Sobre nosotros
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.
Sobre el puesto
Buscamos un(a) Analytics Engineer con inclinación a plataforma de datos: la persona que construye el cómo. Vas a modelar en dbt las tablas de las que todos jalan, y a sostener día a día la plataforma que lo hace posible - ingesta, orquestación, calidad y documentación.
Es un rol hands-on y de crecimiento: trabajas con autonomía sobre tu pedazo, con acompañamiento y code review de la gente senior del equipo. Te sientas cerca de producto y negocio, y ahí aprendes a convertir una pregunta ambigua en un modelo que aguanta.
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 donde se construye el piso de ese salto.
Responsabilidades:
- Modelar en dbt. Construir y mantener modelos siguiendo las capas, convenciones y modelo dimensional del equipo, con tests, documentación y PRs que pasen CI.
- Implementar contratos de datos. Aterrizar en código los contratos acordados con los equipos dueños del dominio, y detectar cuándo un número dejó de significar lo mismo.
- Operar la plataforma de datos. Conectores de ingesta (Airbyte), jobs en el orquestador (Dagster), monitoreo y atención de incidentes: que las anomalías nos avisen antes de que alguien las reporte.
- Habilitar self-service. Mantener y extender la capa semántica y los modelos en Omni y Hex para que quien pregunta pueda responderse solo.
- Construir entregables confiables. Dashboards y reportes para negocio y aliados externos, con el detalle y la validación que el caso exige.
- Trabajar cerca del dominio. Embedded con un equipo de producto/negocio, entendiendo el proceso real detrás de los datos.
- Participar en el estándar. Code review, pairing y propuestas de mejora: no defines la vara sol@, pero la sostienes y la empujas.
Valores:
- 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).
Lo que buscamos:
- 2+ años en datos (analytics engineering, data engineering o BI con modelado), habiendo llevado trabajo propio de punta a punta.
- SQL sólido y bases claras de modelado analítico: dimensional, joins complejos, cargas incrementales, nociones de idempotencia y manejo de historia.
- Transformaciones de datos. Experiencia con dbt o equivalentes: modelos, tests, documentación y trabajo sobre un repo con PRs y CI.
- Python (o tecnología equivalente) para scripts, automatizaciones y pipelines, con prácticas básicas de ingeniería: Git, PRs/code review, testing.
- Haber trabajado con un orquestador (Dagster, Airflow) y/o con ingesta administrada (Airbyte, Fivetran o equivalente) - aunque sea manteniendo lo que ya existía.
- PostgreSQL y/o un warehouse analítico (Redshift, Snowflake, BigQuery).
- Haber construido dashboards o modelos de BI para que otros consulten por su cuenta (Omni, Looker, Hex, Metabase, Power BI u otras).
- Comunicación con negocio. Hacer las preguntas necesarias para entender qué se está midiendo antes de escribir el modelo.
- Ganas de recibir y dar feedback técnico: este rol crece con code review.
- Español nativo e inglés de lectura (documentación y herramientas en inglés).
Suma puntos:
- GCP o AWS, y exposición a infraestructura como código (Terraform, Pulumi o CDK).
- Experiencia consumiendo o construyendo APIs (REST, GraphQL).
- Experiencia con datos clínicos o de salud y con requerimientos de privacidad y cumplimiento.
- Nociones de arquitecturas OLAP (MOLAP, ROLAP).
- Haber apoyado trabajo de Data Science / ML: datasets de entrenamiento, features, predicciones servidas al producto.
- Contexto de startup en crecimiento: ambigüedad alta, poca burocracia, prioridades que se mueven.
Cómo trabajamos:
- Dos formas de operar. Self-service (Hex, Omni en Slack, Claude, IA generativa) para hipótesis y exploración rápida; y entregables construidos por Data cuando la confianza tiene que ser total.
- Todo request deja capacidad detrás. Cada entrega viene acompañada del modelo y el contrato que evitan volver a resolverlo desde cero.
- Los datos viven en el dominio que le importan. Data se acerca al equipo, no al revés.
- Ownership real. Poca jerarquía, criterio propio y espacio para decidir cómo se construyen las cosas - con quien te acompañe en las decisiones grandes.
Qué NO es este rol
- No es un rol de BI o dashboards únicamente: el corazón del trabajo es modelado y plataforma.
- No es una mesa de ayuda de queries ni un equipo central de reporteo.
- No es un rol junior de puro soporte: esperamos que te lleves tareas completas y las cierres.
Stack
PostgreSQL · dbt · Dagster · Airbyte · Python · Omni · Hex · AWS · Git / GitHub Actions · Slack · Notion · Claude
Beneficios a colaboradores en México:
- 🎓 Acceso a herramientas y beneficios para tu crecimiento profesional, como cursos, talleres, libros, etc.
- 💊 Asistencia médica privada por videollamada (médico general, nutriólogo y psicólogo) ilimitado para ti y 3 familiares
- 🏈 Acceso a herramientas para tu cuidado físico (TotalPass)
- 🌴 9 días adicionales de personal leave por ley al año
- 👓 Seguro de Gastos Médicos Mayores
- 💻 Equipo necesario para hacer tu trabajo
- 💵 Apoyo mensual de $700 pesos adicionales al sueldo mensual
- 💎 Apoyo de $2,500 por ocasión única tras periodo de prueba
