Data Engineer (SQL)
Posted Updated
Summary
A hybrid Data Ops/AI Enablement engineer in Madrid who spends ~60% of the time on data and analytics engineering: building ETL/ELT pipelines with Python and SQL, ensuring data quality and modeling, and preparing datasets to power generative AI solutions by integrating LLM APIs rather than training models from scratch.
Buscamos un/a
Data Ops Engineer – AI Enablement
para incorporarse a un entorno profesional orientado al uso avanzado de datos, analítica e inteligencia artificial generativa.
Tu misión será garantizar que los datos estén correctamente integrados, estructurados, documentados y preparados para alimentar soluciones analíticas, automatizaciones y aplicaciones basadas en IA. 60 % Data / Analytics Engineering ~Buscamos una persona con experiencia práctica en datos y capacidad para integrar APIs de modelos de lenguaje. No es una posición enfocada en entrenar modelos desde cero, sino en preparar datos fiables y utilizarlos para construir soluciones de IA generativa que aporten valor real al negocio. ¿Desarrollar y mantener procesos ETL/ELT utilizando
Python y SQL
. Implementar controles de limpieza, normalización, validación y calidad del dato. Asegurar la consistencia, trazabilidad y disponibilidad de los datos. Diseñar modelos de datos relacionales y datasets preparados para analítica e IA. Utilizar herramientas GenAI para acelerar tareas de desarrollo, testing, análisis y documentación. Documentar transformaciones, reglas de negocio, modelos de datos, prompts y decisiones técnicas. Conocimientos sólidos de Python
, aplicados al tratamiento, transformación y automatización de datos. Dominio avanzado de SQL
, incluyendo joins complejos, CTEs, agregaciones, funciones de ventana y optimización básica de consultas. Experiencia práctica en procesos ETL/ELT productivos
. Experiencia trabajando con volúmenes de datos medios o grandes
. Experiencia con sistemas de control de versiones, especialmente
Git
. Experiencia integrando APIs de LLMs en soluciones técnicas
. Participación práctica en proyectos de inteligencia artificial generativa
. Entre 3 y 4 años de experiencia
en Data Engineering, Data Ops, Analytics Engineering, automatización, GenAI o posiciones similares.
Se valorará positivamente experiencia o familiaridad con: Data lakes, data warehouses y arquitecturas lakehouse. Plataformas cloud y entornos modernos de datos. LangChain, LlamaIndex, Semantic Kernel, Hugging Face, OpenAI API o Azure OpenAI. Embeddings, RAG, búsqueda semántica y bases de datos vectoriales. FAISS, Chroma, Pinecone, Weaviate o Azure AI Search. Calidad, privacidad, seguridad y gobierno del dato. Uso responsable de IA en entornos regulados o financieros. Una persona: Analítica, metódica y orientada a la calidad. Autónoma para avanzar en tareas técnicas con una supervisión razonable. Proactiva a la hora de detectar mejoras en pipelines y procesos. Con buenas habilidades de comunicación y documentación técnica. Con curiosidad por las nuevas tecnologías de datos e IA generativa. Incorporación a un proyecto con foco real en datos e inteligencia artificial generativa. Participación en soluciones con aplicación directa en el negocio. Entorno de aprendizaje y evolución profesional. xbhjioe Posibilidad de trabajar con arquitecturas modernas de datos y GenAI.
Data Ops Engineer – AI Enablement
para incorporarse a un entorno profesional orientado al uso avanzado de datos, analítica e inteligencia artificial generativa.
Tu misión será garantizar que los datos estén correctamente integrados, estructurados, documentados y preparados para alimentar soluciones analíticas, automatizaciones y aplicaciones basadas en IA. 60 % Data / Analytics Engineering ~Buscamos una persona con experiencia práctica en datos y capacidad para integrar APIs de modelos de lenguaje. No es una posición enfocada en entrenar modelos desde cero, sino en preparar datos fiables y utilizarlos para construir soluciones de IA generativa que aporten valor real al negocio. ¿Desarrollar y mantener procesos ETL/ELT utilizando
Python y SQL
. Implementar controles de limpieza, normalización, validación y calidad del dato. Asegurar la consistencia, trazabilidad y disponibilidad de los datos. Diseñar modelos de datos relacionales y datasets preparados para analítica e IA. Utilizar herramientas GenAI para acelerar tareas de desarrollo, testing, análisis y documentación. Documentar transformaciones, reglas de negocio, modelos de datos, prompts y decisiones técnicas. Conocimientos sólidos de Python
, aplicados al tratamiento, transformación y automatización de datos. Dominio avanzado de SQL
, incluyendo joins complejos, CTEs, agregaciones, funciones de ventana y optimización básica de consultas. Experiencia práctica en procesos ETL/ELT productivos
. Experiencia trabajando con volúmenes de datos medios o grandes
. Experiencia con sistemas de control de versiones, especialmente
Git
. Experiencia integrando APIs de LLMs en soluciones técnicas
. Participación práctica en proyectos de inteligencia artificial generativa
. Entre 3 y 4 años de experiencia
en Data Engineering, Data Ops, Analytics Engineering, automatización, GenAI o posiciones similares.
Se valorará positivamente experiencia o familiaridad con: Data lakes, data warehouses y arquitecturas lakehouse. Plataformas cloud y entornos modernos de datos. LangChain, LlamaIndex, Semantic Kernel, Hugging Face, OpenAI API o Azure OpenAI. Embeddings, RAG, búsqueda semántica y bases de datos vectoriales. FAISS, Chroma, Pinecone, Weaviate o Azure AI Search. Calidad, privacidad, seguridad y gobierno del dato. Uso responsable de IA en entornos regulados o financieros. Una persona: Analítica, metódica y orientada a la calidad. Autónoma para avanzar en tareas técnicas con una supervisión razonable. Proactiva a la hora de detectar mejoras en pipelines y procesos. Con buenas habilidades de comunicación y documentación técnica. Con curiosidad por las nuevas tecnologías de datos e IA generativa. Incorporación a un proyecto con foco real en datos e inteligencia artificial generativa. Participación en soluciones con aplicación directa en el negocio. Entorno de aprendizaje y evolución profesional. xbhjioe Posibilidad de trabajar con arquitecturas modernas de datos y GenAI.