Ingeniero de Datos Big Data (Spark / PySpark / Azure Databricks)

Experiencia: Mínimo 3 años

• Experiencia demostrable de al menos 3 años en Data Engineering, Big Data o desarrollo de soluciones de procesamiento distribuido.
• Experiencia sólida con Apache Spark y PySpark.
• Conocimientos avanzados de optimización en Spark:
• Particionado y shuffles.
• Persistencia y caché.
• DAG y stages.
• Gestión de memoria.
• Optimización de ejecución y rendimiento.
• Dominio de Python aplicado al tratamiento y procesamiento de datos.
• Experiencia con PySpark, Pandas y NumPy.
• Experiencia en diseño y desarrollo de procesos ETL/ELT, pipelines de datos y datasets.
• Experiencia con Azure Databricks y Delta Lake.
• Conocimientos de procesamiento de datos columnar con Pandas UDF, Vectorized UDF y Apache Arrow.
• Experiencia o conocimientos en algoritmos distribuidos e iterativos.
• Uso práctico de herramientas de IA para desarrollo de software, como GitHub Copilot, GenAI o LLMs, orientado a agilizar revisiones, pruebas y validaciones.
• Capacidad para comunicarse de manera técnica, clara y eficaz con cliente y equipos multidisciplinares.

• Conocimientos de Approximate Computing: HyperLogLog, Bloom Filters, sketching y estadísticas de datos en streaming.
• Experiencia en optimización de costes y rendimiento de cargas de trabajo en Azure Databricks.
• Conocimientos de arquitecturas Lakehouse y gestión de datos con Delta Lake.
• Experiencia trabajando en entornos Agile.

• Contrato indefinido.
• Salario competitivo, acorde a la experiencia y conocimientos aportados.
• Oportunidades de desarrollo profesional y formación continua.
• Participación en proyectos de alto impacto tecnológico.
• Entorno de trabajo colaborativo e innovador.
• Flexibilidad horaria y modalidad de trabajo a definir.

En Métrica España, buscamos un/a Data Engineer con experiencia en entornos Big Data, procesamiento distribuido y optimización de cargas con Apache Spark, PySpark y Azure Databricks.

Buscamos una persona proactiva, autónoma y resolutiva, con una sólida base técnica y capacidad para trabajar directamente con cliente. Si te interesa diseñar soluciones de datos eficientes, escalables y robustas, y utilizar herramientas de IA para agilizar el desarrollo, ¡esta es tu oportunidad!

• Diseño, desarrollo y mantenimiento de procesos de datos distribuidos con Apache Spark y PySpark.
• Desarrollo y optimización de pipelines ETL/ELT y diseño de datasets escalables.
• Análisis y mejora del rendimiento de procesos Spark: particionado, shuffles, persistencia, caché, ejecución de DAG, stages y gestión de memoria.
• Desarrollo de soluciones de procesamiento columnar mediante Pandas UDF, Vectorized UDF y Apache Arrow.
• Desarrollo y mantenimiento de soluciones en Azure Databricks y Delta Lake.
• Optimización de workloads, tiempos de ejecución, consumo de recursos y costes asociados a los procesos de datos.
• Aplicación de algoritmos distribuidos e iterativos para el procesamiento de grandes volúmenes de información.
• Uso de técnicas de Approximate Computing, como HyperLogLog, Bloom Filters, sketching y estadísticas de streaming, cuando sea necesario.
• Uso de herramientas de IA aplicadas al desarrollo —GenAI, Copilot y LLMs— para revisión de código, generación de pruebas, validación y mejora de la productividad.
• Colaboración directa con cliente y equipos técnicos para la toma de requisitos, definición de soluciones y comunicación del avance técnico.
• Documentación técnica de los desarrollos, pipelines y procesos implementados.
• Identificación y propuesta de mejoras continuas en calidad, eficiencia, rendimiento y robustez.

Modalidad: 100% remoto

SBA: 34.000€