> Markdown version of [/jobs/ext/1001534-data-analyst-decathlon](https://www.wearedevelopers.com/jobs/ext/1001534-data-analyst-decathlon). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Data Analyst Decathlon - **Company:** Decathlon España - **Location:** San Sebastián de los Reyes, Spain - **Contract:** Apprenticeship - **Skills:** Artificial Intelligence, Airflow, Cloud Computing, Code Generation, Code Review, Databases, Python (Programming Language), NumPy, SQL Databases, Tableau (Software), Large Language Models, Apache Spark, Generative AI, Pandas, Matplotlib, Pyspark, Statistics Packages, Plotly, Software Version Control, Databricks - **Published:** June 30, 2026 - **Apply:** https://careers.talentclue.com/es/node/126716116/4590/modalbrowser ## About the Role * Autonomía técnica en el ciclo completo * Ser capaz de ir desde la fuente hasta el insight de manera transparente: extraer, transformar, modelar, visualizar y comunicar sin depender sistemáticamente de otros roles asegurando un buen linaje de los datos. * Contribuir a la documentación del catálogo de datos, definiciones de métricas y linaje para que el conocimiento no viva solo en personas sino en sistemas., * Capacidad de formular buenas preguntas antes de responderlas: entender el problema de negocio, no solo ejecutar la petición. * Experiencia trabajando en negocio o con stakeholders no técnicos: traducir hallazgos complejos en narrativa clara y recomendaciones concretas. * Hábito de pensar en métricas: rigor en la definición, discusión y validación de KPIs, con capacidad para detectar métricas vanidosas o mal formuladas. Stack técnico (core) * SQL avanzado: Escritura eficiente, optimización de queries, comprensión del modelo de datos subyacente. Es una competencia clave. * Python para análisis: Pandas, PySpark, Numpy, visualización (matplotlib, seaborn, Plotly), estadística (scipy, statsmodels). No se espera perfil de ingeniero de software, sí autonomía para explorar y automatizar. * Uso de herramientas de Business Intelligence como Tableau o similares: experiencia real construyendo dashboards orientados al usuario final. Ingeniería Analítica * Dominio de dbt: Capacidad para diseñar y mantener pipelines de transformación (ETLs) robustos, aplicando mejores prácticas de ingeniería de datos. * Ecosistema Cloud (Databricks): Experiencia práctica en entornos Lakehouse (Databricks/Spark) y uso fluido de notebooks para análisis avanzado y despliegue de modelos. * Control de versiones: Uso profesional de Git/GitHub para el control de versiones, revisión de código y colaboración en repositorios compartidos. Mindset * Pensamiento Crítico y Resolución Creativa: Capacidad para abordar problemas complejos con pensamiento lateral, diseñando soluciones técnicas creativas y pivotando con agilidad cuando las necesidades del negocio o los datos evolucionan. * Curiosidad sobre el origen del dato: quien lo genera, cómo llega, qué puede estar mal. El mejor perfil para este rol es quien se frustra con datos sucios y hace algo al respecto. * Orientación al impacto: no termina cuando el análisis está hecho, sino cuando la decisión se tomó o el problema se resolvió. * Comodidad con la ambigüedad: capacidad de avanzar con información imperfecta y hacer explícitas las asunciones. Idiomas * English and Spanish: Fluidez total (C1) en ambos idiomas tanto en hablado como en escritura. El rol requiere reuniones y presentar informes en un entorno 100% internacional. Bonus (lo valoraremos positivamente si ya lo traes) * Conocimiento de técnicas estadísticas aplicadas: tests A/B, regresión, análisis de cohortes, detección de anomalías. * Familiaridad con herramientas de orquestación (Airflow) aunque sea como consumidor de pipelines. * Conocimiento del sector retail / deportes: comportamiento de cliente, omnicanalidad, pricing, gestión de stock. * Interés o primeros pasos en IA generativa aplicada al análisis: uso de LLMs para exploración de datos, generación de código SQL, resumen de insights. ## Description El equipo de Datos e Inteligencia Artificial trabaja diariamente en la búsqueda de oportunidades para generar valor. Prototipamos, validamos hipótesis con los equipos de negocio y desplegamos todo el talento, trabajo en equipo y tecnología necesarios para construir productos de datos que tengan el mayor impacto posible a escala (millones de usuarios en decenas de países), haciendo que el deporte sea accesible para el mayor número de personas. Construimos productos digitales basados en Datos e IA para la creación de una gran plataforma digital deportiva., * Analítica y generación de Insights: * Transformar desafíos de negocio en proyectos analíticos de alto impacto, liderando la exploración, diagnóstico de KPIs y detección de oportunidades estratégicas que guíen la toma de decisiones basada en evidencia. * Actuar como socio estratégico de los equipos de negocio y producto, estandarizando definiciones de métricas y garantizando una interpretación rigurosa de los resultados para optimizar la hoja de ruta. * Ejecutar análisis avanzados ad-hoc (desde elementos descriptivos o diagnósticos básicos hasta técnicas más complejas) e incluso acompañar a los data scientists si es necesario cuando apliquen modelos de forecasting o segmentación o atribución, asegurando que los insights sean comprensibles y aplicables por el negocio. * Simplificar y certificar en lo existente, y complementar construyendo/manteniendo lo nuevo; los activos de visualización (Tableau) para establecer una base de datos confiable, eficiente y conocida por toda la organización. * Sobre esta base, evolucionar el servicio mediante la implementación de alertas automáticas de performance y la creación de una capa semántica de datos que sirva para construir sistemas conversacionales orientados a la autonomía y el autoservicio., * Diseñar, mantener y evolucionar modelos de datos robustos en la capa de transformación (dbt o PySpark), garantizando la creación de Data Marts optimizados, bien documentados y testeados para asegurar que otros equipos puedan realizar un consumo confiable y escalable. * Colaborar con el equipo de plataforma e ingeniería en la definición de contratos de datos, criterios de calidad y gobierno de métricas, asegurando que las definiciones de negocio están versionadas (as-code) y centralizadas para que sean la fuente única de verdad y se eviten silos de información. * Identificar proactivamente anomalías o problemas de calidad del dato. Implementación de tests automatizados, elevando el Data Trust Score y asegurando el cumplimiento de los SLAs de frescura y precisión exigidos por el negocio. * Participar en decisiones de modelado que afecten a la capa analítica: granularidad, dimensiones, historización, joins recurrentes. ## Related Videos - [Python Data Visualization @ Deepnote (w/ PyViz overview)](https://www.wearedevelopers.com/videos/113-python-data-visualization-deepnote-w-pyviz-overview) - [Vectorize all the things! Using linear algebra and NumPy to make your Python code lightning fast.](https://www.wearedevelopers.com/videos/562-vectorize-all-the-things-using-linear-algebra-and-numpy-to-make-your-python-code-lightning-fast) - [Advanced Typing in TypeScript](https://www.wearedevelopers.com/videos/496-advanced-typing-in-typescript) - [Data Science in Retail](https://www.wearedevelopers.com/videos/586-data-science-in-retail) - [Data Science on Software Data](https://www.wearedevelopers.com/videos/162-data-science-on-software-data) - [Getting to Know Your Legacy (System) with AI-Driven Software Archeology](https://www.wearedevelopers.com/videos/1437-getting-to-know-your-legacy-system-with-ai-driven-software-archeology) ## Related Articles - [MLops – Deploying, Maintaining And Evolving Machine Learning Models in Production](https://www.wearedevelopers.com/magazine/115-mlops-deploying-maintaining-and-evolving-machine-learning-models-in-production) - [Graph and AI Trends 2026: Why Is AI Running but Not Yet Delivering?](https://www.wearedevelopers.com/magazine/680-graph-and-ai-trends-2026-why-is-ai-running-but-not-yet-delivering) - [Spanish Business Culture and Etiquette](https://www.wearedevelopers.com/magazine/353-spanish-business-culture-and-etiquette) - [Coffee with Developers - Maria Apazoglou - Making AI understandable for all in production](https://www.wearedevelopers.com/magazine/475-coffee-with-developers-maria-apazoglou-making-ai-understandable-for-all-in-production) - [Résumé-Driven Development: How IT trends affect the job market for software developers](https://www.wearedevelopers.com/magazine/59-resume-driven-development-how-it-trends-affect-the-job-market-for-software-developers) - [Navigating the AI Shift](https://www.wearedevelopers.com/magazine/629-navigating-the-ai-shift)