puestos de Banco De Dados en México

Estamos em busca de um Engenheiro de Dados com sólida experiência na construção e otimização de pipelines de dados. Este profissional terá papel fundamental no desenho, desenvolvimento e manutenção de soluções de integração de dados confiáveis, escaláveis e seguras. O candidato ideal deve ter forte conhecimento em plataformas de nuvem, práticas modernas de engenharia de dados e perfil analítico para garantir o fluxo eficiente de dados na organização.

Projetar, desenvolver e manter pipelines ETL / ELT para ingestão, transformação e entrega de dados estruturados e não estruturados.

Implementar frameworks de ingestão de dados a partir de múltiplas fontes (bancos de dados, APIs, arquivos, streaming etc.).

Garantir qualidade, consistência e confiabilidade dos dados por meio de validação, monitoramento e testes automatizados.

Otimizar fluxos de processamento de dados visando custo e performance.

Colaborar com Cientistas de Dados, Analistas e áreas de negócio para fornecer datasets limpos, confiáveis e bem documentados.

Trabalhar com serviços nativos de nuvem (ex. : BigQuery, Dataproc, Dataflow, Databricks, Snowflake) para implementar arquiteturas escaláveis.

Aplicar boas práticas de CI / CD, versionamento e Infraestrutura como Código (IaC) em pipelines de dados.

Assegurar conformidade com normas de segurança, governança e privacidade (ex. : PII, GDPR, LGPD).

Graduação em Ciência da Computação, Sistemas de Informação, Engenharia ou áreas correlatas.

Experiência comprovada em engenharia de dados, com foco em construção de pipelines.

Domínio em SQL, Python e Spark.

Experiência com plataformas de dados em nuvem (Google Cloud Platform, AWS ou Azure).

Sólidos conhecimentos em modelagem de dados, data warehouse e arquiteturas lake / lakehouse.

Vivência com ferramentas de orquestração (Airflow, Cloud Composer, Prefect, Dagster).

Familiaridade com práticas de DevOps (Git, pipelines CI / CD, Terraform ou similares).

Experiência com streaming em tempo real (Kafka, Pub / Sub, Kinesis).

Conhecimentos em containerização (Docker, Kubernetes).

Vivência com pipelines de machine learning e MLOps.

Experiência com catálogos de dados, metadata management e ferramentas de governança.

Perfil analítico e orientado à resolução de problemas.

Capacidade de comunicar conceitos técnicos complexos de forma clara a públicos não técnicos.

Trabalho em equipe, postura proativa e colaborativa.

• Inglês fluente (escrito e falado);

espanhol será considerado um diferencial.