Data Architect

SATEC; Comunidad de Madrid; Híbrido; EUR 90.000 - 130.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Hybrid work model

Descripción de la vacante

SATEC busca un Data Architect con enfoque práctico para diseñar e implementar arquitecturas de datos desde cero. Colaborarás estrechamente con científicos e ingenieros para lograr soluciones escalables y gobernanza integral.

El rol implica decisiones técnicas directas, selección de herramientas y resolución de problemas, con foco en IA, RAG y plataformas cloud. Puesto híbrido en Madrid, con horario flexible.

Formación

• Sólida experiencia en diseño y entrega de arquitecturas de datos complejas.
• Capacidad para definir estándares y patones reutilizables de ingeniería de datos.
• Conocimiento práctico de gobernanza de datos, catálogos y calidad de datos.

Responsabilidades

• Diseñar e implementar arquitecturas Lakehouse/Warehouse multicapa, con particionado y contratos de datos.
• Definir la estrategia de gobierno de datos desde cero, con linaje y clasificación de activos.
• Establecer prácticas de ingesta/transformación, revisión de código y documentación técnica en el equipo.
• Diseñar pipelines para IA Agéntica y sistemas RAG, optimizando recuperación y embeddings.

Conocimientos

Python

SQL

Java

Scala

Spark

Herramientas

Apache Airflow

Apache NiFi

dbt

Kafka

Descripción del empleo

En Satec buscamos un/a Data Architect — Hands-on, Governance-first , que entienda que una arquitectura solo aporta valor si puede llevarse a la práctica.

Queremos incorporar a una persona con mentalidad de constructor/a , capaz de diseñar e implementar arquitecturas de datos desde cero y de colaborar estrechamente con científicos/as e ingenieros/as de datos para alcanzar la excelencia técnica.

No buscamos un perfil que se limite a definir modelos o elaborar diagramas. Se espera participación directa en las decisiones de diseño, la selección de herramientas y la resolución de problemas técnicos complejos. Todo ello con una visión clara: el verdadero valor del dato reside en su gobierno y en su capacidad para alimentar soluciones analíticas, RAG e IA Agéntica .

La posición cubre cuatro responsabilidades concretas:

1. Arquitectura Lakehouse/Warehouse Diseño e implementación de arquitecturas multicapa. Se espera capacidad para tomar decisiones de particionado, optimización de costes de cómputo/almacenamiento y definición de contratos de datos entre capas

2. Gobierno del Dato desde cero Definición e implantación de estrategia de gobierno: catálogo de activos, linaje técnico y operacional, clasificación y calidad del dato. Se valora experiencia real con ingesta de metadatos vía APIs, configuración de políticas de acceso y trazabilidad end-to-end desde fuente hasta consumo analítico o IA.

3. Referente técnico de ingeniería Estandarización de prácticas de desarrollo (Python, SQL, Java) en un equipo de ingeniería de datos. Implica diseño de arquitecturas de ingesta y transformación con herramientas como Apache NiFi o Airflow, revisión de código, definición de patrones reutilizables, documentación técnica y mentoring. No es un rol de gestión: se espera participación directa en decisiones de diseño y resolución de problemas técnicos complejos, incluyendo elección y configuración de herramientas de orquestación y pipeline.

4. Infraestructura de datos para IA Agéntica y RAG Diseño de pipelines de preparación de datos para sistemas RAG: estrategias de chunking, generación y almacenamiento de embeddings, selección de vector stores, optimización de recuperación semántica. Conocimiento de los trade-offs entre retrieval denso/disperso y capacidad para integrar esta capa con arquitecturas Lakehouse existentes.

Stack relevante:

• Procesamiento y cómputo distribuido: Apache Spark / PySpark · Databricks · Cloudera CDP

Plataformas cloud y servicios de datos (conocimiento valorado):

Azure: Microsoft Fabric · Azure Data Factory · Azure Synapse · ADLS Gen2

GCP: BigQuery · Dataflow · Dataproc · Cloud Composer

AWS: EMR · Glue · Redshift · S3

• Formatos y motores de tabla abierta: Delta Lake · Apache Iceberg · Apache Hudi
• Motores de consulta: Trino · Hive · Impala · Presto · BigQuery
• Orquestación e ingesta: Apache Airflow · Apache NiFi · dbt · Kafka · Spark Streaming
• Almacenamiento distribuido: HDFS · Apache Ozone · S3 / S3-compatible · Azure Data Lake
• Bases de datos relacionales: PostgreSQL · MySQL · SQL Server · Oracle
• Bases de datos NoSQL: MongoDB · Cassandra · HBase · Redis
• Bases de datos de series temporales: InfluxDB · TimescaleDB · OpenTSDB
• Bases de datos de grafos: Neo4j · Apache TinkerPop / Gremlin · SPARQL / RDF
• Gobierno y catálogo: DataHub · OpenMetadata · Apache Atlas · Databricks Unity Catalog · Microsoft Purview
• Búsqueda y recuperación: Elasticsearch · OpenSearch · Solr
• Vector stores
• Lenguajes: Python · SQL · Java · Scala, spark

Información adicional:

• Modalidad: Híbrida.
• Horario: Jornada flexible con horario general de 9:00 a 18:00 horas de lunes a jueves y los viernes de 9:00 a 15:00 horas. Además, jornada reducida coincidente con el calendario escolar durante el verano.
• Ubicación: Madrid.

¿Quiénes somos?

Somos SATEC, un grupo tecnológico con más de 30 años de experiencia en proyectos de integración e innovación tecnológica en sectores clave como telecomunicaciones, sanidad y administración pública. Operamos en España, Marruecos, Arabia Saudí y otros países, impulsando la transformación digital de nuestros clientes.

En SATEC, la diversidad es una seña de identidad. Promovemos la igualdad y la equidad, creando un entorno libre e inclusivo donde todas las personas puedan desarrollar su máximo potencial.