¿Tienes experiencia en análisis de datos, Power BI, Python y SQL y te interesa aplicarla al ámbito de infraestructura tecnológica y Asset Management ?

En Fervimax buscamos incorporar un/a Consultor/a Data Analytics & Asset Management con iniciativa, capacidad analítica y sólida base técnica.

Buscamos un perfil con aproximadamente 5 años de experiencia en infraestructura, Asset Management, reporting, calidad del dato, analítica o automatización.

Ubicación: Madrid / Las Rozas

Modelo híbrido: aproximadamente 1 día al mes presencial

- Analizar y modelar datos de infraestructura con Python, SQL y Power Query .
- Desarrollar dashboards avanzados en Power BI y DAX para el seguimiento de KPI, riesgos y obsolescencia.
- Trabajar con modelos analíticos y de Machine Learning para predicción y priorización de actuaciones.
- Evaluar y mejorar la calidad y trazabilidad de datos de CMDB e inventarios .
- Automatizar procesos ETL y participar en iniciativas de IA aplicada a Asset Management .
- Elaborar informes y presentar insights a clientes,



stakeholders y equipos técnicos.
- Experiencia avanzada en Python, SQL/T-SQL, Power BI, DAX y Power Query/Lenguaje M .
- Nivel avanzado de Excel .
- Conocimientos de modelos analíticos, regresiones, series temporales y/o Machine Learning.
- Conocimientos de infraestructura on-premise y cloud, CMDB, ITSM y Asset Management .
- Perfil analítico, autónomo, orientado a la calidad del dato y con buenas habilidades de comunicación.
- Se valorará experiencia con Microsoft Azure, Azure Databricks y Spark , así como experiencia en el sector bancario .
- Titulación Superior en Ingeniería Informática, Ciencia de Datos, Matemáticas o similar . Se valorará Máster relacionado con Analítica de Datos, Cloud o IA.
- Modelo de trabajo 95% remoto , con presencialidad aproximada de 1 día al mes en Madrid o Las Rozas .
- Posibilidad de continuar creciendo y asumir mayor responsabilidad dentro del servicio.

#J-18808-Ljbffr

📌 Consultor/a Data Analytics & Asset Management (Madrid)
🏢 Fervimax Group
📍 Madrid