Data Engineer Semi Senior

Buscamos un Data Engineer con sólida experiencia en el ecosistema de Google Cloud Platform, capaz de diseñar, desarrollar y mantener pipelines de datos robustos y escalables. El rol implica trabajar en proyectos de implementación donde la calidad, trazabilidad y eficiencia del dato son prioridad. Si te apasiona transformar datos en activos estratégicos y disfrutas resolver desafíos técnicos complejos en entornos cloud, esta oportunidad es para ti.

Responsabilidades principales Diseñar, desarrollar y mantener pipelines de datos confiables y escalables utilizando las herramientas del ecosistema Google Cloud Platform. Integrar diversas fuentes de datos mediante el consumo y exposición de APIs REST, garantizando la correcta ingestión y disponibilidad de la información.

Gestionar y transformar datos en la nube utilizando Big. Query, Dataform y Cloud Storage, asegurando consistencia, calidad y rendimiento en cada capa del modelo de datos. Implementar flujos de mensajería y procesamiento de eventos en tiempo real a través de Pub/Sub, coordinando la orquestación entre servicios. Documentar los procesos, arquitecturas de datos y decisiones técnicas para garantizar la mantenibilidad y transferencia de conocimiento en el equipo.

Colaborar con equipos de Analytics, Ingeniería y Producto para comprender los requerimientos de negocio y traducirlos en soluciones de datos eficientes. Experiencia mínima de 3 años en roles de Data Engineering, con participación activa en proyectos de implementación de pipelines en entornos productivos. Dominio de Google Cloud Platform, incluyendo Big.

Query, Dataform, Pub/Sub y Cloud Storage como componentes principales del stack de datos. Sólido manejo de Python para el desarrollo de scripts de transformación, automatización de procesos y consumo de APIs. Capacidad avanzada en SQL para modelado, consultas complejas, optimización de queries y construcción de modelos analíticos en Big.

Query. Experiencia en integración con APIs REST: autenticación, paginación, manejo de errores y normalización de datos provenientes de distintas fuentes. Conocimiento de buenas prácticas de ingeniería de datos: versionado de código, testing de pipelines, gestión de dependencias y documentación técnica.