Ingeniero de Datos

• Grado de Ingeniería o Máster en Informática y más de 3 años de experiencia laboral relevante en desarrollo full-stack en un entorno SaaS

• Sólida experiencia en Python y PySpark; comodidad con el procesamiento de datos distribuidos a escala

• Experiencia con una arquitectura Lakehouse (Databricks, Delta Lake o comparable - ej. Spark en EMR/Glue)

• Familiaridad con los patrones de arquitectura de medallón (Bronze/Silver/Gold) o un diseño de datos por capas similar

• Capacidad para razonar sobre la evolución del esquema, la estrategia de particionamiento/clustering y la fiabilidad de los pipelines (reintentos, idempotencia)

• Capacidad para recorrer secuencias lógicas de código procedimental u orientado a objetos, ya sea abstracto o estático, y comprenderlo por completo

• Persona proactiva, brillante, enérgica y altamente motivada, con experiencia en una organización orientada a resultados y de ritmo rápido

• Capacidad para adaptarse, estimar la carga de trabajo, desglosar una tarea en pasos lógicos, resolver problemas, mejorar por cuenta propia y sugerir nuevas formas de mejora

• Por último, pero no menos importante: hablas, lees y escribes inglés con fluidez

Somos una empresa que pone a las personas en primer lugar, con un ambiente relajado pero genuinamente dinámico y un equipo de personas motivadas y curiosas a las que les gusta su trabajo. La autonomía es real aquí: los pods toman decisiones locales y son responsables de sus resultados, lo que significa que verás tu huella en el producto rápidamente.

Recibirás una asignación para formación y desarrollo, un paquete de beneficios adaptado a tu ubicación, modalidades de trabajo flexible con apoyo para configurar tu oficina en casa y el espacio para crecer por el camino que mejor te encaje. Somos "remote-friendly", con centros en nuestros doce mercados.

Launchmetrics es la Brand Performance Cloud líder utilizada por ejecutivos de Fashion, Lifestyle y Beauty (FLB) para tomar decisiones más inteligentes en torno a sus esfuerzos de marca.

Con más de una década de experiencia en el sector, hemos ayudado a más de 1.200 clientes a crear experiencias inspiradoras, impactantes y medibles.

Fundada en Nueva York y con sede operativa en París, contamos con empleados en diez mercados de todo el mundo y ofrecemos soporte en cinco idiomas. Hemos sido la tecnología de rendimiento de marca de confianza para marcas de todo el mundo como Dior, Fendi, Shiseido, NET-A-PORTER y Adidas, así como para socios del sector como IMG, el Council of Fashion Designers of America, el British Fashion Council y la Camera Nazionale Della Moda Italiana.

Los equipos de Data Platform y Data Enrichment se encargan de que nuestra base de datos unificada sea accesible, utilizable, enriquecible y fiable para todos nuestros equipos internos.

El equipo es responsable del Lakehouse que impulsa los productos de datos de Launchmetrics: una plataforma basada en Databricks construida sobre Delta Lake, S3, y siguiendo una arquitectura de medallón Bronze/Silver/Gold. Esta capa almacena, enriquece y sirve los datos de inteligencia de medios que sustentan Discover (nuestra plataforma orientada al cliente), Genie (herramientas internas) y Delta Sharing. Trabajarás en un sistema basado prioritariamente en lotes (batch-first) que simula un comportamiento en tiempo real utilizando primitivas como Change Data Feed, activadores de eventos S3, computación sin servidor (serverless) y liquid clustering.

Este rol desempeña un papel clave en nuestra estrategia de Tech & Product, apoyando directamente los objetivos de toda la empresa en torno a la retención de clientes, la confianza en los datos y el desarrollo de nuevos insights basados en IA.

• Diseñar y construir pipelines de datos (batch y near-real-time) utilizando PySpark y Databricks, a través de las capas de medallón Bronze/Silver/Gold

• Arquitectar esquemas de tablas Delta Lake eficientes: estrategia de particionamiento/liquid clustering, gestión de la evolución del esquema y flujos de trabajo de enriquecimiento

• Trabajar estrechamente con producto, QA y otros ingenieros de datos para traducir los requisitos de enriquecimiento y búsqueda en pipelines fiables

• Responsabilizarse de la calidad del código: trabajos de PySpark estructurados, pruebas unitarias (pytest) y cumplimiento de las convenciones del equipo

• Mejorar continuamente la fiabilidad de los pipelines y la eficiencia de costes (programación OPTIMIZE, lógica de reintentos/backoff, gestión de concurrencia)

• Participar en iniciativas transversales entre pods en toda la plataforma de datos

• Lenguajes: Python, PySpark, Typescript

• Data Platform: Databricks, Delta Lake, Delta Sharing

• Almacenamiento: AWS S3, MySQL

• Cloud: AWS (S3, Kinesis, Lambda, SQS, ECS, Step Functions,...)

• Herramientas: Jira, Databricks Asset Bundles, Serverless, Claude Code

• Versionado: Git, GitHub

• CI/CD: GitHub Actions

• Testing: pytest, Jest