Mandragore Learning Academy
DE EN ES FR IT NL PT PT-BR
Profesiones & carreras

Analytics Engineer: profesión, SQL, modelado y competencias

El Analytics Engineer construye una capa de datos fiable para analistas y usuarios de negocio. Transforma datos brutos, modela conceptos, añade tests y documentación y aplica prácticas de ingeniería al código analítico.

¿A quién se dirige este artículo?

Data Analysts que quieren industrializar transformaciones, perfiles SQL/BI y equipos que necesitan distinguir Analytics Engineer de Data Engineer y Data Analyst.

Lo que hay que comprender

Trabaja entre la infraestructura y el análisis, centrado en transformar datos y hacerlos reutilizables.

Las prácticas clave incluyen SQL mantenible, modelado dimensional, tests, documentación, Git, CI/CD analítico, lineage y observabilidad.

Por qué esta competencia es importante hoy

Cuando varios equipos recalculan el mismo KPI, las definiciones divergen y baja la confianza.

Los data warehouses cloud y workflows ELT han reforzado esta profesión.

Qué se hace realmente con esta competencia

Transformar datosConvertir fuentes brutas en modelos analíticos.
Modelar conceptosCrear hechos, dimensiones y métricas comunes.
Probar calidadAutomatizar controles.
Documentar y trazarExplicar procedencia y transformaciones.
Desplegar cambiosVersionar y publicar código analítico.

Ejemplo concreto: Unificar el cálculo de ingresos

Finanzas, ventas y marketing usan tres definiciones diferentes del mismo KPI.

Problema : Definir con precisión el objetivo profesional que debe resolverse.

Contexto : Datos, usuarios, restricciones, riesgos y entorno técnico.

Competencias : SQL, Modelado, ELT, Tests de datos, Git.

Ejemplo : Convertir fuentes brutas en modelos analíticos.

Puesta en práctica : Construir una solución controlada, medir el resultado y documentar las decisiones.

Competencias que hay que dominar

El dominio profesional se construye progresivamente desde los fundamentos hasta la autonomía.

PrincipianteSQL, modelo relacional, BI, Git y calidad de datos.
IntermedioModelado dimensional, ELT, tests y documentación.
Avanzado / autónomoCI/CD analítico, lineage, observabilidad y gobierno de métricas.

Errores, límites y puntos de vigilancia

  • Duplicar cálculos.
  • No probar claves y relaciones.
  • Mezclar lógica de negocio con parches.
  • Cambiar métricas sin analizar impactos.
  • Descuidar documentación.

Cómo progresar

PrincipianteSQL, modelo relacional, BI, Git y calidad de datos.
IntermedioModelado dimensional, ELT, tests y documentación.
Avanzado / autónomoCI/CD analítico, lineage, observabilidad y gobierno de métricas.
Mandragore Learning Academy

Fórmate con Mandragore Learning Academy

Mandragore Learning Academy todavía no propone un itinerario profesional único llamado « Analytics Engineer ». SQL y Data Modeling & Pipelines son directamente relevantes, junto con Python, Cloud y Power BI.

El itinerario de competencias organiza estas formaciones alrededor del objetivo profesional.

Ver las formaciones recomendadas →
Itinerario de competencias asociado

Itinerario de competencias asociado

El itinerario de competencias asociado presenta las competencias esenciales, recomendadas y complementarias de la profesión.

Ver el itinerario de competencias →
Fuentes y referencias

Fuente Mandragore: config_metiers.php sigue siendo la fuente de verdad sobre la profesión y los itinerarios realmente disponibles.