Head Operations Analytics

Ubicación: Medellín  (Híbrido / Campo)

Reporta a: VP de Business Operations

Idiomas: Español nativo o profesional completo / Inglés C1 (ambos indispensables)

Construir la columna vertebral de métricas operativas de la compañía (definiciones únicas, instrumentación y dashboards en tiempo real) y traducirla en decisiones concretas para Operaciones en Campo, Cadena de Suministro, CX y C-Level.

• Estandarizar métricas: Crear y defender la metodología y definición única de KPIs operativos (costo por instalación, costo por hogar pasado, productividad técnica, tiempos de resolución y unit economics).

• Diseñar y liderar dashboards: Construir tableros en tiempo real integrados a los comités operativos semanales y mensuales para guiar la toma de decisiones.

• Presencia en la operación real: Pasar tiempo en terreno con cuadrillas, técnicos y centros de distribución para entender qué miden realmente los datos antes de modelarlos.

• Auditoría e interlocución: Validar y defender cifras críticas ante el CFO y comités directivos.

• Articulación técnica: Gestionar requerimientos de nuevas fuentes de datos ante el equipo de Data Science bajo acuerdos de servicio (SLAs). (Nota: Plataforma, pipelines y modelos de ML están a cargo de Data Science).

• Primeros 90 días: Columna vertebral de métricas operativas estandarizada con responsables asignados; primer dashboard en vivo con datos actuales; auditoría de reproducibilidad de cifras de capacidad de red y hogares pasados.

• Primer año: Diagnóstico de la curva J traducido en palancas de unit economics; dashboard consolidado en la rutina directiva; al menos dos decisiones operativas de alto impacto ejecutadas a partir de sus análisis.

• Experiencia: 10+ años transformando datos en decisiones operativas y leyendo la interacción entre demanda, costo, capacidad y servicio (industria previa abierta; no enfocado únicamente en BI corporativo o financiero sobre capas de datos terminadas).

• Liderazgo analítico: Experiencia comprobable creando definiciones de métricas desde cero y alineando áreas con posturas divergentes.

• Tolerancia al desorden de datos: Comodidad trabajando con fuentes heterogéneas (Postgres, AWS, ERPs en transición, hojas de cálculo).

• Nivel técnico funcional:

  • Dominio experto en al menos una herramienta de BI (Power BI, Tableau, Looker, etc.).

  • SQL práctico y sólido para extraer, cruzar tablas, revisar queries ajenas y verificar datos en la fuente (no se exige SQL avanzado de memoria ni Python de producción).

  • Fluidez en herramientas asistidas por Inteligencia Artificial para acelerar análisis complejos.