Sobre nosotros

Draftea es la startup de tecnología mexicana que está revolucionando el mundo de las apuestas. Creada por y para los aficionados a los deportes, estamos respaldados por inversionistas de clase mundial como Sequoia, Kaszek y Bullpen. Nuestra razón de ser es sencilla: darle a los aficionados una nueva forma de disfrutar su pasión. Queremos que todos los amantes de los deportes puedan sentir como si cada partido fuera la final del mundial y cada triunfo una razón para celebrar. Queremos acercar a nuestros jugadores a sus ídolos y equipos y hacerlos partícipes de las emociones que se viven dentro del campo.

Nuestra cultura

Construimos un producto orientado al entretenimiento de nuestros usuarios, es por esto que promovemos un entorno de trabajo donde trabajamos duro pero al mismo tiempo la pasamos bien y en donde cada persona puede trabajar con compañeros igualmente motivados y con un alto rendimiento. Creemos y confiamos en la flexibilidad horaria en donde el objetivo es la consecución de resultados es por esto que buscamos a alguien a quien le apasione el producto, la función y el reto, y que no busque simplemente otro trabajo de 9 a 5.

Somos una empresa "remote-first". Esto significa que, aunque tenemos una oficina en Ciudad de México y Buenos Aires nuestro equipo está trabajando desde diferentes países (Perú, Colombia, Chile, Uruguay, Argentina, Estados Unidos).

Objetivo de la posición

Estamos buscando un Analytics Engineer semi-senior apasionado por transformar datos en insights accionables para unirse a nuestro equipo de Data. Serás responsable de diseñar y mantener los modelos de datos que potencian la toma de decisiones en toda la organización, trabajando estrechamente con las distintas verticales de negocio y asesorandolos en buenas practicas de como sacar el máximo provecho.

Serás una parte fundamental de un equipo de Data, donde tu contribución tendrá impacto directo en la estrategia del producto y el crecimiento del negocio.

Desafíos de la posición

• Desarrollar y mantener modelos de datos (utilizando tools como DBT) siguiendo las mejores prácticas de ingeniería analítica, asegurando la calidad, consistencia y performance de los datos.
  
• Optimizar pipelines de transformación de datos en Snowflake, mejorando la performance y reduciendo costos computacionales.
  
• Crear y mantener documentación técnica y funcional de los modelos de datos para facilitar su adopción por analistas y científicos de datos.
  
• Colaborar activamente con Product Managers y Engineering Managers para incorporar las necesidades de datos desde la definición de proyectos, garantizando la captura correcta de eventos y métricas.
  
• Trabajar de cerca con stakeholders de Games, Accounts & Payments, Marketing y CX para entender sus necesidades analíticas y traducirlas en soluciones técnicas escalables.
  
• Establecer y promover buenas prácticas de análisis de datos, documentación y gobierno de datos en toda la organización.
  
• Participar en la definición de KPIs y métricas clave del negocio, asegurando su correcta implementación y monitoreo.
  

Requerimientos

• 2+ años de experiencia desarrollando modelos de datos con metodologías modernas, idealmente utilizando DBT
  
• Hands-on experience con al menos un cloud data warehouse moderno (Snowflake, BigQuery, Redshift, Databricks)
  
• Sólido dominio de SQL y comprensión profunda de modelado dimensional (esquemas estrella)
  
• Proficiencia en Python para automatización, scripting y manipulación de datos
  
• Experiencia práctica con herramientas de orquestación (Airflow, Dagster, Prefect o similares) para gestionar pipelines de datos
  
• Trayectoria trabajando en equipos cross-funcionales con Product Managers, diseñadores y stakeholders de negocio
  
• Familiaridad básica con servicios de datos en cloud (preferentemente AWS: S3, Lambda, Glue, Kinesis)
  
• Conocimiento básico de control de versiones con Git y exposición a prácticas de CI/CD aplicadas a data pipelines.

Deseable

- Expertise específico en Snowflake: optimización de warehouses virtuales, gestión de costos, time travel, zero-copy cloning.

- Experiencia con Infrastructure as Code usando Terraform, especialmente para provisionar recursos de datos.

- Conocimiento de data quality frameworks (Great Expectations, Soda, Monte Carlo).

- Experiencia con el desarrollo de flujos de reverse ETL.