Leader Data Engineering -AI Software Engineering Office

YEL Solutions; Buenos Aires; Hybrid; ARS 1,800,000 - 3,400,000; Full time

Benefits offered by this job

Beneficios atractivos

Job summary

Yel, una empresa líder en IT Outsourcing Services, busca un Hub Leader Data Engineering -AI Software Engineering Office para acelerar desarrollo en plataformas de datos y analítica, estandarizando pipelines, calidad y operación de modelos (DataOps + MLOps) en arquitectura lakehouse. Reporta a head of SEO, rol matricial.

Se ofrece modalidad híbrida en Ciudad Autónoma de Buenos Aires con oportunidad de liderar equipos y definir estándares corporativos de DataOps, MLOps y Data Quality, impulsando

Qualifications

• Más de 10 años en data engineering productivo.
• Experiencia con pipelines en producción (Spark, dbt u equivalente) con TB+.
• Casos de mejora en calidad de datos y SLAs cumplidos.
• Dominio de Databricks, Snowflake o Microsoft Fabric.
• CI/CD para datos (Azure DevOps, GitHub Actions, dbt Cloud).
• SQL avanzado y Python o Scala.

Responsibilities

• Diseñar y mantener aceleradores de productividad para pipelines y frameworks.
• Incorporar IA para generación de SQL, documentación y pruebas.
• Definir DataOps, MLOps y Data Quality para CI/CD y governanza.
• Desarrollar gobierno, catálogo y trazabilidad de datos.
• Pruebas de concepto y evaluación de nuevas tecnologías IA y data.
• Colaborar con proveedores y equipos internos para integración de la plataforma.
• Definir métricas de adopción y productividad; mentoría técnica.

Skills

Data engineering senior

Pipelines en producción

Calidad de datos

Python o Scala

Tools

Databricks

Snowflake

Microsoft Fabric

dbt

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
• Modalidad: Híbrida | Lun–Vie de 8 a 17 hs

¿Qué buscamos en el rol a desempeñar?

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

Reporte a head of SEO, rol matricial.

Responsabilidades

• 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.

Requisitos imprescindibles

• +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).

Deseables (nice-to-have)

• Databricks (Delta Lake, Unity Catalog, MLflow) y/o Snowflake (Snowpark, Streams & Tasks).
• 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 en arquitecturas data mesh o data fabric.
• Streaming en tiempo real (Kafka, Flink, Spark Structured Streaming).
• Experiencia comprobable en definición de métricas de productividad en ambiente Data Management.

Beneficios

• Importantes e interesantes beneficios de contratación.

#DataEngineering #DataOps #MLOps #Databricks #Snowflake #Lakehouse #BuenosAires #Empleo #ApacheSpark #dbt #MicrosoftFabric #DeltaLake #DataQuality #PlatformEngineering #DataGovernance #InteligenciaArtificial #OportunidadLaboral #BusquedaLaboral #TrabajoIT #HubLeader