Ingeniero de Datos Sénior

• Más de 5 años de experiencia profesional construyendo y operando sistemas de ingeniería de datos o backend intensivos en datos a escala.
• Sólida experiencia práctica en Python, incluyendo el desarrollo de servicios de backend y procesamiento de datos de grado de producción.
• Sólida experiencia en el diseño y construcción de pipelines de ingesta de datos y ETL/ELT escalables para conjuntos de datos grandes y heterogéneos.
• Buen instinto de ingeniería de datos, incluyendo modelado de datos, diseño de almacenamiento, evolución de esquemas, optimización de consultas, estrategias de caché y selección de patrones adecuados de procesamiento por lotes (batch) o en streaming.
• Experiencia práctica con Apache Spark o Databricks para el procesamiento de datos distribuidos.
• Experiencia con tecnologías de orquestación de flujos de trabajo como Prefect, Apache Airflow o equivalentes.
• Sólido conocimiento de modelado de datos, diseño de esquemas, estrategias de validación, transformación de datos y gestión de la calidad de los datos.
• Experiencia en el diseño de soluciones para la deduplicación de datos, resolución de entidades, enriquecimiento de datos, clasificación o vinculación de registros.
• Experiencia con bases de datos tanto relacionales como orientadas a documentos; conocimiento práctico de tecnologías como MongoDB o plataformas NoSQL comparables.
• Experiencia con tecnologías de búsqueda como OpenSearch, Elasticsearch o soluciones comparables.
• Sólida experiencia en AWS, incluyendo servicios como S3, ECS/EKS, Lambda o tecnologías nativas de la nube equivalentes.
• Experiencia práctica con Docker, Kubernetes, CI/CD y la operación de cargas de trabajo nativas de la nube en producción.
• Sólido conocimiento de las preocupaciones de los pipelines de datos en producción, incluyendo fiabilidad, tolerancia a fallos, observabilidad, monitorización, alertas y respuesta ante incidentes.
• Experiencia estableciendo y manteniendo estándares de gobernanza de datos, esquemas, reglas de validación y procesos repetibles de refinamiento de datos.
• Experiencia práctica utilizando herramientas de ingeniería de software asistidas por IA como parte del ciclo de vida regular de desarrollo.
• Mentalidad de gran responsabilidad y capacidad para identificar de forma independiente problemas de datos o de ingeniería, proponer soluciones, implementarlas y operarlas en producción.
• Excelentes habilidades de comunicación y capacidad para colaborar directamente con los responsables de ingeniería, analítica, producto, ciencia de datos y negocio.
• Inglés profesional suficiente para la colaboración directa con equipos basados en EE. UU.

• Experiencia trabajando con datos sanitarios, plataformas HealthTech o interoperabilidad sanitaria.
• Conocimiento de FHIR, particularmente de recursos como Practitioner, Organization, PractitionerRole, Endpoint y Location.
• Experiencia integrando datos de sistemas EHR/EMR, registros sanitarios, redes de proveedores o ecosistemas de datos complejos similares.
• Experiencia diseñando plataformas de datos que gestionan PHI/PII u otra información regulada y sensible.
• Familiaridad con las consideraciones de seguridad y protección de datos relacionadas con HIPAA.
• Experiencia construyendo soluciones de procesamiento de datos impulsadas por IA, particularmente en resolución de entidades, inferencia de relaciones, clasificación, enriquecimiento, detección de anomalías o puntuación de la calidad de los datos.
• Experiencia práctica integrando LLMs en flujos de trabajo de datos en producción, incluyendo consideraciones de evaluación, fiabilidad, latencia, coste y protección de datos.
• Experiencia con herramientas de ingeniería de IA como Claude Code, GitHub Copilot, Cursor o plataformas similares.

Intellias busca un Senior Data Engineer para unirse a una iniciativa de salud digital centrada en la construcción de una plataforma de datos sanitarios a gran escala que ayude a millones de personas a descubrir proveedores de salud, conectarse con su información médica y tomar decisiones de cuidado mejor informadas.

Este es un rol de ingeniería práctico y con gran autonomía (high-ownership) para alguien con experiencia en la construcción y operación de sistemas de datos intensivos a escala. Serás responsable de capacidades críticas de ingesta y procesamiento de datos, mejorarás la calidad y fiabilidad de los mismos y desarrollarás soluciones impulsadas por IA para desafíos complejos de datos sanitarios en el mundo real.

Buscamos un ingeniero que combine una sólida experiencia en Python y en ingeniería de datos con desarrollo nativo en la nube, responsabilidad sobre producción y una mentalidad de ingeniería centrada en la IA (AI-first).

El proyecto consiste en la construcción de una plataforma de datos sanitarios basada en FHIR que agrega información de proveedores de registros nacionales, sistemas EHR, redes sanitarias y flujos de datos de socios.

La plataforma ingiere datos sanitarios fragmentados y a menudo inconsistentes, los transforma en recursos FHIR estandarizados, resuelve identidades y relaciones duplicadas, y pone a disposición información de proveedores fiable a través de servicios de búsqueda y datos a gran escala.

El desafío de ingeniería va mucho más allá del ETL tradicional. Los datos de los proveedores provienen de cientos de fuentes heterogéneas y contienen duplicados, registros desactualizados, identidades en conflicto, relaciones incompletas y esquemas inconsistentes. La plataforma debe determinar cómo se relacionan estas fuentes y mejorar continuamente la precisión y la confianza de los datos resultantes.

El entorno tecnológico incluye Python, Apache Spark, Prefect, AWS, Kubernetes, MongoDB, OpenSearch y FHIR, con un uso cada vez mayor de la IA tanto como parte del ciclo de vida de ingeniería como dentro de las soluciones de procesamiento de datos.

• Diseñar, construir y operar pipelines de ingesta de datos escalables que incorporen datos de proveedores sanitarios de sistemas EHR, registros nacionales, redes sanitarias y flujos de socios.
• Transformar datos de fuentes heterogéneas en modelos de datos estandarizados y fiables, incluyendo recursos nativos de FHIR.
• Responsabilizarse de la calidad de los datos de extremo a extremo, incluyendo reglas de validación, umbrales de calidad, puntuación de confianza, monitorización automatizada y alertas.
• Diseñar e implementar soluciones para la resolución de entidades, deduplicación, inferencia de relaciones, clasificación, enriquecimiento y puntuación de la calidad de los datos.
• Construir y evolucionar pipelines de procesamiento de datos distribuidos utilizando Python, Spark y tecnologías de orquestación modernas.
• Mejorar la fiabilidad, escalabilidad, observabilidad y rendimiento de los pipelines para que las nuevas fuentes de datos puedan incorporarse de forma eficiente y segura.
• Establecer y evolucionar estándares de gobernanza de datos, incluyendo esquemas, modelos de staging, procesos de validación y flujos de trabajo de refinamiento de datos.
• Diseñar y operar soluciones de almacenamiento y búsqueda de datos que admitan conjuntos de datos sanitarios a gran escala.
• Construir herramientas de datos impulsadas por IA que mejoren la precisión, la automatización y la inteligencia de los flujos de trabajo de procesamiento de datos.
• Utilizar herramientas modernas de desarrollo de IA como parte integral del flujo de trabajo de ingeniería para acelerar la implementación, las pruebas, la depuración, la documentación y el análisis de datos.
• Responsabilizarse de las operaciones de producción de las soluciones que construyas, incluyendo la monitorización, la resolución de problemas, la respuesta ante incidentes y el análisis de causa raíz.
• Colaborar con los equipos de Analytics y Data Science para desarrollar cuadros de mando, métricas e informes de calidad de datos.
• Colaborar con los responsables de Producto y de Negocio para priorizar las fuentes de datos y las mejoras basándose en el impacto para el cliente y el negocio.
• Contribuir a las revisiones de diseño técnico y ayudar a establecer patrones de ingeniería escalables en toda la plataforma de datos.