Data Enginner - Remoto (Múltiples locaciones)

Department: Operations

Employment Type: Full Time

Location: Chile

Description

Responsabilidades

• Indicadores de éxito: Porcentaje de disponibilidad de pipelines, tiempo promedio de recuperación ante fallas y nivel de satisfacción de usuarios internos respecto a la disponibilidad y confiabilidad de datos.
  
  

• Indicadores de éxito: Reducción de costos de infraestructura (costo/GB procesado o almacenado), reducción en tiempos promedio de ejecución de procesos o queries, y aumento en la eficiencia del consumo de datos (tiempo de entrega vs. demanda).
  
  

• Indicadores de éxito: Porcentaje de datasets catalogados en el catálogo corporativo, porcentaje de cumplimiento de nomenclaturas, índice de calidad de datos y porcentaje de datasets basados en arquitectura Medallion.

• Indicadores de éxito: Reducción en número y severidad de incidentes reportados, porcentaje de cumplimiento de SLAs en performance/disponibilidad, y velocidad de adaptación (tiempo promedio en implementar mejoras).
  
  

Requisitos

1. SQL: Diseño de queries eficientes, con nomenclatura clara, uso de metadata y patrones de calidad.
2. Componentes Cloud (GCP): Uso de servicios core (BigQuery, Dataform, Cloud Storage, Cloud Run) para levantar infraestructura escalable, segura y costo-eficiente.
3. DevOps: Uso de GitLab, Terraform y CI/CD.
4. Ingeniería de Prompt: Diseño y optimización de prompts para integrar IA generativa en flujos de datos y automatizaciones.
5. Arquitectura Medallion: Diseño y estandarización de capas Bronze/Silver/Gold, incluyendo criterios de promoción entre capas.
6. Gobierno de Datos y Compliance: Operativización de políticas de gobernanza (nomenclatura, catalogación, calidad), control de accesos por roles/IAM y policy tags, asegurando el apego a GDPR, LGPD, ISO y normativas locales.

1. Comunicación: Adaptación de mensajes técnicos y no técnicos según la audiencia, incluso a nivel estratégico.
2. Colaboración: Cooperación transversal con distintos roles y squads para fomentar sinergia y resolución conjunta.
3. Resolución de problemas: Liderazgo de soluciones innovadoras ante problemas complejos de datos.
4. Mentoring: Guía a colegas en prácticas de ingeniería de datos para el desarrollo profesional del equipo.
5. Pensamiento crítico: Evaluación de decisiones técnicas y estratégicas cuestionando supuestos.
6. Aprendizaje continuo: Promoción de una cultura de aprendizaje e integración de nuevas prácticas y herramientas.
7. Entendimiento de negocio: Conexión de modelos y pipelines con el journey end-to-end, KPIs/OKRs core y casos de uso de alto impacto, priorizando el backlog según valor.

Modalidad