Brasil
Clara
LawnStarter
Gerente de Ingeniería de Analítica, Plataforma y Gobernanza de Datos
RemotoBrasil
Belo Horizonte, Minas Gerais, Brazil
SQLGo
Traducción automática. Consulta el original.
Sobre LawnStarter
LawnStarter es el principal marketplace bajo demanda del país para el cuidado del césped y servicios exteriores, con más de $150M en reservas anuales. Estamos expandiéndonos más allá del cuidado del césped para convertirnos en la ventanilla única para todos los servicios del hogar, operando a través de tres marcas (LawnStarter, Lawn Love, Home Gnome) en una única plataforma compartida.
Sobre Analítica en LawnStarter
Somos un equipo de analítica pequeño y senior que da soporte a toda la empresa; producto, marketing, operaciones y finanzas funcionan con los datos que proporcionamos. La base es sólida: un data warehouse centralizado en Redshift donde aterrizan todos los datos de origen, modelados en dbt y orquestados por Airflow, con Segment alimentando los datos de eventos. No tendrás que unir fuentes dispersas, la plataforma existe; tu trabajo es hacerla confiable y mantenerla así. Estamos a mitad de la migración a Lightdash como nuestra plataforma única de BI, reemplazando Tableau y Metabase.
Aquí está la brecha honesta: todos en el equipo hoy son analistas. La calidad de los datos, los estándares de seguimiento y la higiene de la plataforma se realizan como trabajo secundario, apretado entre análisis. Nadie se despierta pensando en ellos, que es exactamente el trabajo para el que estamos contratando.
Lo que hace diferente a este puesto
- Eres el primero. La gobernanza ha sido el trabajo secundario de todos, así que lo que existe hoy es tuyo para remodelar, mantener lo que funciona, rediseñar lo que no, y tus estándares se convertirán en los estándares de la empresa.
- Tú eres el dueño del roadmap, no de un backlog. Nadie te da requisitos, tú descubres lo que el negocio necesita de los datos y decides qué se construye, en qué orden y por qué.
- Propiedad de pila completa. Desde los datos de origen hasta los pipelines, dashboards y modelos de ML, tú eres el responsable de la confianza en toda la cadena, no solo en una parte.
- Una migración en vivo para dar forma. Lightdash está aterrizando ahora. Puedes configurar sus permisos, estructura y normas antes de que se formen malos hábitos, en lugar de desenredarlos más tarde.
El Puesto
Serás la primera persona en LawnStarter dedicada a la gobernanza de datos, el responsable de si nuestros datos son confiables y del roadmap que los hace más confiables cada trimestre. Confianza significa la calidad y actualidad de nuestros datos de origen, pipelines e informes; las definiciones detrás de nuestras métricas; los estándares detrás de nuestro seguimiento de eventos de Segment; la salud de nuestro espacio de trabajo de Lightdash; los datos que alimentan nuestros modelos de machine learning; y la seguridad de los datos en sí. El roadmap significa sentarse con producto, marketing, operaciones y finanzas para entender lo que el negocio necesita de los datos, convertirlo en prioridades para la plataforma y secuenciar el trabajo, el tuyo y, pronto, el de tu equipo.
Este es un puesto práctico, todos los gerentes en LawnStarter construyen, y este no es una excepción. Empezarás solo, con el equipo de Analítica a tu alrededor: construyendo automatización, escribiendo comprobaciones, arreglando lo que está roto y estableciendo procesos que escalen más allá de ti. Una vez que te hayas establecido, abriremos un puesto de Ingeniero de Analítica Líder reportando a ti, tú ayudarás a elegirlo, y la función crecerá a partir de ahí según lo exija el alcance.
De qué serás responsable
- El roadmap de datos: descubrir lo que producto, marketing, operaciones y finanzas necesitan de los datos, priorizarlo frente a la salud de la plataforma y secuenciar la inversión. Lo presentarás, lo defenderás y lo replanificarás a medida que el negocio avance.
- Calidad y actualidad de los datos: monitorización automatizada de los datos de origen, pipelines e informes; detección de cambios de esquema y origen upstream antes de que rompan nada downstream; gestión de incidentes hasta su resolución cuando ocurran.
- Linaje de datos y análisis de impacto: un mapa vivo desde el origen de producción hasta el modelo del data warehouse y el dashboard, y el proceso que lo utiliza: cuando se propone un cambio de producción, su impacto downstream en pipelines, métricas e informes se evalúa antes de que se envíe, no se descubre después. El estado final son contratos de datos con ingeniería, para que los cambios disruptivos se detecten en su flujo de trabajo, no en el nuestro.
- Lightdash: administración, estructura del espacio de trabajo, permisos y el despliegue en sí. Tu trabajo es dar a la empresa autonomía de autoservicio manteniendo el espacio de trabajo lo suficientemente ordenado como para que la gente pueda encontrar y confiar en lo que hay. La habilitación es parte del trato, la gente sigue estándares que se les han enseñado, y también mantener las consultas rápidas y los costos del data warehouse razonables.
- La capa semántica: la acabamos de implementar para nuestras métricas más críticas: una definición gobernada por métrica, en código. Extenderás la definición y el mapeo al resto y protegerás la capa contra el crecimiento incontrolado a medida que escala.
- Gobernanza de seguimiento de eventos: nuestro catálogo de eventos de Segment gobernado: revisión de nuevos eventos frente a sus estándares, manteniéndolo coincidente con lo que producción realmente envía, y evolucionando las barreras de protección (nomenclatura, diccionario de propiedades, detección de deriva) a medida que el seguimiento crece.
- Preparación de datos para IA: los agentes de IA consultan nuestro data warehouse todos los días a través de Brain, nuestro kit de herramientas interno de IA. Gobernarás qué datos pueden acceder las herramientas de IA y mantendrás el data warehouse legible para IA: documentado, consistente y seguro para que un agente pueda consultarlo y obtener la respuesta correcta.
- Seguridad y privacidad de los datos: controles de acceso, manejo y retención de PII bajo las leyes de privacidad de los estados de EE. UU., y revisiones periódicas de quién, y qué herramientas de IA, pueden ver qué.
- El propio sistema de gobernanza: la documentación, los modelos de propiedad y los bucles de revisión que mantienen todo lo anterior funcionando sin heroicidades.
Problemas a Resolver
- Convertir las necesidades del negocio en un roadmap de datos. Cada área de la empresa quiere algo de los datos, y hoy esas peticiones llegan al equipo de Analítica como un flujo de interrupciones. Construirás la ingesta y priorización que las convierta en un roadmap, uno que equilibre las necesidades de los stakeholders frente a la salud de la plataforma, sobreviva al contacto con un negocio cambiante y que tus stakeholders puedan ver reflejado. La parte difícil: decir "aún no" a personas importantes, con una razón que respeten.
- Hacer de la migración a Lightdash un cambio de nivel, no una re-plataforma. Estamos reemplazando Tableau y Metabase con Lightdash. Si se hace mal, cambiamos dos herramientas desordenadas por una herramienta desordenada. Diseñarás la estructura, los espacios, los permisos, la certificación, la nomenclatura, que permitan a los stakeholders autoservirse a la velocidad que necesita la empresa sin crear una pesadilla de crecimiento incontrolado de dashboards. La parte difícil: la autonomía y el orden tiran en direcciones opuestas, y tienes que entregar ambas.
- Terminar y defender la capa semántica. Acabamos de lanzar nuestra capa semántica para nuestras métricas más críticas, una definición gobernada por métrica, para que "dos dashboards, dos números" no pueda suceder. La verdad poco glamurosa: una larga cola de métricas todavía necesita definición y mapeo, y una capa semántica solo se mantiene confiable si alguien frena su crecimiento. Tú serás el responsable de ambas, extendiendo la cobertura y manteniendo la verdad de "una métrica, una definición" a medida que la capa escala.
- Domar la entropía del seguimiento de eventos. Los eventos de Segment potencian nuestros funnels y analíticas de producto, y son implementados por muchos ingenieros de muchos equipos. Las barreras de protección existen, un catálogo de eventos gobernado con estándares de nomenclatura, un diccionario de propiedades, un ciclo de revisión y detección automática de deriva contra producción. Lo que falta es un propietario dedicado: alguien que exija que cada nuevo evento cumpla el estándar, mantenga el catálogo coincidente con lo que producción realmente envía y evolucione las barreras de protección a medida que el seguimiento crece. Sin eso, la entropía gana, los eventos derivan y se degradan silenciosamente cuando las características cambian.
- Anticiparse a las roturas en lugar de perseguirlas. Hoy, cuando los datos de producción cambian upstream, a menudo nos enteramos cuando un pipeline se rompe o un stakeholder señala un número incorrecto. No empezarás desde cero, un agente de Ingeniero de Analítica impulsado por IA ya ejecuta monitorización de actualidad, detección de anomalías de métricas y comprobaciones de linaje basadas en dbt, pero aún no opera a la escala o cobertura que necesitamos. Llevarás la detección de parcial a completa, extenderás el linaje más allá de dbt (necesitan integrarse eventos de Segment y Lightdash), y lo conectarás a la revisión de cambios de ingeniería, para que un cambio de producción propuesto venga con una evaluación de impacto downstream en lugar de un postmortem. El estado final son contratos de datos: cambios disruptivos detectados en el flujo de trabajo de ingeniería, no en el nuestro.
Qué Éxito Parece (Año 1)
- Cero incidentes de pipeline por cambios no anunciados en datos de origen: el linaje y la automatización los detectan antes de que rompan nada downstream, y los cambios de producción se envían con una evaluación de impacto en lugar de un postmortem.
- Cero incidentes de actualidad: los stakeholders nunca abren un dashboard obsoleto.
- Cada área del negocio opera con métricas y dashboards oficiales y bien mantenidos: producto, marketing, operaciones y finanzas se autoservicio en Lightdash frente a una capa semántica completamente mapeada; Tableau y Metabase se retiran; las discusiones sobre quién tiene el número correcto no ocurren. No porque tú construiste los dashboards, sino porque construiste el sistema que los mantiene confiables.
- Cada evento de Segment tiene un propietario y un estándar: los nuevos eventos se envían cumpliendo el estándar, y la degradación se detecta automáticamente, no por accidente.
- La gobernanza se ejecuta como un sistema: procesos documentados que te permitirían tomarte un mes libre.
Quién Eres
- La gobernanza es tu oficio, no tu tarea. Disfrutas genuinamente haciendo que los sistemas de datos sean confiables y ordenados, eres la persona que no puede dejar pasar una convención de nomenclatura rota. Es poco probable que este sea un buen puesto si ves la gobernanza como un trampolín hacia un trabajo de analítica "real".
- Nativo de IA. Usas herramientas de IA (Claude Code, Copilot, ChatGPT) a diario para construir comprobaciones de calidad, escribir automatización, clasificar anomalías y documentar sobre la marcha, una persona cubriendo terreno que antes requería un equipo. También ves la dirección inversa: los agentes de IA consumen nuestros datos a diario, y hacer que el data warehouse sea seguro y legible para ellos es parte de la gobernanza ahora. Es poco probable que este sea un buen puesto si eres escéptico de las herramientas de IA o prefieres hacerlo todo manualmente.
- Un gerente práctico. Has sido responsable de los resultados de otras personas, asignando su tiempo, gestionando sus prioridades, y nunca dejaste de construir tú mismo. Escribes el SQL, depuras el DAG de Airflow y configuras los permisos personalmente. Es poco probable que este sea un buen puesto si la antigüedad te alejó del teclado, o si nunca has sido responsable del trabajo de nadie más que del tuyo.
- Orientado a producto. Empiezas por lo que el negocio está tratando de decidir, no por lo que hace el pipeline, y puedes convertir una solicitud vaga de un stakeholder en un plan priorizado. Es poco probable que este sea un buen puesto si necesitas que te den los requisitos, o si las conversaciones sobre el roadmap te parecen una distracción del trabajo real.
- Automatización primero. Tu instinto ante cualquier comprobación recurrente es construir un monitor, no una lista de verificación. Es poco probable que este sea un buen puesto si tu práctica de calidad depende de la revisión manual y la disciplina.
- Un ejecutor que la gente realmente aprecia. Exigirás a ingenieros y analistas que no gestionas que cumplan los estándares, lo que requiere reglas claras, buenas herramientas que faciliten el cumplimiento y la entereza para decir "no" con gracia. Es poco probable que este sea un buen puesto si evitas la fricción o, en el otro extremo, disfrutas siendo el departamento del "no".
Este Puesto NO ES
- Un puesto de liderazgo de un gran equipo. Empiezas solo y luego contratas a un Ingeniero de Analítica Líder que te reporta; el equipo crece solo a medida que el alcance lo exige. Si quieres dirigir una gran organización en lugar de construir junto a una pequeña, este no es el puesto.
- Un trabajo de política o comité. No hay consejos de gobernanza que presidir ni carpetas que producir. Cuando algo está roto, lo arreglas, con código, configuración o una conversación.
- Un puesto de analista de BI. No pasarás tus días construyendo dashboards para los stakeholders. Construyes la plataforma y las barreras de protección que permiten que todos los demás lo hagan bien.
- Un sistema terminado para cuidar. Gran parte de esto aún no existe. Si quieres operar una plataforma de datos madura en lugar de construir una, te sentirás frustrado aquí.
Tecnología que Utilizarás
- Data warehouse y pipelines - Redshift, dbt, Airflow
- Ingesta - Fivetran, más pipelines personalizados de Airflow
- Seguimiento de eventos - Segment
- BI - Lightdash (principal), Tableau y Metabase (en desuso)
- Herramientas de IA - Claude Code, Codex, Brain (nuestro kit de herramientas interno de IA), y cualquier herramienta que te haga más efectivo o eficiente
- Observabilidad - un agente de Ingeniero de Analítica impulsado por IA (monitorización de actualidad, detección de anomalías, linaje de dbt) que escalarás, más las herramientas de calidad e impacto que añadirás a su alrededor
No necesitas cumplir todos los requisitos. Necesitas profundidad práctica en la capa de data warehouse/pipeline y experiencia creíble manteniendo un BI y un plan de seguimiento saludables a escala empresarial.
Salario base: $75k–$120k/año
Totalmente remoto: Este trabajo requiere una profunda concentración, construir monitores, desenredar pipelines, y confiamos en que gestiones tu entorno. La colaboración asíncrona es la norma.
PTO flexible: Nos centramos en los resultados. Toma lo que necesites.
LawnStarter proporciona igualdad de oportunidades de empleo (EEO) a todos los empleados y solicitantes de empleo sin distinción de raza, color, religión, sexo, origen nacional, edad, discapacidad o genética. Cumplimos con las leyes estatales y locales aplicables que rigen la no discriminación en el empleo.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil