Data Engineer Lead
Summary
Lead the end-to-end data architecture—ingestion, processing, modeling, and consumption—using Python, PySpark, Airflow, and AWS services to enable reliable reporting and LLM-driven analytics at scale.
Objetivo del rol
Diseñar y evolucionar la arquitectura de datos end-to-end — ingestión, procesamiento, modelado y consumo — para habilitar reporting confiable, analítica y consumo por LLMs a escala.
Responsabilidades
- Diseñar y evolucionar la arquitectura de datos end-to-end
- Definir criterios y estándares para la construcción de datasets reutilizables
- Construir capas que habiliten reporting confiable y consumo por LLMs
- Diseñar modelado de datos alineado a necesidades de negocio
- Optimizar performance y costos sobre servicios AWS
- Identificar y corregir problemas de escalabilidad en pipelines, storage y queries
- Colaborar en la construcción de pipelines (Airflow, PySpark, Glue)
- Participar en decisiones de arquitectura e ingeniería de datos
- Analizar problemas de calidad de datos, consistencia y trazabilidad
- Contribuir a la evolución del stack evaluando trade-offs reales
Stack - CapaTecnologías Procesamiento
Python / PySpark Orquestación Airflow, AWS Glue Storage S3, formatos de metadata (Delta / Iceberg) Bases de datos Aurora RDS, Athena, Redshift Consumo Power BI, LLMs / agents
Perfil requerido
- Experiencia diseñando pipelines y arquitecturas de datos en producción
- Experiencia con modelado de datos para analítica
- Experiencia con grandes volúmenes de datos (batch y/o near real-time)
- Procesamiento distribuido (Spark / PySpark)
- Conocimiento de data lakes y capas de metadatos (Delta, Iceberg, Hudi)
- Experiencia con orquestación (Airflow o similares)
- Buen entendimiento de performance en bases OLAP y OLTP
- Familiaridad con el ecosistema AWS
- Inglés técnico
- Plus: familiaridad con arquitecturas orientadas a eventos o streaming
Cómo trabajas
- Pensamiento sistémico — entiendes el sistema completo, no solo piezas aisladas
- Criterio técnico — tomas decisiones con trade-offs claros
- Ownership — tomas problemas abiertos y los llevas a solución concreta
- Pragmatismo — sabes cuándo estandarizar y cuándo resolver rápido
- Comunicación clara — explicas decisiones técnicas y sus implicaciones
- Orientación a negocio — entiendes que el valor está en cómo se usan los datos, no solo en cómo se procesan
Forma de trabajo
- Ciclos iterativos, orientados a problemas reales — no solo a tickets
- Discusión técnica y refinamiento en equipo como parte del día a día
- Criterio para priorizar entre deuda técnica, nuevas necesidades y evolución del sistema
- Se espera que propongas rutas técnicas para soluciones generales, no solo puntuales
El equipo
Serás parte de un equipo de datos de ~5 personas. Tu rol es elevar la calidad técnica del equipo y ayudar a que las decisiones de arquitectura escalen en el tiempo. Trabajarás de forma cercana con líderes técnicos, producto y otras áreas.
Lo que ofrecemos Equipo técnico pequeño y de alto nivel Problemas reales de escala — no casos de laboratorio Espacio para influir en decisiones de arquitectura desde el día uno Stack moderno con LLMs y agents como ciudadanos de primera clase Esquema híbrido en Monterrey, NL Sin burocracia, con foco absoluto en ejecución