Estamos buscando un(a) Ingeniero(a) de Datos Senior con sólida experiencia en plataformas de datos en la nube, especialmente en el ecosistema de Google Cloud Platform (GCP). Este(a) profesional será responsable de diseñar, construir, mantener y monitorear pipelines de datos escalables y resilientes, garantizando alto rendimiento, gobernanza y confiabilidad de la información en entornos analíticos.

Principales Competencias Técnicas

• Sólida experiencia en ingeniería de datos en la nube con enfoque en Google Cloud Platform (GCP), utilizando servicios como BigQuery, Cloud Storage, Dataflow, Dataproc, Pub/Sub, Cloud Functions y Composer.
• Experiencia en el desarrollo y optimización de pipelines de ingesta, transformación y procesamiento de datos a gran escala.
• Experiencia con Databricks o Spark para el procesamiento distribuido de datos.
• Implementación de observabilidad en pipelines de datos, utilizando herramientas de monitoreo, logging, métricas y alertas para garantizar la calidad y confiabilidad de la información.
• Experiencia en la creación de frameworks y plantillas reutilizables para la orquestación y estandarización de pipelines de datos.
• Prácticas de CI/CD aplicadas a proyectos de datos, incluyendo versionado de código, automatización de despliegues e integración continua.
• Aplicación de buenas prácticas de ingeniería de datos, como modelado de datos, particionamiento, gobernanza, catalogación y seguridad de la información.
• Experiencia en arquitectura y optimización de rendimiento en Power BI, incluyendo modelado de datos, DAX, gobernanza de workspaces y buenas prácticas para entornos corporativos.
• Gestión de accesos, identidad e integración entre entornos (IAM, políticas de seguridad y gobernanza de datos).

Diferenciales Deseables

• Certificaciones Google Cloud (GCP), como Professional Data Engineer o Professional Cloud Architect.
• Experiencia con grandes volúmenes de datos (Big Data) y arquitecturas orientadas a eventos.
• Conocimiento en herramientas como Apache Airflow / Cloud Composer, dbt, Spark u otras soluciones de orquestación y transformación de datos.
• Experiencia con arquitecturas modernas de datos (Data Lake, Lakehouse, Data Mesh).
• Mentalidad DevOps/DataOps, con enfoque en automatización, calidad y confiabilidad de pipelines.