Objetivo del cargo

Liderar técnicamente la plataforma de datos, asegurando información completa, actualizada, trazable y consistente con las fuentes, con acceso controlado para aplicaciones, BI y herramientas de IA.

Funciones

Diseñar y mantener pipelines de ingesta y transformación bajo arquitectura Medallion: Bronze, Silver y Gold.
Incorporar fuentes mediante cargas completas e incrementales, deduplicación y manejo de correcciones históricas.
Completar la evolución del lakehouse hacia Cloud Storage, BigQuery y Cloud Run.
Mantener APIs de consulta y desarrollar herramientas para que agentes de IA consulten datos de forma determinística.
Implementar autenticación, autorización y controles de acceso RBAC.
Preparar insumos para el Data Scientist y publicar los resultados de sus modelos.
Mantener la integración de datos con aplicaciones y plataformas BI.

Responsabilidades

Garantizar cuadratura contra los sistemas de origen y consistencia entre capas.
Monitorear frescura, cobertura y calidad de los datos.
Detectar y resolver incidentes, evitando fallas silenciosas.
Mantener trazabilidad de las respuestas: fuente, fecha de actualización y diferencias detectadas.
Migrar componentes a la nube sin interrumpir el servicio.
Controlar costos mediante presupuestos, cuotas y límites de consumo.
Implementar las reglas definidas por el Data Lead y preservar los contratos con los consumidores.

Requisitos obligatorios

Python sólido y experiencia con pruebas automatizadas.
SQL analítico avanzado: funciones de ventana, CTE y agregaciones complejas.
Modelado dimensional: hechos, dimensiones, granularidad e idempotencia.
Cargas incrementales, deduplicación y correcciones retroactivas.
Experiencia en producción con Dagster, Airflow, Prefect o equivalente.
Integración con bases de datos y sus drivers.
Construcción de APIs y manejo de autenticación, autorización y RBAC.
Git, pull requests, CI y Docker.
Autonomía, criterio para medir y adaptación a cambios de prioridad.

Conocimientos deseables

Parquet, particionamiento y motores analíticos como DuckDB.
Google Cloud Storage, BigQuery, Cloud Run e IAM.
Iceberg, Delta o patrones transaccionales sobre object storage.
SAP HANA, SAP Business One, Oracle, SQL Server y MongoDB.
FinOps y control de costos de almacenamiento y consultas.
MCP o function calling para integración con agentes de IA.
Protección de datos personales.

Stack actual: Python 3.12, Dagster, DuckDB, Parquet, FastAPI, Docker, GitHub Actions, Cloud Storage, BigQuery y PostgreSQL.

Data Engineer