Analytics Engineer Data Bricks (English: Fluent)

Acerca de DHL:

Somos la empresa líder en logística más grande del mundo, creamos una ventaja competitiva para nuestros clientes al brindarles soluciones logísticas basadas en nuestro almacenamiento, transporte y servicios integrados estandarizados a nivel mundial. Nuestra gente es nuestro mayor activo. Estamos certificados como una empresa Great Place to Work. En DHL encontrarás una cultura que abraza la diversidad, la colaboración; potencializa tus fortalezas y genera confianza a través de nuestros valores respeto y resultados. Un mundo impulsado por la logística. Una empresa impulsada por nuestra gente

Objetivo del Puesto

La persona Analytics Engineer será responsable de transformar datos crudos provenientes de múltiples sistemas y áreas (transporte, almacén, IT, etc.) en modelos estructurados y confiables, alineados con los estándares globales o desarrollando nuevos modelos cuando no existan. Este rol conecta la comprensión del negocio con prácticas sólidas de ingeniería de datos, asegurando calidad, gobernanza y escalabilidad en la entrega de productos analíticos para México y LATAM. Trabajará principalmente con Databricks, SQL, PySpark, Python y Azure, siendo clave en la estandarización y reutilización de modelos que habiliten eficiencia y valor para la organización.

Actividades Principales

• Transformar y organizar grandes volúmenes de datos en modelos estructurados alineados con la arquitectura global.
• Desarrollar procesos de transformación escalables utilizando Databricks (SQL/PySpark) y Azure Data Services.
• Diseñar pipelines eficientes, optimizando costos y rendimiento, cumpliendo con SLAs y ventanas de cómputo.
• Garantizar que los modelos cumplan con estándares de gobernanza, seguridad, documentación y certificación.
• Evaluar fuentes de datos, identificar problemas de calidad y definir lógica de transformación para asegurar confiabilidad.
• Proponer patrones y plantillas reutilizables que agilicen futuras iniciativas de analítica y digitalización.
• Crear documentación técnica y de negocio (lineage, reglas, restricciones, supuestos).
• Implementar validaciones de calidad y pruebas automatizadas.
• Colaborar con equipos de negocio y operaciones para reflejar procesos reales en los modelos.
• Comunicar decisiones técnicas y conceptos complejos a stakeholders no técnicos.
• Participar en la comunidad de Analytics & Data, compartiendo conocimiento y mejores prácticas.
• Trabajar con equipos regionales y globales para co‑desarrollar soluciones tecnológicas.

A Quién Buscamos

Perfil Técnico

• Mínimo 3+ años en ingeniería analítica, BI o modelado de datos, idealmente en entornos logísticos o de cadena de suministro.
• Dominio de SQL, Databricks, PySpark, Delta Lake y entornos cloud (preferentemente Azure).
• Experiencia en diseño y mantenimiento de modelos de datos y pipelines de transformación.
• Conocimiento en prácticas de productos de datos: documentación, certificación, pruebas, gobernanza.
• Deseable familiaridad con datos de transporte, almacén o logística.
• Conocimiento de herramientas de visualización (Power BI, Tableau) es un plus.

Perfil Funcional

• Capacidad para traducir reglas de negocio en modelos y lógica de transformación.
• Habilidades de colaboración e influencia sin autoridad en equipos técnicos y de negocio.
• Comunicación clara y storytelling para explicar estructuras y decisiones de modelado.

Educación y Calificaciones

• Licenciatura en Ciencias de Datos, Ingeniería, Sistemas, Matemáticas Aplicadas o áreas afines.
• Certificaciones en Databricks, Azure o modelado de datos son un plus.
• Inglés intermedio‑avanzado.

Cómo Mediremos Tu Éxito

• Mejora medible en la calidad y confiabilidad de los datos.
• Eficiencia habilitada por modelos estandarizados y reutilizables.
• Frecuencia de productos de datos replicados en otros proyectos o regiones.
• Entrega puntual de componentes de modelado y productos de datos.
• Cumplimiento con estándares de documentación, gobernanza y certificación.
• Satisfacción de stakeholders con la usabilidad y confiabilidad de los productos de datos.