Este aviso fue publicado originalmente en inglés, así que es probable que necesites inglés para este puesto. La descripción puede estar traducida automáticamente al español; ante la duda, revisá el aviso original con el botón de postularte.
Empresa cliente de Pavago busca un Ingeniero/a de Datos para diseñar, construir y mantener infraestructura de datos escalable, trabajando de forma remota y con horario de cliente de EE.UU.
Por qué aplicar
Si sos Data Engineer y buscás un puesto remoto con flexibilidad horaria, esta es tu oportunidad. Podrás diseñar y construir infraestructura de datos escalable para un cliente de EE.UU., trabajando con tecnologías de vanguardia.
Descripción del puesto
Data Engineer – Puesto Remoto Tipo de puesto: Full-Time, Remoto Horario de trabajo: Horario comercial del cliente de EE. UU. (flexibilidad para monitoreo de pipelines, despliegues y ciclos de actualización de datos). Acerca del rol En Pavago, uno de nuestros clientes está contratando un Data Engineer para diseñar, construir y mantener una infraestructura de datos escalable que impulse la analítica, los reportes y la toma de decisiones comerciales. Construirás pipelines de datos confiables, optimizarás data warehouses, asegurarás la calidad de los datos y colaborarás con los equipos de ingeniería, analítica y de negocio para entregar soluciones de datos confiables y de alto rendimiento. Qué harás: Pipelines de datos e integración - Construir y mantener pipelines ETL/ELT usando Python, SQL o Scala. - Orquestar flujos de trabajo con Airflow, Prefect, Dagster o herramientas similares. - Integrar datos de APIs, bases de datos, plataformas SaaS, archivos y fuentes de streaming. - Desarrollar flujos de ingesta de datos escalables. Data Warehousing y Modelado - Gestionar data warehouses en la nube como Snowflake, BigQuery o Redshift. - Diseñar modelos y esquemas de datos escalables. - Optimizar el rendimiento del warehouse mediante particionamiento, clustering e indexación. - Construir datasets listos para analítica para reportes y BI. Calidad y Gobernanza de Datos - Implementar validación, monitoreo y detección de anomalías. - Mantener documentación, linaje y estándares de gobernanza de datos. - Asegurar procesos de datos confiables y listos para auditoría. - Monitorear la salud de los pipelines y resolver fallos de forma proactiva. Streaming y Procesamiento en Tiempo Real - Construir y mantener pipelines de datos en tiempo real. - Soportar arquitecturas orientadas a eventos y plataformas de streaming. - Optimizar el rendimiento y la confiabilidad de los flujos de trabajo de streaming. Colaboración y Analítica - Colaborar con analistas, científicos de datos y equipos de negocio. - Soportar iniciativas de reportes en Power BI, Tableau, Looker o plataformas similares. - Traducir requerimientos de negocio en soluciones de datos escalables. - Documentar pipelines, flujos de trabajo y modelos de datos. Infraestructura y Automatización - Desplegar servicios de datos usando Docker y Kubernetes. - Soportar pipelines CI/CD e infraestructura en la nube. - Mejorar la escalabilidad, confiabilidad y eficiencia de costos del sistema. Experiencia y Habilidades Requeridas - Más de 3 años de experiencia en Data Engineering, Infraestructura de Datos o Back-End Engineering. - Sólidas habilidades en Python y SQL. - Experiencia con Snowflake, BigQuery, Redshift o data warehouses en la nube similares. - Experiencia práctica con Airflow, Prefect o herramientas de orquestación similares. - Fuerte entendimiento de pipelines ETL/ELT y modelado de datos. - Experiencia con AWS, Azure o Google Cloud. Sería un plus: - Experiencia con dbt. - Kafka, Kinesis, Pub/Sub u otras plataformas de streaming. - AWS Glue, GCP Dataflow o Azure Data Factory. - Docker, Kubernetes, Terraform o pipelines CI/CD. - Experiencia en industrias como salud, fintech, SaaS u otras industrias reguladas. - Experiencia optimizando el rendimiento del warehouse y costos en la nube. Cómo es un día típico: - Monitorear la salud de los pipelines y solucionar fallos. - Construir y mantener pipelines de ingesta de datos. - Optimizar consultas SQL y el rendimiento del warehouse. - Entregar datasets confiables para analítica y reportes. - Implementar monitoreo y controles de calidad de datos. - Documentar pipelines y modelos de datos. En resumen: Construirás y mantendrás infraestructura de datos confiable que permita reportes, analítica y decisiones de negocio precisas. Métricas Clave de Éxito - 99%+ de uptime de pipelines. - Frescura de datos mantenida dentro de los objetivos SLA. - Alta calidad de datos con mínimos problemas downstream. - Mejora del rendimiento del warehouse y optimización de costos. - Entrega confiable de datasets escalables. - Alta satisfacción de los stakeholders. Proceso de Entrevista 1. Revisión de la aplicación. 2. Video introductorio Spark Hire (3–5 minutos). 3. Evaluación técnica (Ejercicio de Pipeline ETL o SQL). 4. Entrevista con el cliente. 5. Oferta y Onboarding. Qué sucede después de aplicar: Después de enviar tu aplicación, recibirás una invitación por email de Spark Hire para grabar un breve video introductorio de 3 a 5 minutos. Este es el primer paso en nuestro proceso de contratación y puedes completarlo cuando te sea conveniente. En lugar de múltiples llamadas de screening, tendrás una oportunidad para presentarte, discutir tu experiencia en data engineering y destacar tu trayectoria en pipelines de datos, plataformas en la nube, SQL, Python y data warehousing. Tu video será revisado antes de avanzar en el proceso de entrevista. Puedes grabar tu video tantas veces como quieras antes de enviarlo; solo se revisará tu versión final. Por favor, revisa tanto tu bandeja de entrada como la carpeta de spam para tu invitación de Spark Hire después de aplicar. Aplica ahora Si disfrutas construyendo pipelines de datos escalables, optimizando plataformas de datos en la nube y entregando datos confiables que impulsan las decisiones de negocio, nos encantaría saber de ti. ¡Aplica hoy y ayuda a potenciar la infraestructura de datos detrás de una organización en crecimiento!
Responsabilidades
- Diseñar, construir y mantener pipelines ETL/ELT
- Orquestar flujos de trabajo
- Integrar datos de diversas fuentes
- Desarrollar flujos de ingesta de datos escalables
- Gestionar data warehouses en la nube
- Diseñar modelos y esquemas de datos escalables
- Optimizar el rendimiento de data warehouses
- Construir datasets listos para análisis
- Implementar validación, monitoreo y detección de anomalías
- Mantener documentación, linaje y estándares de gobernanza de datos
- Asegurar procesos de datos confiables y auditables
- Monitorear la salud de los pipelines y resolver fallos
- Construir y mantener pipelines de datos en tiempo real
- Soportar arquitecturas orientadas a eventos y plataformas de streaming
- Optimizar el rendimiento y la fiabilidad de flujos de streaming
- Colaborar con analistas, científicos de datos y equipos de negocio
- Soportar iniciativas de reporting
- Traducir requerimientos de negocio en soluciones de datos escalables
- Documentar pipelines, flujos de trabajo y modelos de datos
- Desplegar servicios de datos usando Docker y Kubernetes
- Soportar pipelines de CI/CD e infraestructura en la nube
- Mejorar la escalabilidad, fiabilidad y eficiencia de costos del sistema
Habilidades
Diseño de modelos de datosGestión de data warehousesOptimización de rendimiento de data warehousesMonitoreo de pipelines de datosResolución de fallos en pipelinesDocumentación de pipelinesDocumentación de modelos de datosColaboración con equipos de análisisColaboración con equipos de negocioTraducción de requerimientos de negocioProactividadResolución de problemas