Ingeniero de Analítica Staff

Requisitos imprescindibles:

• Más de 7 años en analytics engineering o data engineering centrados en la transformación y la arquitectura de almacenes de datos, con liderazgo de nivel Staff: marcando la dirección y elevando el nivel de los equipos.
• Haber liderado una migración o rediseño de almacén de datos a nivel organizacional, como una reestructuración de marts, el despliegue de una capa semántica o una revisión integral de pruebas y CI.
• Experiencia profunda en el rendimiento de consultas en motores distribuidos como Trino, Presto o Spark. Esto incluye la lectura de planes de consulta, la partición y el diseño de archivos en Apache Iceberg, y la materialización incremental.
• Un punto de vista claro sobre cuándo un conjunto de datos pertenece a un motor de consultas de lakehouse, a un motor OLAP en tiempo real como ClickHouse o a una capa semántica.
• Nivel experto en SQL y dbt, además de Python para transformaciones más allá de SQL.
• Experiencia definiendo contratos de datos y SLAs de frescura con los productores upstream, y comprensión de las compensaciones entre la ingesta mediante CDC y por lotes (batch).
• Capacidad para prosperar en la ambigüedad. Capaz de llevar un problema vago y de alto riesgo de 0 a 1 con una supervisión mínima.

Se valorará positivamente:

• Experiencia en producción modelando datos para ClickHouse u otro motor OLAP en tiempo real.
• IA y analítica agéntica: hacer que los datos sean utilizables por LLMs y agentes, y construir evaluaciones (evals).
• Familiaridad con Airflow, Airbyte y herramientas de CDC como Debezium o Redpanda.
• Experiencia en el dominio de corretaje (brokerage) o mercados financieros.

• Salario competitivo y opciones sobre acciones (Stock Options)
• Beneficios de salud
• Configuración de oficina en casa para nuevas contrataciones: pago único de 500 USD
• Estipendio mensual: 150 USD al mes mediante una tarjeta Brex

Sobre el equipo y el puesto

El equipo de Analytics Engineering construye el almacén de datos sobre el que opera Alpaca. Transforma cientos de millones de eventos diarios procedentes de bases de datos transaccionales, registros de API, CRM, sistemas de pago y plataformas de marketing en los conjuntos de datos que sustentan la facturación de socios, los informes regulatorios, los KPI ejecutivos, los productos orientados a socios y un número creciente de agentes de IA.

Como Staff Analytics Engineer, serás el responsable del futuro de nuestro almacén de datos: cómo se modela, cómo rinde y cómo se sirve. Trabajando con la Data Platform (responsable de la infraestructura y la ingesta), con Data Scientists y usuarios de negocio (que consumen tus modelos) y con el liderazgo (que confía en tu criterio para priorizar), no te limitarás a construir modelos. Definirás cómo toda la empresa modela, prueba y sirve datos fiables, y elevarás el nivel de todos los que lo hagan.

Nuestro equipo es 100% distribuido y remoto.

Responsabilidades:

• Establecer la dirección técnica multicuatrimestral para el almacén de datos. Esto incluye la estructuración por capas (staging, intermediate, marts), los límites de dominio, las estrategias de materialización e incrementales, y los estándares que mantienen más de 1.000 modelos de dbt rápidos, testeables y rentables a medida que crecemos 10 veces.
• Decidir qué modelos se sirven mediante consultas OLAP ad hoc en el lakehouse, cuáles pertenecen a un motor de analítica en tiempo real para uso interno y de socios con baja latencia, y cuáles se convierten en métricas gobernadas en una capa semántica.
• Acordar esquemas, SLAs de frescura y notificaciones de cambios con los propietarios de las fuentes, y elegir entre CDC o procesamiento por lotes (batch) para cada fuente basándose en las necesidades de los consumidores.
• Garantizar una precisión de nivel de céntimo en los datos financieros mediante pruebas, conciliación y patrones de write-audit-publish que eviten que se lancen errores silenciosos.
• Establecer estándares en toda la organización para el modelado, las pruebas y CI/CD, mentorizar a ingenieros y lograr la alineación entre equipos. Tu impacto debe reflejarse en el trabajo de los demás.
• Priorizar el trabajo que mueva las métricas de finanzas, operaciones y socios, y anticiparse a los problemas de escalabilidad, calidad y costes antes de que aparezcan.