Ingeniera(O) De Datos Ii

Descripción del empleo Tecnología.
Formulación de problemas: Requiere conocimiento de técnicas y métodos de análisis/análisis de big data/automatización; Comprensión empresarial; Prioridad y casos de uso; Requisitos y conocimientos empresariales.
Identificar posibles opciones para abordar los problemas empresariales dentro de su disciplina.
a través de metodologías analíticas pertinentes.
Demostrar comprensión de los casos de uso y los resultados deseados.
Demuestra experiencia actualizada y la aplica al desarrollo, ejecución y mejora de planes de acción proporcionando asesoramiento experto y orientación a otros en la aplicación de información y mejores prácticas; apoyar y alinear esfuerzos para satisfacer las necesidades de los clientes y del negocio; y generar compromiso con las perspectivas y los fundamentos.
Comprender el contexto empresarial: requiere conocimiento de la industria y los factores ambientales; Lenguaje comercial común; Prácticas comerciales en dos o más dominios, como productos, finanzas, marketing, ventas, tecnología, sistemas comerciales y recursos humanos, y en profundidad.
conocimiento de prácticas relacionadas; Métricas de negocio y áreas de negocio directamente relevantes.
Apoyar el desarrollo de casos de negocio y recomendaciones.
Impulsar la entrega de la actividad del proyecto y las tareas asignadas por otros.
Actualizaciones y cambios del proceso de soporte.
Apoyo, bajo orientación, en resolver problemas comerciales.
Proporciona y apoya la implementación de soluciones comerciales mediante la construcción de relaciones y asociaciones con partes interesadas clave; identificando negocios necesidades; determinar y llevar a cabo los procesos y prácticas necesarios; monitorear el progreso y los resultados; reconocer y aprovechar oportunidades de mejora; y adaptarse a demandas competitivas, cambios organizacionales y nuevas responsabilidades.
Identificación de la fuente de datos: requiere conocimiento del dominio y los escenarios funcionales del negocio; Categorías de datos y dónde se conservan; Datos comerciales requisitos; Tecnologías de bases de datos y almacenes de datos distribuidos (por ejemplo, SQL, NoSQL); calidad de datos; Sistemas y procesos comerciales existentes, incluidos los impulsores clave y las medidas de éxito.
Comprender el conjunto de datos apropiado necesario para desarrollar modelos simples mediante el desarrollo de borradores.
Apoyar la identificación de la fuente más adecuada de datos.
Mantiene el conocimiento de la calidad de los datos.
Modela el cumplimiento de las políticas y procedimientos de la empresa y respalda la misión, los valores y los estándares de ética e integridad de la empresa mediante incorporarlos en el desarrollo e implementación de planes de negocios; utilizando la Política de Puertas Abiertas; y demostrar y ayudar a otros sobre cómo aplicarlos en la ejecución de procesos y prácticas comerciales.
Visualización de datos: requiere conocimiento de las pautas de visualización y las mejores prácticas para tipos de datos complejos; Múltiples herramientas de visualización de datos (para ejemplo, Python, bibliotecas R, GGplot, Matplotlib, Ploty, Tableau, PowerBI, etc.); Técnicas/herramientas de visualización avanzadas; Múltiples tramas de historias y estructuras (OABCDE); Técnica de comunicación e influencia; Inteligencia emocional.
Generar representaciones gráficas apropiadas de datos.
y resultados del modelo.
Comprender los requisitos del cliente para diseñar una representación de datos adecuada para múltiples conjuntos de datos.
Trabajar con la experiencia del usuario diseñadores e ingenieros de interfaz de usuario según sea necesario para crear aplicaciones front-end.
Presentar e influir en el equipo y la audiencia empresarial utilizando los marcos de visualización de datos adecuados y transmite mensajes claros a través del entendimiento empresarial y de las partes interesadas.
Personalizar estilo de comunicación basado en las partes interesadas bajo guía y aprovechar argumentos racionales.
Guiar y asesorar a los asociados junior sobre tipos de historias, estructuras y técnicas basadas en el contexto.
Gestión de la calidad de los datos: requiere conocimiento de las técnicas y estándares de gestión de la calidad de los datos; Definiciones y contenido de metadatos empresariales definiciones de datos; Herramientas de elaboración de perfiles de datos, herramientas de limpieza de datos, herramientas de integración de datos y herramientas de gestión de problemas y eventos; Comprensión de los usuarios consumo de datos, necesidades de datos e implicaciones comerciales; Modelado, almacenamiento, integración y almacenamiento de datos; Marco y métricas de calidad de datos; Mejores prácticas de acceso de usuarios; Arquitectura, modelado y diseño, almacenamiento, integración y almacenamiento de datos empresariales; Calidad de datos empresariales marco y