Data Engineer

IESE Business School; Barcelona; Presencial; EUR 45.000 - 75.000; Jornada completa

Descripción de la vacante

IESE Business School busca un Data Engineer para liderar la ingeniería de datos en la plataforma Azure y Snowflake. Serás responsable de pipelines robustos, modelado con dbt y garantizando datos limpios y a tiempo para el negocio.

El rol es eminentemente técnico y orientado a entregas reales: ETLs que funcionan, modelos que reflejan el negocio y una governance de datos sólida. Se valorará experiencia en pipelines CI/CD y colaboración con equipos de BI.

Formación

• Experiencia demostrable con dbt Core o dbt Cloud en entornos productivos (2+ años).
• Conocimiento sólido de Azure Data Factory: pipelines, triggers, linked services, Integration Runtimes.
• Dominio de SQL avanzado y experiencia con Snowflake o plataformas cloud similares (BigQuery, Redshift).
• Familiaridad con patrones de arquitectura de datos (Medallion, Data Vault, dimensional modeling).
• Experiencia con Git y flujos de trabajo CI/CD para proyectos de datos.

Responsabilidades

• Transformación y modelado de datos (dbt): diseño de modelos, capas Staging/Intermediate/Mart, tests y documentación.
• Ingestión y orquestación (Azure Data Factory): diseñar pipelines, implementar, monitorizar y resolver incidencias.
• Calidad, Gobierno y colaboración: aplicar Data Governance, colaborar con BI y stakeholders, mantener seguridad y trazabilidad.

Conocimientos

dbt Core

Azure Data Factory

SQL avanzado

Snowflake

Data Governance

Git

CI/CD pipelines

Herramientas

dbt Cloud

Power BI

Snowflake

Descripción del empleo

Misión del rol

El rol de Data Engineer es eminentemente técnico y de ejecución. Buscamos a alguien que disfrute escribiendo código, construyendo pipelines robustos y resolviendo con velocidad las necesidades cambiantes del negocio. El Data Engineer será el propietario técnico de Azure Data Factory (ADF) y dbt — las herramientas que dan vida al Data Lake de Snowflake — y será la pieza que permite al equipo moverse rápido sin romper nada. Su trabajo se mide en entregas reales: ETLs que funcionan, modelos que reflejan el negocio, y datos que llegan limpios y a tiempo a quien los necesita.

Misión del rol

El rol de Data Engineer es eminentemente técnico y de ejecución. Buscamos a alguien que disfrute escribiendo código, construyendo pipelines robustos y resolviendo con velocidad las necesidades cambiantes del negocio. El Data Engineer será el propietario técnico de Azure Data Factory (ADF) y dbt — las herramientas que dan vida al Data Lake de Snowflake — y será la pieza que permite al equipo moverse rápido sin romper nada. Su trabajo se mide en entregas reales: ETLs que funcionan, modelos que reflejan el negocio, y datos que llegan limpios y a tiempo a quien los necesita.

Responsabilidades principales

Transformación y modelado de datos (dbt)

• Ser el referente técnico de dbt en el equipo: diseño de modelos, capas Staging / Intermediate / Mart, tests de calidad y documentación.
• Desarrollar y mantener los modelos Silver y Gold del Data Lake en coordinación con los responsables de dominio de datos.
• Establecer y hacer cumplir las convenciones de desarrollo (naming, lineage, testing, materialización).
• Integrar dbt con las herramientas de observabilidad y gobierno del dato existentes.
• Contribuir a la arquitectura y roadmap del Dataplatform.

Ingestión y orquestación (Azure Data Factory)

• Ser el owner técnico de los pipelines de ADF: diseño, despliegue, monitorización y resolución de incidencias.
• Gestionar la ingestión desde los sistemas fuente actuales (ERP, CRM, herramientas de Marketing, etc.) hacia la capa Bronze/Silver de Snowflake.
• Optimizar el rendimiento y coste de los pipelines existentes y diseñar los nuevos a medida que el scope crece.

Calidad, Gobierno y colaboración

• Aplicar una mentalidad Data Governance first: naming, linaje, clasificación y trazabilidad forman parte del trabajo, no son un paso posterior.
• Trabajar codo con codo con analistas de BI, marketing automation y el AI Taskforce para garantizar que el dato llega a tiempo y en condiciones.
• Actuar como contraparte técnica del proveedor externo de plataforma, velando por la coherencia y calidad de las entregas.
• Contribuir a una cultura de calidad del dato: tests automatizados, documentación, linaje, e identificación de problemas para su tratamiento con los data stewards.
• Mantener el catálogo de datos actualizado y apoyar al equipo de Governance en la evolución de los activos.
• Mantener y evolucionar el framework de seguridad actual
• Aplicar políticas de seguridad y enmascaramiento de datos para asegurar su privacidad y buen uso.

Perfil técnico requerido

Imprescindible

• Experiencia demostrable con dbt Core o dbt Cloud en entornos productivos (2+ años).
• Conocimiento sólido de Azure Data Factory: pipelines, triggers, linked services, Integration Runtimes.
• Dominio de SQL avanzado y experiencia con Snowflake o plataformas cloud similares (BigQuery, Redshift).
• Familiaridad con patrones de arquitectura de datos: Medallion (Bronze/Silver/Gold), Data Vault, dimensional modeling.
• Experiencia con Git y flujos de trabajo CI/CD para proyectos de datos.

Valorable

• Conocimiento de Python para tareas de ingeniería de datos (PySpark, Pandas, scripts de automatización).
• Experiencia con plataformas de gobierno del dato o catálogos, en dbt Semantic Layers
• Familiaridad con Power BI o herramientas de BI modernas como consumidores de las capas de datos.
• Conocimiento de herramientas de IA/ML en el contexto del dato (MLflow, Feature Stores, etc.).
• Experiencia en herramientas tipo Ask Your Data.

Perfil personal

• Orientación al ownership: capaz de llevar un dominio técnico de principio a fin, con autonomía, integridad y sentido de responsabilidad.
• Espíritu de servicio: entiende que su trabajo existe para que otros puedan tomar mejores decisiones. El dato es un medio; las personas, el fin.
• Excelencia y mejora continua: propone estándares, documenta, y no deja deuda técnica sin gestionar.
• Comunicación clara con perfiles no técnicos: sabe traducir decisiones de ingeniería a lenguaje de negocio.
• Trabajo en equipo en entornos pequeños y ágiles, con exposición directa a la dirección.
• Adaptabilidad a un entorno en construcción: sin miedo a la hoja en blanco ni a tomar decisiones con información incompleta.