Hub Leader Data Engineering – AI Software Engineering Office

Yel; Sydney; Hybrid; AUD 2,400 - 3,900; Full time

Benefits offered by this job

Importantes beneficios de contratación

Job summary

Yel busca un Ingeniero de Datos Senior para acelerar plataformas de datos y analítica desde Buenos Aires, con modalidad híbrida 8 a 17. Reporta al head of SEO y guía a equipos matricialmente.

Se esperan más de 10 años de experiencia, experiencia con Spark/dbt y habilidades en Python o Scala. Será clave definir estándares de DataOps, Data Quality y CI/CD para datos. Se valorarán conocimientos en Databricks, Snowflake o Fabric y herramientas de IA para productividad.

Qualifications

• 10+ años en data engineering productivo.
• Experiencia 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).

Responsibilities

• Diseñar, desarrollar y mantener aceleradores de productividad para equipos de datos.
• Evaluar e incorporar herramientas de IA para incrementar productividad del ciclo de desarrollo de soluciones de datos.
• Definir estándares DataOps, MLOps y Data Quality para CI/CD, observabilidad y gobierno de datos.
• Desarrollar capacidades de gobernanza, catálogo, trazabilidad y seguridad de datos reutilizables.
• Realizar pruebas de concepto y evaluar nuevas tecnologías en ingeniería de datos e IA.
• Trabajar con proveedores y equipos internos para integrar la plataforma de datos.
• Definir métricas de adopción, productividad e impacto y promover mejoras continuas.
• Brindar mentoring técnico a equipos durante adopción de nuevas herramientas.

Skills

Spark

dbt

Python/Scala

SQL

Tools

Azure DevOps

GitHub Actions

dbt Cloud

Liquibase

Job description

Ubicación: Ciudad de Buenos Aires

Modalidad: Híbrida - Lun-Vie de 8 a 17 hs

¿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.

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.

¿Te interesa el desafío? ¡Queremos conocerte!