ESPECIALISTA EN INGENIERÍA DE DATOS – PLAZO FIJO NUEVO

Objetivo del cargo

Diseñar y construir componentes de arquitectura de datos para proyectos en entornos on-premise y cloud, liderando técnicamente la implementación de dominios y productos de datos en el Data Lake, bajo los lineamientos definidos por el Líder de Ingeniería de Datos, asegurando la consistencia, calidad e integridad de los datos.

Principales funciones

-Diseñar, construir, probar y mantener arquitecturas de datos, dominios de datos y productos de datos, de acuerdo con las necesidades del negocio, en los entornos Cloud y On-premise

-Identificar formas de optimizar la confiabilidad, eficiencia y calidad de los datos y asegurar la implementación del linaje y catalogo de datos

-Integrar fuentes desde multiples fuentes internas y externas en el datalake, con técnicas de ETL/ELT/Streaming y optimizar los procesos de carga y exposición de dominios y productos de datos.

-Modelar, construir, validar y mantener soluciones BI, asegurando eficiencia y oportunidad en su generación.

Implementar procesos de data quality y validación.

-Innovar, proponer y crear soluciones de datos aplicando las tendencias tecnológicas actuales del mercado.

Perfil profesional y experiencia

-Licenciatura en Informática, Ingeniería de Sistemas, Ciencias de la computación o campos afines al cargo

-2 años de experiencia en Desarrollo de procesos ETL/ELT y en gestión de bases de datos relacionales y no relacionales (Oracle, SQL Server, Postgres, MySQL, Mongo DB), Data Lake y Data WareHouse

-1 año de experiencia en Desarrollo de proyectos de datos sobre Nubes públicas (Microsoft Azure, AWS o Google Cloud Platform) y manejo de herramientas de Integración y Despliegue Continuo en Producción (CI/CD)

Conocimiento en:

-Marcos de trabajo ágiles como SCRUM, Design Thinking, DataOps, entre otras y tecnologías Big Data distribuidas como Apache Hadoop, Apache Spark, Hive, etc

-Business Intelligence y uso de plataformas de analítica (Power BI, Tableau o similares)

-Azure Databricks, Azure Data Factory, Azure DevOps, Azure Synapse

-Máquinas Virtuales, Docker, Kubernetes, entre otras tecnologías de virtualización

-Tecnologías de streaming como Kafka, Storm, Spark-streaming, etc

-Librerías de Deep Learning como Tensorflow o PyTorch

-Modelos de Ciencia de Datos, Machine Learning, Deep Learning

Competencias

Orientación al logro con calidad

Trabajo en equipo

Gestión del cambio

Liderazgo