Sr Analytics Engineer

En Koltin, estamos rediseñando la forma en que cuidamos a nuestros papás, mamás, abuelos y abuelas, con el objetivo de ayudarles a mantenerse saludables, activos e independientes durante el mayor tiempo posible. Lo hacemos a través de nuestras membresías de salud, que integran:

• Atención clínica enfocada en la prevención
• Cobertura médica de gastos mayores
• Programas de bienestar y comunidad

Somos la primera empresa en México que protege a personas adultas mayores, desde los 50 hasta los 84 años. Estamos creciendo rápidamente en todo el país, con un propósito claro: transformar la experiencia de salud para las Grandes Personas, haciéndola más humana, accesible y digna.

Buscamos un(a) Sr. Analytics Engineer con inclinación a plataforma de datos: la persona que se hace dueña del *cómo*. Vas a diseñar los contratos de datos y el modelado analítico que hacen que un número signifique lo mismo en cualquier canal, y a sostener la plataforma que lo hace posible - ingesta, orquestación, calidad y documentación.

Es un rol senior, hands‑on y de alta influencia: pones la vara técnica, mentoreas al equipo y te sientas en la mesa donde producto, negocio e ingeniería toman decisiones.

Nuestra ambición es clara: pasar de responder bien lo que ya se pregunta, a anticipar la pregunta, y de ahí a modelos predictivos corriendo en producto. Este rol es la pieza que hace ese salto sostenible.

• Diseñar y operar contratos de datos. Una tabla por número crítico, acordada con el equipo dueño del dominio, versionada en dbt con commits, tests y catálogo.
• Ser dueño(a) del modelado analítico. Capas, convenciones y modelo dimensional en dbt, con documentación y CI que eviten que la deuda entre por la puerta.
• Fortalecer la plataforma de datos. Ingesta (Airbyte), orquestación (Dagster), calidad y observabilidad: que las anomalías nos avisen antes de que alguien las reporte.
• Habilitar self‑service real. Capa semántica y modelos en Omni y Hex para que quien pregunta pueda responderse solo, con Data como guía y revisor.
• Construir los entregables de alta confianza. Dashboards y reportes para board, aliados externos y reporteo regulatorio, donde el margen de error es cero.
• Trabajar cerca del dominio. Embedded con un equipo de producto/negocio, aportando además al trabajo transversal de contratos, calidad y estándares.
• Subir la vara del equipo. Code review, pairing y mentoría técnica; estándares que se sostienen sin ti en la sala.
• Habilitar Data Science y ML. Datasets, features y pipelines confiables para que los modelos lleguen a producción y sus resultados regresen al producto.

• Medimos el trabajo por impacto, no por horas.
• Proactividad y productividad son igual de importantes.
• Rapidez ≠ velocidad (buscan “velocidad” con dirección intencionada).
• Constancia y congruencia (alinear lo que hacemos con lo que Koltin y las GPs necesitan).
• Honrar el proceso (el proceso importa tanto como el resultado).

• 4+ años en datos (analytics engineering, data engineering o BI con modelado fuerte), con al menos 2 operando como senior o referente técnico.
• SQL avanzado y criterio real de modelado analítico: dimensional, cargas incrementales, idempotencia, manejo de historia.
• Transformaciones de datos en producción. Experiencia llevando pipelines y transformaciones de datos a producción con herramientas como dbt o equivalentes, definiendo buenas prácticas de estructura, calidad y testing, componentes reutilizables, documentación, CI/CD y orquestación de jobs/workflows.
• Desarrollo de pipelines y automatización. Experiencia construyendo pipelines, automatizaciones y procesos de datos con Python o tecnologías equivalentes, aplicando buenas prácticas de ingeniería como Git, PRs/code review, testing y CI/CD.
• Experiencia con un orquestador (Dagster, Airflow) y con ingesta administrada (Airbyte, Fivetran o equivalente).
• PostgreSQL y/o un warehouse analítico (Redshift, Snowflake, BigQuery), con desempeño y costo en la cabeza.
• Haber construido capa semántica o modelos de BI para que otros consulten por su cuenta (Omni, Looker, Hex, Metabase, Power BI, Otras herramientas de BI).
• Comunicación con negocio. Convertir una pregunta ambigua en una definición de métrica que aguante discusión, y defenderla con datos.
• Haber mentoreado a otros ingenieros y dejado estándares que sobrevivieron.
• Español nativo e inglés profesional (documentación y herramientas en inglés).
• Arquitecturas Rest API, GraphQL y Microservicios
• Experiencia con datos clínicos o de salud y con requer