Hub Leader Data Engineering - Ai Software Engineering Office

Yel; Buenos Aires; On-site; ARS 1,800,000 - 2,400,000; Full time

Benefits offered by this job

Beneficios de contratación

Job summary

Yel en Buenos Aires está buscando un líder de datos para acelerar el desarrollo en plataformas de datos y analítica, estandarizando pipelines y la operación de modelos en un marco lakehouse. El rol implica diseñar aceleradores de productividad, evaluar herramientas de IA y establecer estándares corporativos de DataOps, MLOps y calidad de datos.

Se trabajará estrechamente con proveedores y equipos internos, implementando capacidades de gobierno y trazabilidad, y definiendo métricas de adopción y

Qualifications

• Más de 10 años de experiencia en data engineering productivo.
• Experiencia con pipelines en producción (Spark, dbt o equivalente) procesando TB+.
• Dominio de Databricks, Snowflake o Microsoft Fabric.

Responsibilities

• Diseñar, desarrollar y mantener aceleradores de productividad para equipos de ingeniería de datos, incluyendo templates y automatizaciones.
• Definir estándares de DataOps, MLOps y calidad de datos para CI/CD, observabilidad y gobernanza.
• Realizar pruebas de concepto y evaluar tecnologías de IA para mejorar la productividad y adopción en la organización.

Job description

En Yel , empresa líder en IT Outsourcing Services con alcance global, buscamos un Hub Leader Data Engineering AI Software Engineering Office para sumarse al equipo de profesionales.

• Ubicación: Ciudad de Buenos Aires

¿Qué buscamos en el rol a desempeñar?

Objetivo: Acelerar el desarrollo en plataformas de datos y analítica, estandarizando pipelines, calidad y operación de modelos (DataOps + MLOps) en arquitectura lakehouse.

• Diseñar, desarrollar y mantener aceleradores de productividad para los equipos de ingeniería de datos, incluyendo templates, frameworks, componentes reutilizables, librerías, Golden Paths y automatizaciones que reduzcan el esfuerzo de desarrollo.
• Evaluar, seleccionar e incorporar herramientas de IA que incrementen la productividad del ciclo de desarrollo de soluciones de datos, habilitando capacidades como generación asistida de SQL, dbt, documentación, pruebas y análisis exploratorio mediante agentes de IA.
• Definir estándares corporativos de DataOps, MLOps y Data Quality, estableciendo lineamientos, activos reutilizables y capacidades comunes para CI/CD, observabilidad, calidad, versionado, monitoreo y gobierno de datos, facilitando su adopción por parte de los equipos de desarrollo.
• Desarrollar e integrar capacidades compartidas de gobierno, catálogo, trazabilidad y seguridad de datos que puedan ser reutilizadas por los diferentes equipos de ingeniería, asegurando consistencia tecnológica y cumplimiento de las políticas corporativas.
• Realizar pruebas de concepto y evaluar nuevas tecnologías relacionadas con ingeniería de datos e Inteligencia Artificial, definiendo recomendaciones y planes de adopción para la organización.
• Trabajar en conjunto con proveedores tecnológicos y equipos internos para implementar y evolucionar las capacidades de la plataforma de ingeniería de datos, asegurando su correcta integración con el ecosistema corporativo.
• Definir e implementar métricas que permitan medir la adopción, productividad e impacto de las capacidades desarrolladas, identificando oportunidades de mejora continua y promoviendo la evolución de las prácticas de ingeniería.
• Brindar acompañamiento técnico y mentoring a los equipos de desarrollo durante la adopción de nuevas herramientas, frameworks y prácticas de ingeniería de datos, actuando como referente técnico de la especialidad.
• +10 años en data engineering productivo.
• Experiencia comprobable con pipelines en producción (Spark, dbt o equivalente) procesando volúmenes reales (TB+).
• Casos documentados de mejora en calidad de datos (reducción de incidentes, SLAs cumplidos).
• Dominio práctico de al menos uno de los Big Three: Databricks, Snowflake o Microsoft Fabric.
• Experiencia con automatización de pipelines y CI/CD para datos (Azure DevOps, GitHub Actions, dbt Cloud, Liquibase para esquemas).
• SQL avanzado y un lenguaje de programación de datos (Python o Scala).
• SQL Server, Oracle Database u Oracle Cloud — relevante para integración con sistemas industriales legacy.
• Pipelines de ML productivos (training, serving, monitoring) usando MLflow, SageMaker o Azure ML.
• Experiencia comprobable en definición de métricas de productividad en ambiente Data Management.

Beneficios

Importantes e interesantes beneficios de contratación.