Apache Airflow o Dagster. - Experiencia automatizando y programando procesos de transformación de datos. - Experiencia previa en productos financieros, banca digital o fintech. - Conocimiento de métricas financieras, comportamiento de clientes y productos digitales transaccionales. Benefits - Contratación full-time en relación de dependencia. - Pago en pesos argentinos. - Trabajo 100% remoto. - Salario competitivo. - Vacaciones y licencias correspondientes por ley. - Días personales adicionales por año. - Acceso a plataformas de aprendizaje. - Tarjeta de beneficios y descuentos. - Welcome kit. - Programas de reintegros. - Clases de inglés. - Programa de referidos. - Regalo de cumpleaños. - Healthy Break. - Celebaciones, aniversarios, fiestas de fin de año y actividades de integración al estilo Darwoft.
Related Guides
Related Categories
Related Job Pages
More Analytics Engineer Jobs
Analytics Engineer
OnePayThe all-in-one financial platform trusted by millions of consumers to make money better.
• Design and build production dbt models on Databricks that the organization uses as the source of truth for what’s happening in the business • Support external reporting with accurate, governed data that stakeholders and partners can trust • Own data quality: testing, CI/CD, documentation, and patterns the team follows • Build and evolve Databricks dashboards and semantic metrics for self-service across the business • Lead technically (code review, architecture, mentoring junior AEs) so the team ships faster with a higher quality bar • Partner with Data Engineering, Analytics Engineering, and analytics stakeholders to turn messy business problems into durable data products • Drive AI-native workflows: Cursor/Claude (or equivalent) in daily development; model and doc design that works for LLM consumers
Data Analytics Engineer III
Franciscan HealthBased in Indiana, Franciscan Health is one of the Midwest's largest Catholic healthcare systems. Founded in 1876, the nonprofit organization was named one of Tr
• Designing and creating tables within data marts, data lakes and data warehouses • Building systems that collect, manage, and convert raw data into usable information for analytics • Expanding and optimizing data and data pipeline architecture • Mentoring junior data engineers and promoting data education
Analytics Engineer
PackbackHelping students become fearlessly curious through AI-powered online discussion. TIME World's Top EdTech Companies 2024
• Consult with teams across the organization to translate key product and business processes into technical data requirements. Use dbt, BigQuery, and SQL to build up Packback’s metrics layer to enable self-serve access to core analytics. • Build, optimize, and orchestrate data pipelines with dbt, Airflow, and Python • Establish data integrity standards and SLAs to ensure timely, accurate delivery of data • Build insightful and reliable dashboards to track performance of core company metrics across the product and business • Collaborate with business operations teams to define and train on best practices with respect to data modeling, analytics, and visualization • Collaborate with leadership to conduct analyses and apply statistical methods to answer day-to-day questions or support larger initiatives • Work within Packback’s research function with partner institutions and perform in-depth analyses to understand how Packback’s products are driving key student outcomes • Consult on the adoption of new technologies that impact Packback’s data infrastructure
• Own the analytics modeling lifecycle for a business domain (GTM / Lead-to-Customer or Post-Sales) — build and maintain dbt models and business marts on top of our source data in Snowflake. • Develop and maintain the semantic layer that powers our BI platform. • Partner directly with stakeholders across Finance, Sales, Marketing, CS, and RevOps to translate ambiguous business questions into the right model — prescribing or designing one when none exists. • Define, document, and enforce consistent metric definitions and segmentation across the org (e.g., customer lifecycle stages, production lifecycle, ARR), establishing whether each lives in dbt or the semantic layer so metrics aren't defined twice. • Build trustworthy self-serve data products so business partners can answer routine questions without help. • Collaborate with the Data Platform team where raw data is handed off — specify and request new sources, validate data, and raise quality issues upstream.




