16 roles
Perfiles de Datos y Big Data
Abarca análisis, ingeniería, ciencia de datos, bases de datos, gobierno del dato y aprendizaje automático. Es difícil acertar porque perfiles con títulos parecidos hacen trabajos muy distintos, y mezclarlos provoca fichajes que luego no encajan en el equipo.
Data Analyst
Convierte datos en respuestas para el negocio con SQL, Excel avanzado y herramientas como Power BI, Tableau, Qlik o Looker. Construye informes y paneles que ayudan a decidir con información fiable.
- SQL
- Excel avanzado
- Power BI
- Tableau
Data Scientist
Construye modelos estadísticos y de aprendizaje automático con Python, R, Pandas y Scikit-learn para predecir o explicar fenómenos del negocio. Requiere rigor matemático y capacidad de comunicar resultados.
- Python
- R
- Pandas
- Scikit-learn
Data Engineer
Construye y mantiene las tuberías que mueven y transforman datos a gran escala con Spark, Kafka, Airflow y dbt. Garantiza que los datos lleguen completos, a tiempo y con calidad a quien los analiza.
- Apache Spark
- Kafka
- Airflow
- dbt
Experto BI (Business Intelligence)
Diseña soluciones de inteligencia de negocio con plataformas corporativas como Microsoft SSAS, SSIS, SSRS, MicroStrategy, Cognos o SAS. Mantiene informes y modelos analíticos de largo recorrido en grandes empresas.
- Microsoft SSAS/SSIS/SSRS
- MicroStrategy
- IBM Cognos
- SAS
Administrador de BBDD Relacionales (DBA)
Administra bases de datos relacionales como Oracle, SQL Server, PostgreSQL o MySQL, asegurando disponibilidad, rendimiento y copias de seguridad. Es el guardián de los datos críticos de la organización.
- Oracle
- Microsoft SQL Server
- PostgreSQL
- MySQL
Database Developer
Programa la lógica dentro de la base de datos con procedimientos almacenados, PL/SQL y T-SQL, y optimiza consultas complejas. Es clave en sistemas donde gran parte del negocio vive en el motor de datos.
- Stored Procedures
- PL/SQL
- T-SQL
- optimización
Administrador de BBDD NoSQL
Administra bases de datos NoSQL como MongoDB, Cassandra, Redis, Elasticsearch o Neo4j, elegidas por su escalabilidad o su modelo de datos. Cada motor requiere un modelado y una operación muy distintos.
- MongoDB
- Cassandra
- Redis
- Elasticsearch
Machine Learning Engineer
Lleva los modelos de aprendizaje automático a producción y los mantiene: despliegue, versionado, monitorización y reentrenamiento con MLflow, Kubeflow, SageMaker o Azure ML. Convierte prototipos en servicios fiables.
- MLflow
- Kubeflow
- AWS SageMaker
- Azure ML
Deep Learning Specialist
Diseña y entrena redes neuronales profundas con PyTorch, TensorFlow o Keras para problemas de imagen, texto o señales. Requiere sólida base matemática y práctica con entrenamiento a gran escala.
- PyTorch
- TensorFlow
- Keras
- Redes Neuronales (CNN, RNN)
Computer Vision Specialist
Desarrolla sistemas que interpretan imágenes y vídeo con OpenCV, YOLO y redes profundas: detección de objetos, inspección de calidad o reconocimiento facial. Se aplica en industria, seguridad, salud y logística.
- OpenCV
- YOLO
- Procesamiento de imágenes
- Reconocimiento facial
Procesamiento de Lenguaje Natural (NLP)
Desarrolla sistemas que entienden y generan lenguaje natural con SpaCy, Hugging Face y modelos Transformer: clasificación, extracción de información y resumen. Es la base técnica de muchos productos con texto.
- NLTK
- SpaCy
- Hugging Face
- Transformers
CDO (Chief Data Officer)
Define y dirige la estrategia del dato de la organización: gobierno, calidad, uso y valor. Responde ante la dirección de que los datos sean un activo fiable y aprovechado, cumpliendo la normativa.
- Estrategia del dato
- Data Governance
- Data Quality
Analytics Engineer
Modela los datos para el análisis con dbt y SQL sobre Snowflake, BigQuery o Databricks, aplicando prácticas de ingeniería de software. Actúa de puente entre ingeniería de datos y analistas.
- dbt
- SQL
- Snowflake / BigQuery / Databricks
- Airflow
Data Governance / Data Steward
Garantiza que los datos estén catalogados, sean de calidad y se usen conforme a la ley: catálogos con Collibra o Purview, RGPD, EU AI Act y Data Act. Asigna responsables y define reglas de uso.
- Collibra
- Purview
- Catálogo de datos
- Calidad de datos
Data Platform Engineer
Construye y opera la plataforma de datos de la organización sobre Databricks o Snowflake, con arquitectura lakehouse, Delta Lake y Terraform. Facilita que otros equipos trabajen con datos de forma segura y eficiente.
- Databricks
- Snowflake
- Lakehouse
- Delta Lake
Ingeniero de Datos en Streaming / Tiempo Real
Construye sistemas de procesamiento de datos en tiempo real con Kafka, Flink, Spark Streaming, Kinesis o ClickHouse. Permite reaccionar a eventos en segundos, por ejemplo en detección de fraude o analítica en vivo.
- Kafka
- Flink
- Spark Streaming
- Kinesis
Cómo validamos estos perfiles
- Un ejercicio con datos sucios, como responder una pregunta de negocio o diseñar una carga, permite ver método y rigor.
- Pedir que explique cómo comprobó que sus resultados o sus tablas eran correctos revela su cultura de calidad de datos.
- Revisar una consulta, un modelo o un esquema ajeno muestra comprensión de rendimiento y diseño más allá de la sintaxis.
Errores frecuentes al contratarlos
- Mezclar análisis, ingeniería y ciencia de datos como si fueran el mismo perfil y evaluarlos igual.
- Valorar solo herramientas conocidas, sin preguntar por calidad de datos, gobierno y capacidad de explicar resultados al negocio.
- Olvidar la vertiente operativa en modelos y flujos, donde se ve si el candidato llevó algo a producción.
Empieza hoy
¿Conquistamos tu próximo planeta?
Cuéntanos qué perfil necesitas. Te respondemos con un plan y un plazo, sin compromiso.
- Validamos los candidatos que recibes.
- Recibes candidatos finalistas en las primeras dos semanas, según el rol.
- Sigues el proceso en directo, sin cadenas de correos.

«Nos permitió delegar en Tadatic toda la selección tech de la compañía.»
Ya confían en Tadatic







