Tu primer perfil de datos: ¿analista, data engineer o analytics engineer?
Dirección pregunta cuánto margen deja de verdad un canal de venta. Finanzas da una cifra, marketing otra y el equipo comercial tiene una tercera en su propia hoja de cálculo. Alguien se pasa dos días cruzando exportaciones a mano y, al final, nadie se queda tranquilo con el resultado. Es justo en ese punto cuando suele aparecer la frase: “necesitamos a alguien de datos”.
Tiene sentido. El problema es que “alguien de datos” puede ser tres perfiles muy distintos, y la primera persona que entre va a trabajar sola. No habrá un equipo alrededor que cubra lo que no sepa hacer, así que acertar con el perfil pesa bastante más que en la quinta contratación.
Los tres perfiles que se suelen barajar
El data analyst convierte datos en respuestas. Escribe consultas, monta cuadros de mando, detecta tendencias y, sobre todo, explica a la gente de negocio qué está pasando. Para hacer bien su trabajo necesita que los datos estén más o menos accesibles.
El data engineer construye la infraestructura. Saca los datos de cada herramienta, los lleva a un almacén central, automatiza esos procesos y se encarga de que todo funcione cada día sin sustos.
El analytics engineer está a medio camino. Coge los datos ya centralizados, los modela para que sean fáciles de usar y fija definiciones comunes, de forma que “cliente activo” signifique lo mismo en todos los informes.
Ninguno es mejor que otro. Lo que hay que preguntarse es cuál ataca el problema que más te duele hoy.
Mira dónde está el atasco
En nuestros procesos, lo primero que hacemos con una empresa en esta situación es localizar el cuello de botella. Suele encajar en uno de estos escenarios:
- Los datos existen y se pueden consultar (tus herramientas ya sacan informes, o tienes una base de datos razonablemente ordenada), pero nadie tiene tiempo de hacerles las preguntas adecuadas. Aquí encaja un data analyst con bastante autonomía.
- Los datos están repartidos entre el CRM, el ecommerce, la plataforma de marketing y el ERP, y no hay manera de cruzarlos. Lo más probable es que necesites empezar por alguien con perfil de ingeniería.
- Ya tienes un almacén de datos, pero cada informe da un número diferente. Falta orden y definiciones compartidas, y eso es terreno del analytics engineer.
Dicho esto, en muchas empresas medianas lo que mejor funciona como primera contratación es un perfil híbrido. Alguien con buena base analítica que, además, sepa montar una infraestructura sencilla con herramientas actuales. No te va a diseñar una arquitectura compleja, pero es que todavía no la necesitas.
Antes de abrir el proceso
Un buen perfil de datos se desanima rápido si aterriza en una empresa que no sabe muy bien para qué lo ha contratado. Más de una vez hemos visto a un candidato preguntar en la entrevista algo tan simple como “¿qué querríais saber que hoy no sabéis?” y quedarse sin respuesta clara. Eso se nota, y los buenos acaban eligiendo otro proceso.
Merece la pena llegar con tres o cuatro preguntas de negocio concretas que hoy no podéis responder. Por ejemplo, la rentabilidad real de un canal o en qué paso del embudo se os escapan los clientes. Con eso, el candidato ya puede imaginarse su trabajo.
También ayuda tener un mapa, aunque sea básico, de qué herramientas usáis, dónde viven los datos y quién da acceso a cada cosa. Y que haya alguien en dirección que respalde el rol, ayude a priorizar y abra puertas en otros departamentos. Sin ese apoyo, la persona acaba mendigando permisos.
Reserva algo de presupuesto para herramientas. Hay opciones asequibles, pero necesitará margen para elegir su stack. Y ajusta expectativas: los primeros meses se van en entender, limpiar y conectar. Los análisis que impresionan llegan después.
En la entrevista, más allá del SQL
Al ser la primera persona del área, la parte técnica importa tanto como su capacidad de trabajar sin estructura. Pídele que te cuente un proyecto que tuvo que levantar desde cero, sin equipo ni procesos previos, y fíjate en cómo decidió por dónde empezar.
Pregúntale qué stack propondría para una empresa de vuestro tamaño y por qué. Si te describe exactamente lo que usaba en una multinacional, sin adaptar nada, desconfía un poco. Una prueba corta de SQL o un ejercicio con un conjunto de datos pequeño te dice mucho, y no hace falta que dure horas.
Luego, pídele que te explique uno de sus análisis como si fueras del comité de dirección. Ahí ves enseguida si sabe traducir números en decisiones. Y pregúntale qué hace cuando los datos no cuadran y cómo evita que vuelva a pasar.
La mejor señal, para nosotros, es que el candidato pregunte por tu negocio. Quien solo se interesa por la tecnología puede ser muy bueno, pero le costará aportar valor pronto.
Donde suelen torcerse las cosas
El error que más vemos es contratar a un perfil muy especializado como primera persona. Un científico de datos centrado en modelos predictivos, sin datos limpios ni infraestructura, se pasará meses haciendo un trabajo para el que no lo contrataste. Y lo normal es que acabe yéndose.
Otro clásico es esperar que lo haga todo a nivel experto: infraestructura, modelado, análisis, visualización y, de paso, formar al resto del equipo. Decide qué va primero y qué puede esperar.
Tampoco ayuda tratar los datos como un proyecto de IT. El valor está en las decisiones que se toman con ellos, así que el rol tiene que estar cerca de negocio. Y si cada acceso a una herramienta tarda semanas, no esperes avances.
Cómo sabrás si ha salido bien
Olvídate de contar dashboards. Un panel que nadie abre no sirve de nada. Dentro de seis meses, recupera esas tres o cuatro preguntas que apuntaste antes de contratar y mira cuántas tienen ya una respuesta en la que confías. Esa es la medida que de verdad importa.
Si todavía dudas sobre cuál de los tres perfiles encaja contigo, en Mimmic Talent te ayudamos a definirlo antes de empezar a buscar. Escríbenos y lo vemos con tu caso concreto.