EXPERTO SR EN INGENIERIA DE INTELIGENCIA DE DATOS

Seleccione la frecuencia (en días) para recibir una alerta:

Empresa: Corporativo Mexicano del Mercado de Valores

Se parte de una de las empresas más emblemáticas de México.

Estamos comprometidos con el desarrollo y crecimiento de nuestros colaboradores.

Gracias a las personas que forman parte de la Bolsa Mexicana de Valores somos la empresa líder en el mercado.

Ser el puente entre el negocio y la ciencia de datos, traduciendo retos y oportunidades de las unidades de negocio en soluciones analíticas de alto impacto. El rol comprende profundamente los procesos y objetivos del negocio, aplica modelado estadístico y machine learning para generar insights accionables, integra soluciones con LLM/GenAI donde agrega valor, y acompaña a los equipos directivos en la adopción de una cultura basada en datos, garantizando que cada entregable (modelo, tablero, automatización o recomendación) esté alineado con los resultados esperados por la organización.

• Levantar y documentar necesidades de las unidades de negocio mediante entrevistas, workshops y análisis de procesos (AS-IS / TO-BE), identificando problemas, hipótesis y criterios de éxito medibles (KPI/KRI).
• Traducir objetivos estratégicos y de negocio en requerimientos analíticos concretos
• Co-diseñar con las unidades de negocio los casos de uso analíticos, user stories y criterios de aceptación; priorizar el backlog y definir el roadmap de entregables (insights, modelos, tableros, automatizaciones) con base en impacto y viabilidad.
• Definir, calcular y gobernar KPIs/OKRs en coordinación con las áreas de negocio: establecer diccionario de métricas, reglas de cálculo, segmentaciones y criterios de calidad para garantizar consistencia en el monitoreo operativo y estratégico.
• Realizar análisis exploratorio y estadístico (EDA), detección de patrones y anomalías, y análisis de causa raíz orientados a responder preguntas concretas del negocio, priorizando la claridad del hallazgo sobre la complejidad técnica.
• Diseñar y construir tableros ejecutivos y reportes con narrativa orientada a decisión (data storytelling)
• Diseñar y desarrollar modelos supervisados y no supervisados (clasificación, regresión, clustering, forecasting, scoring) enfocados en resolver problemas concretos del negocio, seleccionando el algoritmo más adecuado según el contexto (árboles/boosting, regresión regularizada, series de tiempo, redes neuronales).
• Ejecutar el ciclo completo de modelado: feature engineering, selección de variables, validación cruzada, ajuste de hiperparámetros y evaluación con métricas de negocio acordadas (AUC, F1, RMSE, MAPE, entre otras), comunicando resultados en términos comprensibles para audiencias no técnicas.
• Coordinar con Data Engineering/MLOps las estrategias de despliegue y operación de modelos en producción (batch/near real-time); asegurar versionamiento, monitoreo de drift y planes de reentrenamiento dentro de los SLAs definidos.
• Documentar supuestos, limitaciones e interpretabilidad de cada modelo, asegurando que los tomadores de decisión del negocio comprendan el alcance, confiabilidad y forma de uso correcto de los entregables analíticos.
• Identificar y diseñar casos de uso de negocio donde LLM/GenAI agrega valor real
• Aplicar técnicas de prompt engineering (plantillas estructuradas, few-shot, chain-of thought) y patrones de arquitectura como RAG (Retrieval-Augmented Generation) con fuentes internas, garantizando respuestas fundamentadas en información verificable de la organización.
• Definir y ejecutar marcos de evaluación de calidad para soluciones LLM
• Liderar el desarrollo de prototipos y pilotos con las áreas de negocio, medir impacto (tiempo ahorrado, calidad de salidas, nivel de adopción) y articular el plan de escalamiento productivo con los equipos de tecnología, asegurando controles de privacidad y seguridad de datos.
• Posgrado – Maestria en Analítica, Ciencia de Datos, Inteligencia Artificial, Estadística Aplicada o MBA con IA

AWS Certified AI Practicioner

Nota: Se valorarán certificaciones equivalentes en analítica, cloud, datos o business analysis.

• 4+ años en roles de analítica de negocio, business intelligence o consultoría analítica, con participación activa en la definición de estrategias de datos, interacción directa con stakeholders de negocio y entrega de soluciones con impacto medible.
• 3+ años desarrollando y poniendo en producción modelos de ciencia de datos o machine learning de punta a punta (exploración → feature engineering → modelado → despliegue → monitoreo), con foco en valor de negocio y no solo en precisión técnica.
• Trayectoria comprobable en la construcción y gobierno de métricas/KPIs de negocio, diseño de tableros ejecutivos y operativos, y automatización de reportes que hayan reemplazado procesos manuales o mejorado la calidad de la información disponible para la toma de decisiones.
• Experiencia deseable en el diseño e implementación de soluciones con LLM orientadas al negocio (p. ej., RAG sobre documentación interna, asistentes conversacionales, extracción y resumen de texto) incluyendo su evaluación de calidad y monitoreo en producción.
• Deseable: experiencia en sectores regulados (financiero, bursátil, seguros) con manejo responsable de datos sensibles, aplicando controles de privacidad, seguridad de la información y cumplimiento normativo en soluciones analíticas.

Conocimiento en estadística aplicada al negocio: inferencia, pruebas de hipótesis, regresión, muestreo, diseño y análisis de experimentos (A/B testing) y series de tiempo orientadas a pronóstico operativo y comercial

Conocimiento en fundamentos de ingeniería analítica (ETL/ELT, validación de datos, control de versiones con Git)

Conocimiento en herramientas de BI y visualización (Power BI, Tableau o Looker) con dominio de data storytelling

Conocimiento en levantamiento y documentación de requerimientos analíticos, mapeo de procesos, definición y gobierno de KPIs, elaboración de BRD/FRD/user stories con criterios de aceptación medibles, y gestión efectiva de stakeholders

Conocimiento en LLM/GenAI aplicado a casos de negocio

Conocimiento en Machine Learning aplicado al negocio: algoritmos supervisados y no supervisados, métricas de evaluación, validación, técnicas de interpretabilidad (SHAP, LIME) y monitoreo de desempeño en producción

Conocimiento en SQL

Conocimiento en uso de Python o Java para análisis con librerías como pandas, numpy, matplotlib

3.3 Adaptación al Cambio

3.4 Orientación al cliente

3.7 Negociación

4.5 Orientación a resultados

4.9 Integridad

Para más información sobre Grupo Bolsa Mexicana de Valores, visita

¡Agradecemos el interés de todo aquel que quiera sumarse a la familia BMV!

“ En Grupo BMV nos hace fuerte la diversidad, por esto, todos nuestros procesos de atracción y contratación siempre estarán libres de toda distinción, exclusión, restricción o preferencia que, explícita o implícitamente discrimine a cualquier concursante por motivos como; más no limitados a sexo, género, edad, discapacidades, embarazo, preferencias sexuales, condición de salud, origen étnico o nacional, color de piel, apariencia física, o cualquier otro motivo que discrimine a cualquier solicitante”