mapa web
Ingeniero de Datos para laboratorio datos (Madrid) Ref. 19336

INECO Selecciona un/a Ingeniero de Datos para laboratorio datos (Madrid)

Funciones de apoyo a:
- Participación en las etapas de ingesta e ingeniería del dato dentro del ciclo de vida del dato:
- Implementación del modelo físico de datos en el data warehouse, resultado del análisis y diseño del modelo lógico.
- Implementación de procesos ETL de los datos sobre el modelo físico del Data Warehouse:
- Procesos de ingesta de datos, desde fuentes heterogéneas.
- Procesos para la consolidación y homogeneización de los datos capturados: reestructurar campos, quitar ciertos datos no significativos, traducir formatos de campos, agregar datos, etc.
- Procesos de validación y tratamiento de errores: comprobar consistencia e integridad de contenidos y detectar errores.
- Definición de la automatización y frecuencia de extracción con la estrategia de transferencia resultado del análisis lógico del negocio, para determinar la frecuencia de extracción (tiempo real, diario, semanal, mensual, etc.) de los datos y definición de una estrategia de transferencia acorde con las necesidades del servicio.
- Mecanismos de auditoría y trazabilidad, definiendo un sistema de registro o traza que permita el seguimiento y control de las extracciones realizadas.
- Procesos de calidad del dato.
- Análisis de las fuentes de datos para satisfacer las necesidades analíticas de Negocio
- Interlocución con el resto de los perfiles técnicos del ciclo de vida del dato para dar respuesta a sus necesidades y las de negocio.

Required experience:
2- 4 años

Professional requirements:

Formación IT
Disponibilidad en Madrid


Knowledges and technical skills:

- Participación en las etapas de ingesta e ingeniería del dato dentro del ciclo de vida del dato:
- Implementación del modelo físico de datos en el data warehouse, resultado del análisis y diseño del modelo lógico.
- Implementación de procesos ETL de los datos sobre el modelo físico del Data Warehouse:
- Procesos de ingesta de datos, desde fuentes heterogéneas.
- Procesos para la consolidación y homogeneización de los datos capturados: reestructurar campos, quitar ciertos datos no significativos, traducir formatos de campos, agregar datos, etc.
- Procesos de validación y tratamiento de errores: comprobar consistencia e integridad de contenidos y detectar errores.
- Definición de la automatización y frecuencia de extracción con la estrategia de transferencia resultado del análisis lógico del negocio, para determinar la frecuencia de extracción (tiempo real, diario, semanal, mensual, etc.) de los datos y definición de una estrategia de transferencia acorde con las necesidades del servicio.
- Mecanismos de auditoría y trazabilidad, definiendo un sistema de registro o traza que permita el seguimiento y control de las extracciones realizadas.
- Procesos de calidad del dato.
- Análisis de las fuentes de datos para satisfacer las necesidades analíticas de Negocio
- Interlocución con el resto de los perfiles técnicos del ciclo de vida del dato para dar respuesta a sus necesidades y las de negocio.