Staff Data Engineer

Buscamos a un/a crack de los datos para liderar la evolución técnica de nuestra Data Platform . Tu misión principal será transformar los datos del negocio en infraestructura de decisión: confiable, trazable y accionable, reduciendo inconsistencias en áreas críticas como ventas, inventario, logística, finanzas y laboratorio. Trabajarás codo a codo con BI, Ingeniería de Software, Producto y Negocio para convertir datasets en productos de datos certificados y con un nivel de calidad impecable. ?? Responsabilidades clave: Evolución de la Data Platform: Definir la estrategia técnica orientada a negocio para evitar decisiones tardías o reprocesos por datos poco confiables. Data Products de Alto Impacto: Convertir datasets estratégicos (ventas, inventario, logística, finanzas) en productos de datos reutilizables, documentados y con dueños claros. Data Quality & Reliability: Diseñar mecanismos automáticos para asegurar que los datos estén frescos, completos y sin fallas que afecten la operación o el reporte ejecutivo. Data Contracts e Integración: Implementar contratos de datos entre productores y consumidores para prevenir cambios inesperados ( breaking changes ) en sistemas como Odoo, e-commerce, POS y CRM. Data Mesh & Ownership: Impulsar un modelo donde cada dominio (ventas, finanzas, etc.) sea responsable de la calidad de sus propios datos bajo estándares comunes. Observabilidad y Linaje: Crear un monitoreo end-to-end para detectar rápido el origen de cualquier falla en los pipelines y métricas oficiales del negocio. Gobernanza Pragmática: Diseñar estándares ligeros de documentación, acceso y privacidad que cuiden los datos sin frenar la velocidad del equipo. ?? Lo que buscamos en ti: Escolaridad: Ingeniería, Ciencias Computacionales, Ciencia de Datos, Matemáticas, Actuaría o carrera afín. Experiencia: Más de 5 años dándole con todo a la ingeniería y arquitectura de datos. Idioma: Inglés avanzado (lo necesitas para documentación y colaboración). Conocimientos Técnicos Críticos: Arquitectura Moderna: Data Warehouse, Lakehouse, Semantic Layer y procesamiento Batch/Near Real-Time. Prácticas de Data: Pipelines robustos (idempotentes y escalables), Data Quality (pruebas automáticas, validación de esquemas) y Analytics Engineering (modelos canónicos y métricas oficiales). Cultura Data Mesh: Fundamentos de contratos de datos, observabilidad, linaje y ownership distribuido. Ingeniería de Software Aplicada: Git, CI/CD para datos, testing automatizado y ambientes controlados. Software: El Core: SQL avanzado, Python, dbt (o equivalente), Airflow / Dagster y Git/GitHub. Ecosistema Cloud: Cloud Data Platforms (AWS, GCP o Azure). Plus: Si has usado herramientas como Trino, Spark, Kafka, Great Expectations, Soda, Monte Carlo, OpenMetadata, Snowflake o BigQuery. ?? ¿Te late el reto de poner orden al universo de datos óptico más chido de Latam? ¡Postúlate aquí y platicamos! Lo que busca la empresa Estudios Universitarios - no titulado