EXPERTO SR EN INGENIERIA DE INTELIGENCIA DE DATOS

Bolsa Mexicana de Valores; Ciudad de México; Presencial; MXN 900.000 - 1.300.000; Jornada completa

Descripción de la vacante

Corporativo Mexicano del Mercado de Valores, sede en CDMX, busca un líder en analítica de negocio para traducir retos en soluciones analíticas de alto impacto. El rol abarca modelado estadístico, creación de dashboards y guiar proyectos desde necesidad hasta implementación, con enfoque en datos para toma de decisiones.

Se espera experiencia en EDA, KPIs, y desarrollo de modelos supervisados/no supervisados, con capacidad de trabajar con equipos de negocio y tecnología para entregar valor medible.

Formación

• 4+ años en analítica de negocio o BI con entrega de soluciones de impacto.
• 3+ años desarrollando modelos de ciencia de datos de punta a punta (exploración → feature engineering → modelado → despliegue → monitoreo).
• Experiencia en construcción y gobierno de métricas/KPIs de negocio, diseño de tableros ejecutivos y operativos, y automatización de reportes.
• Deseable: experiencia en soluciones con LLM orientadas al negocio.

Responsabilidades

• Levantar y documentar necesidades de las unidades de negocio mediante entrevistas, workshops y análisis de procesos (AS-IS / TO-BE), identificando problemas, hipótesis y criterios de éxito medibles (KPI/KRI).
• Traducir objetivos estratégicos y de negocio en requerimientos analíticos concretos
• Co-diseñar con las unidades de negocio los casos de uso analíticos, user stories y criterios de aceptación; priorizar el backlog y definir el roadmap de entregables (insights, modelos, tableros, automatizaciones) con base en impacto y viabilidad.
• Definir, calcular y gobernar KPIs/OKRs en coordinación con las áreas de negocio: establecer diccionario de métricas, reglas de cálculo, segmentaciones y criterios de calidad para garantizar consistencia en el monitoreo operativo y estratégico.
• Realizar análisis exploratorio y estadístico (EDA), detección de patrones y anomalías, y análisis de causa raíz orientados a responder preguntas concretas del negocio, priorizando la claridad del hallazgo sobre la complejidad técnica.
• Diseñar y construir tableros ejecutivos y reportes con narrativa orientada a decisión (data storytelling)
• Diseñar y desarrollar modelos supervisados y no supervisados (clasificación, regresión, clustering, forecasting, scoring) enfocados en resolver problemas concretos del negocio, seleccionando el algoritmo más adecuado según el contexto (árboles/boosting, regresión regularizada, series de tiempo, redes neuronales).
• Ejecutar el ciclo completo de modelado: feature engineering, selección de variables, validación cruzada, ajuste de hiperparámetros y evaluación con métricas de negocio acordadas (AUC, F1, RMSE, MAPE, etc.), comunicando resultados en términos comprensibles para audiencias no técnicas.
• Coordinar con Data Engineering/MLOps las estrategias de despliegue y operación de modelos en producción (batch/near real-time); asegurar versionamiento, monitoreo de drift y planes de reentrenamiento dentro de los SLAs definidos.
• Documentar supuestos, limitaciones e interpretabilidad de cada modelo, asegurando que los tomadores de decisión del negocio comprendan el alcance, confiabilidad y forma de uso correcto de los entregables analíticos.
• Identificar y diseñar casos de uso de negocio donde LLM/GenAI agrega valor real
• Aplicar técnicas de prompt engineering y patrones de arquitectura como RAG garantizando respuestas verificables.
• Definir y ejecutar marcos de evaluación de calidad para soluciones LLM
• Liderar el desarrollo de prototipos y pilotos con las áreas de negocio, medir impacto y articular el plan de escalamiento productivo.

Conocimientos

Ciencia de datos

Modelado estadístico

Power BI/Tableau

Comunicación con stakeholders

Educación

Maestría en Analítica/IA/Estadística

Herramientas

Python

SQL

Git

Descripción del empleo

Seleccione la frecuencia (en días) para recibir una alerta:

Empresa: Corporativo Mexicano del Mercado de Valores

Se parte de una de las empresas más emblemáticas de México.

Estamos comprometidos con el desarrollo y crecimiento de nuestros colaboradores.

Gracias a las personas que forman parte de la Bolsa Mexicana de Valores somos la empresa líder en el mercado.

Ser el puente entre el negocio y la ciencia de datos, traduciendo retos y oportunidades de las unidades de negocio en soluciones analíticas de alto impacto. El rol comprende profundamente los procesos y objetivos del negocio, aplica modelado estadístico y machine learning para generar insights accionables, integra soluciones con LLM/GenAI donde agrega valor, y acompaña a los equipos directivos en la adopción de una cultura basada en datos, garantizando que cada entregable (modelo, tablero, automatización o recomendación) esté alineado con los resultados esperados por la organización.

• Levantar y documentar necesidades de las unidades de negocio mediante entrevistas, workshops y análisis de procesos (AS-IS / TO-BE), identificando problemas, hipótesis y criterios de éxito medibles (KPI/KRI).
• Traducir objetivos estratégicos y de negocio en requerimientos analíticos concretos
• Co-diseñar con las unidades de negocio los casos de uso analíticos, user stories y criterios de aceptación; priorizar el backlog y definir el roadmap de entregables (insights, modelos, tableros, automatizaciones) con base en impacto y viabilidad.
• Definir, calcular y gobernar KPIs/OKRs en coordinación con las áreas de negocio: establecer diccionario de métricas, reglas de cálculo, segmentaciones y criterios de calidad para garantizar consistencia en el monitoreo operativo y estratégico.
• Realizar análisis exploratorio y estadístico (EDA), detección de patrones y anomalías, y análisis de causa raíz orientados a responder preguntas concretas del negocio, priorizando la claridad del hallazgo sobre la complejidad técnica.
• Diseñar y construir tableros ejecutivos y reportes con narrativa orientada a decisión (data storytelling)
• Diseñar y desarrollar modelos supervisados y no supervisados (clasificación, regresión, clustering, forecasting, scoring) enfocados en resolver problemas concretos del negocio, seleccionando el algoritmo más adecuado según el contexto (árboles/boosting, regresión regularizada, series de tiempo, redes neuronales).
• Ejecutar el ciclo completo de modelado: feature engineering, selección de variables, validación cruzada, ajuste de hiperparámetros y evaluación con métricas de negocio acordadas (AUC, F1, RMSE, MAPE, entre otras), comunicando resultados en términos comprensibles para audiencias no técnicas.
• Coordinar con Data Engineering/MLOps las estrategias de despliegue y operación de modelos en producción (batch/near real-time); asegurar versionamiento, monitoreo de drift y planes de reentrenamiento dentro de los SLAs definidos.
• Documentar supuestos, limitaciones e interpretabilidad de cada modelo, asegurando que los tomadores de decisión del negocio comprendan el alcance, confiabilidad y forma de uso correcto de los entregables analíticos.
• Identificar y diseñar casos de uso de negocio donde LLM/GenAI agrega valor real
• Aplicar técnicas de prompt engineering (plantillas estructuradas, few-shot, chain-of thought) y patrones de arquitectura como RAG (Retrieval-Augmented Generation) con fuentes internas, garantizando respuestas fundamentadas en información verificable de la organización.
• Definir y ejecutar marcos de evaluación de calidad para soluciones LLM
• Liderar el desarrollo de prototipos y pilotos con las áreas de negocio, medir impacto (tiempo ahorrado, calidad de salidas, nivel de adopción) y articular el plan de escalamiento productivo con los equipos de tecnología, asegurando controles de privacidad y seguridad de datos.
• Posgrado – Maestria en Analítica, Ciencia de Datos, Inteligencia Artificial, Estadística Aplicada o MBA con IA

AWS Certified AI Practicioner

Nota: Se valorarán certificaciones equivalentes en analítica, cloud, datos o business analysis.

• 4+ años en roles de analítica de negocio, business intelligence o consultoría analítica, con participación activa en la definición de estrategias de datos, interacción directa con stakeholders de negocio y entrega de soluciones con impacto medible.
• 3+ años desarrollando y poniendo en producción modelos de ciencia de datos o machine learning de punta a punta (exploración → feature engineering → modelado → despliegue → monitoreo), con foco en valor de negocio y no solo en precisión técnica.
• Trayectoria comprobable en la construcción y gobierno de métricas/KPIs de negocio, diseño de tableros ejecutivos y operativos, y automatización de reportes que hayan reemplazado procesos manuales o mejorado la calidad de la información disponible para la toma de decisiones.
• Experiencia deseable en el diseño e implementación de soluciones con LLM orientadas al negocio (p. ej., RAG sobre documentación interna, asistentes conversacionales, extracción y resumen de texto) incluyendo su evaluación de calidad y monitoreo en producción.
• Deseable: experiencia en sectores regulados (financiero, bursátil, seguros) con manejo responsable de datos sensibles, aplicando controles de privacidad, seguridad de la información y cumplimiento normativo en soluciones analíticas.

Conocimiento en estadística aplicada al negocio: inferencia, pruebas de hipótesis, regresión, muestreo, diseño y análisis de experimentos (A/B testing) y series de tiempo orientadas a pronóstico operativo y comercial

Conocimiento en fundamentos de ingeniería analítica (ETL/ELT, validación de datos, control de versiones con Git)

Conocimiento en herramientas de BI y visualización (Power BI, Tableau o Looker) con dominio de data storytelling

Conocimiento en levantamiento y documentación de requerimientos analíticos, mapeo de procesos, definición y gobierno de KPIs, elaboración de BRD/FRD/user stories con criterios de aceptación medibles, y gestión efectiva de stakeholders

Conocimiento en LLM/GenAI aplicado a casos de negocio

Conocimiento en Machine Learning aplicado al negocio: algoritmos supervisados y no supervisados, métricas de evaluación, validación, técnicas de interpretabilidad (SHAP, LIME) y monitoreo de desempeño en producción

Conocimiento en SQL

Conocimiento en uso de Python o Java para análisis con librerías como pandas, numpy, matplotlib

3.3 Adaptación al Cambio

3.4 Orientación al cliente

3.7 Negociación

4.5 Orientación a resultados

4.9 Integridad

Para más información sobre Grupo Bolsa Mexicana de Valores, visitawww.bmv.com.mx

¡Agradecemos el interés de todo aquel que quiera sumarse a la familia BMV!

“ En Grupo BMV nos hace fuerte la diversidad, por esto, todos nuestros procesos de atracción y contratación siempre estarán libres de toda distinción, exclusión, restricción o preferencia que, explícita o implícitamente discrimine a cualquier concursante por motivos como; más no limitados a sexo, género, edad, discapacidades, embarazo, preferencias sexuales, condición de salud, origen étnico o nacional, color de piel, apariencia física, o cualquier otro motivo que discrimine a cualquier solicitante”