Thaily Samaniego Figueroa 👋

Soy Ingeniera de Software con más de 4 años en el cruce entre desarrollo backend e inteligencia de negocio — construyo la infraestructura técnica que convierte datos en decisiones reales. Trabajo en el equipo de Business Intelligence de una empresa retail, donde no solo analizo datos sino que diseño y mantengo los sistemas que los hacen disponibles, confiables y accionables: pipelines automatizados, arquitecturas escalables y dashboards que los stakeholders realmente usan. Mi stack principal gira en torno a Python (Django, FastAPI, Selenium) , SQL avanzado y Snowflake como plataforma de data warehouse. He liderado migraciones de sistemas críticos, reducido tiempos de procesamiento en un 35% y estandarizado flujos de trabajo que mejoraron la estabilidad y colaboración del equipo. Actualmente profundizando en Data Engineering: arquitectura de pipelines, procesamiento distribuido con PySpark y mejores prácticas para sistemas de datos a escala. I'm a Software Engineer with 4+ years at the intersection of backend development and business intelligence — I build the technical infrastructure that turns raw data into decisions that actually matter. I work within the Business Intelligence team of a retail company, where my role goes beyond analysis: I design and maintain the systems that make data available, reliable, and actionable — automated pipelines, scalable architectures, and dashboards that stakeholders genuinely rely on. My core stack includes Python (Django, FastAPI, Selenium), advanced SQL, and Snowflake as a data warehouse platform. I've led critical system migrations, reduced processing times by 35%, and standardized workflows that improved deployment stability and team collaboration. I don't wait for perfect requirements to build good solutions — part of my job is clarifying the problem before writing the first line of code. That ability to bridge business needs and technical execution is what sets me apart. Currently deepening my expertise in Data Engineering: pipeline architecture, distributed processing with PySpark, and engineering best practices for data systems that scale.