**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.