Propósito del rol
Transformar datos operativos y de clientes en información clara y accionable para apoyar decisiones del día a día (ventas, marketing, producto, operaciones) mediante reporting, visualizaciones y análisis descriptivo/diagnóstico.
Responsabilidades fundamental
- Diseñar, automatizar y mantener tableros y reportes ejecutivos/semanales/mensuales.
- Extraer, transformar y validar datos.
- Generar insights sobre desempeño (tendencias, variaciones, cohortes, RFM/deciles) y explicar el “qué pasó” y el “por qué”.
- Apoyar experimentos (A/B) con definición de métricas, segmentación, significancia y lectura de resultados.
- Documentar definiciones de métricas y asegurar consistencia entre áreas (catálogo de KPIs).
- Colaborar con TI para mejorar la calidad de datos.
- Capacitar a usuarios de negocio en el uso de reportes, tableros y en lectura de métricas.
Requisitos
- Licenciatura en Ingeniería Matemática, Economía, Matemáticas Aplicadas o afín.
- 2+ años analizando datos de negocio (marketing, ventas, producto, operaciones).
- Dominio de SQL intermedio-avanzado y hojas de cálculo.
- Manejo de herramientas de BI (Power BI, Tableau, Looker/Looker Studio).
- Conocimientos de estadística descriptiva y análisis de experimentos (A/B).
- R indispensable
- Deseable: Python, Google Analytics/BigQuery, extracción, carga y trasformación de datos.
Competencias
- Pensamiento analítico y orientación a negocio.
- Comunicación visual (data storytelling) y simplificación.
- Atención al detalle y gobierno de datos.
- Colaboración con equipos no técnicos.
- Uso de herramientas de inteligencia artificial
Tecnologías (típicas en el rol)
- SQL (PostgreSQL/MySQL/BigQuery), Excel/Sheets.
- Power BI / Tableau / Looker.
- Herramientas básicas de trabajo en equipo y documentación para ordenar el trabajo, dejar huella de lo hecho y colaborar.
- Dominio de R
- Deseable Python para análisis puntuales.
KPIs del rol
- Adopción de tableros (% usuarios activos).
- Tiempos de entrega (SLA) de análisis/solicitudes.
- Calidad de datos en reportes (errores detectados por millón de registros).
- % iniciativas con medición definida.
- Impacto de insights (casos documentados de decisiones soportadas por datos).