Analytics Engineer & AI Specialist
Acerca del rol
Como Analytics Engineers, combinarás la experiencia en el dominio de seguros con capacidades completas de ingeniería de datos y análisis. Ayudarás a construir las bases de datos que alimentan la plataforma de IA de Snowflake.
Este rol se centra en las capas que hacen que la IA sea confiable: datos limpios y bien modelados, tuberías gobernadas y modelos semánticos que exponen el significado comercial a interfaces de lenguaje natural. Diseñarás modelos de datos rigurosos, construirás tuberías de datos y construirás la capa semántica que se sitúa entre los datos en bruto y los agentes de IA. Serás responsable de configurar datos que estén estructurados, sean confiables y estén listos para agentes. Los patrones de implementación y las brechas en el modelo de datos que identifiques se retroalimentan directamente a los equipos de LOB, convirtiéndote en un practicante y una fuente de señal sobre lo que se construirá a continuación.
En qué trabajarás
Modelado de datos y arquitectura
- Arquitectura de modelos de datos flexibles y de alto rendimiento que guíen al equipo de LOB hacia fuentes únicas de verdad en sus dominios comerciales.
- Utilizar SQL, Python, dbt y Snowflake para construir y mantener la infraestructura de datos para informes, análisis y automatización.
- Realizar QA de datos y desarrollar procedimientos de prueba automatizados para los modelos de datos de Snowflake.
- Proporcionar insumos en estrategias de gobernanza de datos, incluyendo permisos, linaje de datos y definiciones de datos.
- Diseñar la seguridad de los datos para que el modelo solo tenga acceso a los datos.
Capa semántica y preparación para agentes
- Construir modelos de datos semánticos que expongan los datos de LOB a consultas en lenguaje natural a través de Cortex Analyst, convirtiendo esquemas complejos en algo que un interesado comercial y los clientes puedan preguntar.
- Definir y validar las métricas, dimensiones y relaciones que los agentes de IA necesitan para razonar correctamente sobre los datos de LOB.
- Identificar y resolver brechas en la estructura de datos, nomenclatura y cobertura que podrían causar que un agente falle o produzca resultados incorrectos.
Documentación
- Documentar manuales, plantillas de modelos de datos reutilizables y bibliotecas de modelos semánticos que puedan ser mantenidas y ampliadas.
- Realizar talleres técnicos para capacitar a otros miembros del equipo.
- Redactar configuraciones de vistas semánticas y archivos de habilidades (YAML + Markdown) que un analista no técnico pueda invocar en inglés simple.
Habilidades técnicas requeridas (indispensables)
- SQL avanzado: CTEs, funciones de ventana, patrones de tuberías incrementales. Puedes escribir consultas complejas sin consultar documentación.
- Ingeniería de análisis y modelado de datos: experiencia en la construcción de infraestructura de datos que involucre conjuntos de datos relacionales a gran escala; fuertes instintos para el diseño de tuberías, QA y pruebas a través de toda la pila, desde la ingesta hasta la capa semántica.
- dbt: experiencia en la construcción y mantenimiento de proyectos dbt con pruebas, documentación y tuberías CI/CD.
- Python: moderno, con anotaciones de tipo, legible. Entiendes las tuberías de datos basadas en Python y los flujos de trabajo de automatización.
- Desarrollo asistido por IA: has utilizado un asistente de codificación LLM (CoCo, Cursor, GitHub Copilot, Claude o equivalente) como tu entorno de desarrollo principal. El uso diario es la base.
- Modelado semántico: puedes escribir una configuración de vista semántica o un archivo de habilidad estructurado que maneje casos extremos y codifique suficiente conocimiento del dominio para que el modelo se comporte como un experto en la materia.
- Comunicación con clientes: escribes código, pero tu salida debe tener sentido para un líder empresarial que nunca ha abierto un terminal. Eres la capa de traducción entre lo que la IA de Snowflake puede hacer y lo que el cliente realmente necesita.
- Snowflake Cortex: Cortex Analyst, Cortex Agents, Cortex Search, vistas semánticas, Tablas Dinámicas.
Puntos fuertes
- Experiencia con Airflow u otros marcos de orquestación.
- Familiaridad con sistemas empresariales (ERP, CRM, HRIS o similares).
Habilidades blandas requeridas
- Se hace responsable del resultado: realiza un seguimiento de la adopción después de la implementación, identifica puntos de estancamiento y vuelve a involucrarse hasta que el producto de datos sea confiable y pueda ser entregado a los equipos de operación.
- Codifica, no personaliza: el instinto es convertir patrones en plantillas reutilizables y manuales que el siguiente ingeniero pueda implementar en el próximo cliente, no construir algo a medida cada vez.
- Cómodo con la ambigüedad: se involucra con los clientes para derivar requisitos, prototipa rápidamente, recopila comentarios y itera.
- Claridad de señal: destila implementaciones desordenadas en comentarios claros y procesables para los líderes, explicando las causas raíz y sugiriendo soluciones, no solo informando problemas.
Requisitos mínimos
- Más de 8 años de experiencia en ingeniería de análisis, ingeniería de datos o un rol técnico relacionado, con al menos una parte de ella en contacto con el cliente o en funciones cruzadas.
- Uso diario de un asistente de codificación de IA como herramienta de desarrollo principal.
- Dominio de SQL; puede escribir funciones de ventana y uniones complejas sin consultar documentación.
- Experiencia con dbt.
- Ha entregado un modelo de datos de producción o tubería en la que los usuarios comerciales no técnicos realmente confiaron.
- Cómodo en Git (PRs, ramas, revisión de código).
- Experiencia demostrable en la traducción de requisitos comerciales en especificaciones técnicas.
Por qué este rol es diferente
La mayoría de los roles de ingeniería de análisis se detienen en el modelo de datos. La mayoría de los roles de campo se detienen en la recomendación. Este rol comienza donde ambos se detienen. Posees toda la pila de datos, desde la ingesta de la fuente hasta la capa semántica, y aseguras que cada capa esté limpia, probada y estructurada para que los agentes de IA puedan razonar de manera confiable. Escribes el código. Construyes la base semántica. Te aseguras de que funcione en producción y que el equipo de operación pueda mantenerlo.
Por qué unirse a Nimble Gravity?
Ayudarás a instituciones financieras líderes y otros clientes a adoptar la IA de maneras significativas. Trabajarás directamente con clientes, ingenieros y especialistas en IA para convertir la tecnología emergente en resultados comerciales medibles. Si disfrutas enseñar, facilitar, influir y ayudar a las personas a adoptar nuevas formas de trabajar, nos encantaría hablar contigo.
Nimble Gravity es un empleador que ofrece igualdad de oportunidades y considera a los solicitantes sin distinción de raza, color, religión, sexo, orientación sexual, origen nacional, edad, discapacidad, estado de veterano o cualquier otra característica protegida por la ley aplicable.
No patrocinamos visas H1B.