Data Engineer (Semi-Senior)

Modalidad: Híbrido (Buenos Aires)

Seniority: Semi-Senior (3-5 años)

Contexto del rol

El Data Engineer trabajará codo a codo con el Arquitecto de Datos sosteniendo los flujos analíticos actuales sobre SQL Server / SSIS y, en paralelo, construyendo los nuevos pipelines en cloud a medida que se vaya definiendo el stack target. 

El foco está en garantizar las necesidades analíticas actuales del cliente (reporting, OBTs analíticos y soporte a modelos de churn) y en participar activamente en la evolución hacia una arquitectura moderna.



Responsabilidades principales 

• Construir y mantener pipelines de datos (SSIS + Airflow + Python).
• Migrar y refactorizar paquetes SSIS hacia las nuevas tecnologías cuando arranque la migración.
• Implementar modelado dimensional (hechos, dimensiones) y OBTs analíticos segúnel caso de uso.
• Colaborar con Data Science en feature engineering para modelos de churn.
• Garantizar calidad, testing y documentación de los pipelines. 
• Optimizar performance tanto en el legacy (SQL Server) como en el stack nuevo.

Requisitos

Must-have

• 3-5 años de experiencia en data engineering. 
• SQL Server + SSIS sólidos.
• SQL avanzado (CTEs, window functions, optimización de queries).
• Modelado dimensional y entendimiento de OBT.
• Python aplicado a data (Pandas, scripting, manejo de APIs). 
• Fundamentos de orquestación (Airflow o equivalente).
• Familiaridad con tecnología lakehouse (Databricks, Delta, Iceberg), al menos a nivel conceptual.

Diferenciales / deseables

• Airflow + Python productivos (no únicamente familiaridad).
• DBT. AWS básico (S3, Glue, Athena, Redshift).
• Spark / PySpark.
• Testing de datos (dbt tests, Great Expectations).
• Git y CI-CD básico para data.
• Haber colaborado en pipelines para modelos de churn.
• Inglés técnico para documentación.

Soft skills

• Curiosidad y orientación al aprendizaje (stack target en definición).
• Ownership end-to-end del trabajo.
• Comunicación clara con el arquitecto y con el equipo de Data Science.
• Atención al detalle y foco en la calidad de los datos.