San Francisco
Líder de Datos
Original: Data LeadSalario: desconocidoHíbridoSeniorDatos y machine learning
SQLBigQueryHubSpotdbtLLMRenewals and retention
Wonderschool, una empresa de software del sector software empresarial (SaaS), busca cubrir el puesto de Data Lead. Es un puesto híbrido en San Francisco, Estados Unidos. Lo clasificamos como un puesto de nivel senior en datos y machine learning. La oferta menciona BigQuery, HubSpot, dbt, LLM y SQL. Hay 15 puestos abiertos de Wonderschool en este sitio, 4 de ellos en IT e ingeniería.
Última revisión: 2026-10-27
Sobre Wonderschool
Software empresarial (SaaS) Empresa de producto de software 15 puestos abiertos, 27% en IT e ingeniería. Roles con más ofertas: Educación y docencia (12), Marketing y comunicación (3), Ventas (2).
Empleos similares
Data ScientistOriginal: Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 140K–160K / añoData Scientist Asociado/aOriginal: Associate Data ScientistJerry.ai · New York, New York | Chicago, Illinois | Boston, Massachusetts | San Francisco Bay AreaUSD 110K–140K / añoData AnalystOriginal: Data AnalystRVO Health · Charlotte, North Carolina, United StatesUSD 70K–95K / añoCientífico/a Investigador/a Principal - RiesgoOriginal: Principal Research Scientist - RiskNeara · New York CityUSD 180K–220K / añoData Scientist, GeoespacialOriginal: Data Scientist, GeospatialNeara · HoustonUSD 140K–160K / añoMachine Learning Engineer StaffOriginal: Staff Machine Learning EngineerPinterest · San Francisco, CA, US; Remote, USRemotoMiembro del Staff Técnico, Aprendizaje AutomáticoOriginal: Member of Technical Staff, Machine LearningAntioch · New York CityPresencialData ScientistOriginal: Data ScientistCenterfield · Los Angeles, CaliforniaUSD 95K–115K / año
| Modalidad | Híbrido |
| Nivel | Senior |
| Rol | Datos y machine learning |
| Países | Estados Unidos |
| Lenguajes | SQL |
| Datos clave | Stack: SQL, BigQuery, HubSpot, dbt, LLM |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos