Hub Leader Data Engineering – AI Software Engineering Office

En Yel, empresa líder en IT Outsourcing Services con alcance global, buscamos un Hub Leader Data Engineering AI Software Engineering Office para sumarse al equipo de profesionales. Ubicación: Ciudad de Buenos Aires Modalidad: Híbrida | LunVie de 8 a 17 hs ¿Qué buscamos en el rol a desempeñar? Objetivo: Acelerar el desarrollo en plataformas de datos y analítica, estandarizando pipelines, calidad y operación de modelos (DataOps + MLOps) en arquitectura lakehouse. Reporte a head of SEO, rol matricial. Responsabilidades Diseñar, desarrollar y mantener aceleradores de productividad para los equipos de ingeniería de datos, incluyendo templates, frameworks, componentes reutilizables, librerías, Golden Paths y automatizaciones que reduzcan el esfuerzo de desarrollo. Evaluar, seleccionar e incorporar herramientas de IA que incrementen la productividad del ciclo de desarrollo de soluciones de datos, habilitando capacidades como generación asistida de SQL, dbt, documentación, pruebas y análisis exploratorio mediante agentes de IA. Definir estándares corporativos de DataOps, MLOps y Data Quality, estableciendo lineamientos, activos reutilizables y capacidades comunes para CI/CD, observabilidad, calidad, versionado, monitoreo y gobierno de datos, facilitando su adopción por parte de los equipos de desarrollo. Desarrollar e integrar capacidades compartidas de gobierno, catálogo, trazabilidad y seguridad de datos que puedan ser reutilizadas por los diferentes equipos de ingeniería, asegurando consistencia tecnológica y cumplimiento de las políticas corporativas. Realizar pruebas de concepto y evaluar nuevas tecnologías relacionadas con ingeniería de datos e Inteligencia Artificial, definiendo recomendaciones y planes de adopción para la organización. Trabajar en conjunto con proveedores tecnológicos y equipos internos para implementar y evolucionar las capacidades de la plataforma de ingeniería de datos, asegurando su correcta integración con el ecosistema corporativo. Definir e implementar métricas que permitan medir la adopción, productividad e impacto de las capacidades desarrolladas, identificando oportunidades de mejora continua y promoviendo la evolución de las prácticas de ingeniería. Brindar acompañamiento técnico y mentoring a los equipos de desarrollo durante la adopción de nuevas herramientas, frameworks y prácticas de ingeniería de datos, actuando como referente técnico de la especialidad. Requisitos imprescindibles +10 años en data engineering productivo. Experiencia comprobable con pipelines en producción (Spark, dbt o equivalente) procesando volúmenes reales (TB+). Casos documentados de mejora en calidad de datos (reducción de incidentes, SLAs cumplidos). Dominio práctico de al menos uno de los Big Three: Databricks, Snowflake o Microsoft Fabric. Experiencia con automatización de pipelines y CI/CD para datos (Azure DevOps, GitHub Actions, dbt Cloud, Liquibase para esquemas). SQL avanzado y un lenguaje de programación de datos (Python o Scala). Deseables (nice-to-have) Databricks (Delta Lake, Unity Catalog, MLflow) y/o Snowflake (Snowpark, Streams & Tasks). SQL Server, Oracle Database u Oracle Cloud relevante para integración con sistemas industriales legacy. Pipelines de ML productivos (training, serving, monitoring) usando MLflow, SageMaker o Azure ML. Experiencia en arquitecturas data mesh o data fabric. Streaming en tiempo real (Kafka, Flink, Spark Structured Streaming). Experiencia comprobable en definición de métricas de productividad en ambiente Data Management. Beneficios Importantes e interesantes beneficios de contratación. ¿Te interesa el desafío? ¡Queremos conocerte!

Requerimientos

• Educación mínima: Secundaria
• 10 años de experiencia