Ingeniero de Datos - totalmente remoto en Europa

• Más de 3 años de experiencia en ingeniería de datos principal en un entorno de producción
• Profesional de Microsoft SQL Server: T-SQL excelente más una profundidad real en optimización (estrategias de indexación, planes de ejecución, ajuste de consultas, particionamiento), con el instinto para saber cuál de ellos necesita realmente una consulta lenta, y comodidad trabajando entre límites de sistemas con linked servers, OPENQUERY y PolyBase
• Criterio en modelado de datos: capacidad para diseñar tablas de warehouse y modelos dimensionales que se mantengan sólidos a medida que las fuentes cambian y los analistas plantean nuevas preguntas, y saber dónde colocar un control de calidad para que detecte problemas en lugar de generar ruido
• Sólidos conocimientos de Python y Airflow en producción: Python avanzado para pipelines, transformación y automatización, y DAGs que hayas diseñado, operado y depurado de verdad: programación de tareas, reintentos, backfills, dependencias y rastreo de por qué falló una tarea en lugar de simplemente limpiarla
• Ingeniería asistida por IA y el rigor para verificarla: experiencia práctica con Claude Code o una herramienta de codificación agéntica comparable, servidores MCP y flujos de trabajo impulsados por LLM, combinada con el hábito de comprobar lo que producen: leer el SQL generado, observar el plan, validar la salida con la fuente. Ambas partes son imprescindibles, no diferenciadores
• Git y GitLab: branching, merge requests, revisión de código y pipelines de CI/CD como hábitos cotidianos
• Fluidez en el entorno: capacidad para depurar tanto en máquinas virtuales Windows como Linux, y conocimiento práctico de al menos una de las principales nubes, Azure o AWS.
• Responsabilidad por defecto: persigues el porqué de un fallo en lugar de simplemente reiniciarlo, gestionas los problemas de principio a fin sin que te los señalen, y tu inglés es lo suficientemente claro como para decirle a un propietario de datos que su flujo es incorrecto y que te tomen en serio

• Experiencia con Microsoft Fabric: Lakehouse o Warehouse, pipelines de Data Factory, OneLake. Nuestra plataforma es on-prem hoy en día y Fabric es una dirección que estamos explorando activamente.
• Experiencia construyendo tus propios servidores MCP o herramientas internas de LLM, en lugar de solo consumirlas.
• Familiaridad con Power BI u otra herramienta de BI como capa de consumo.
• Exposición a negocios B2C de rápido crecimiento o basados en suscripción.

El equipo:

Estamos construyendo el núcleo analítico de una empresa que cree que las decisiones deben basarse en la claridad, no en las conjeturas. Nuestro equipo de Business Intelligence trabaja sobre una plataforma de datos que tiene que estar ahí cada mañana: sana, actualizada y fiable.

Hacer que eso ocurra requiere un ingeniero de datos core que se encargue de la fiabilidad operativa de nuestra plataforma de principio a fin. Alguien en quien el resto del equipo pueda confiar para mantener todo en marcha, detectar problemas antes de que se conviertan en incidentes e impulsar la plataforma junto a nosotros, no solo mantenerla en su sitio.

Tu rol:

Este es un rol de ingeniería de datos principal. Te encargarás de la salud operativa de nuestra plataforma de datos y seguirás mejorándola constantemente.

Buscamos a alguien con suficiente experiencia para operar de forma independiente. No necesitas un ticket que te diga que algo se ha roto: puedes leer logs, rastrear a través de SQL y Python y averiguar qué ha pasado. Te importa la calidad de los datos como un oficio y tienes la confianza necesaria para acercarte a un propietario de datos y decirle: "este flujo es incorrecto, estas son las razones y esto es lo que deberíamos hacer al respecto".

Este no es un rol de arquitectura desde cero (greenfield). La plataforma existe, pero está lejos de estar terminada. Aproximadamente la mitad del trabajo consiste en mantenerla sana; la otra mitad es dejarla mejor de lo que la encontraste: nuevos dominios de origen modelados correctamente, controles de calidad donde hoy no los hay, consultas lentas convertidas en rápidas. Mantener todo en funcionamiento es el mínimo exigido, no el objetivo final.

Cómo trabajamos:

Una gran parte de lo que construimos cuenta con asistencia de IA, y parte de ello es generado por IA. Claude Code, servidores MCP y herramientas de LLM forman parte de la cadena de herramientas diaria en BI, herramientas internas y preprocesamiento de datos. Todo reside en Git, se despliega a través de GitLab CI/CD y se revisa.

Eso solo funciona porque alguien aporta el rigor necesario. El SQL generado aún tiene que sobrevivir a un plan de ejecución. Este rol es esa capa: utilizarás estas herramientas intensamente y serás la persona que compruebe lo que sale de ellas, leyendo la consulta en lugar de confiar ciegamente, validando los números con la fuente y detectando esa respuesta que parece plausible pero es incorrecta.

Por tanto, necesitamos a alguien fluido con las herramientas de IA y que no esté dispuesto a aceptar sus resultados por fe. Esas dos cosas no entran en conflicto aquí. Juntas, definen el trabajo.

Mantenerlo en funcionamiento:

• Investigar y solucionar problemas recurrentes en nuestro entorno on-prem de Microsoft SQL Server, incluyendo el acceso entre sistemas a través de linked servers, OPENQUERY y PolyBase.
• Detectar brechas de calidad de datos (feeds desactualizados, joins rotos, sistemas de origen que cambian silenciosamente) e impulsarlas hacia su resolución con el propietario de los datos.
• Mantener sana la capa de orquestación: Airflow DAGs y los trabajos de Python que los sustentan en máquinas virtuales Windows y Linux (tareas fallidas, backfills y dependencias que coincidan con el flujo real de los datos).

Seguir mejorándolo:

• Extender la plataforma a medida que el negocio crece: modelar nuevos dominios de origen en el warehouse y construir modelos de datos que los analistas puedan usar sin necesidad de un traductor.
• Construir controles de calidad de datos automatizados (frescura, volumen, integridad referencial, reglas de negocio) para que los datos erróneos fallen claramente en la puerta en lugar de aparecer en un dashboard tres días después.
• Optimizar SQL lento (consultas, procedimientos almacenados, índices, planes de ejecución) para que la plataforma sea cada vez más rápida, no más lenta, a medida que la empresa crece.
• Convertir las correcciones recurrentes en permanentes mediante una mejor alerta, registro, runbooks y automatización, para que el mismo incidente deje de repetirse.
• Ser el último control del trabajo asistido por IA antes de que llegue a producción: revisar el SQL generado y el código de los pipelines, y construir las pruebas que permitan al resto del equipo avanzar rápido sobre ellos.