Data Engineer

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!