Lead Data & Platform Engineer

Farmatalento; Madrid; Presencial; EUR 90.000 - 120.000; Jornada completa

Descripción de la vacante

Farmatalento busca un Lead Data & Platform Engineer para la Unidad Health Data Platform and Innovation. Responsable técnico de la plataforma de datos: arquitectura, modelo de datos, ingestión, calidad, rendimiento y operación.

Liderarás la definición de prácticas de ingeniería y colaborarás con analistas, data scientists y clínicos para garantizar datos trazables y disponibles para proyectos. Las áreas clave incluyen consolidar la plataforma clínica, incorporar nuevas fuentes, arquitectura

Formación

• Experiencia en plataformas de datos de salud, arquitectura y gobernanza.
• Conocimientos de HL7 FHIR, CDM (OMOP) y terminologías clínicas.
• Experiencia con ingesta, procesamiento y orquestación de flujos de datos.
• Capacidad para diseñar y documentar decisiones de ingeniería.

Responsabilidades

• Consolidar y escalar la Plataforma Clínica y rediseñar Modelo de Datos.
• Integrar nuevas fuentes de datos sanitarios y resolver heterogeneidad.
• Diseñar arquitectura orientada a eventos e interoperabilidad HL7 FHIR.
• Definir prácticas de ingeniería, documentar ADR y liderar equipo.

Conocimientos

PostgreSQL

Python

Kafka

Kafka Streams

Flink

ksqlDB

Airflow

Dagster

dbt

HL7 FHIR

SNOMED-CT

CIE-10

LOINC

OMOP CDM

Schema Registry

Debezium

Kubernetes

Docker

Descripción del empleo

Buscamos un/a “Lead Data & Platform Engineer” para la Unidad de Health Data Platform and Innovation de una compañía española de Consultoría, Investigación e Innovación en salud, fundada en 2022 y en plena expansion.

Responsabilidad técnica de la Plataforma de Datos: Arquitectura, Modelo de Datos, Integración de Fuentes, Ingesta Continua, Calidad, Rendimiento y Operación.

No es un puesto de mantenimiento ni de ejecución de decisiones ajenas: quien ocupa este puesto decide la arquitectura, la documenta y la sostiene.

El puesto tiene cuatro áreas principales:

1. Consolidar y escalar la Plataforma Clínica. Rediseñar el Modelo de Datos, el Rendimiento y la Trazabilidad para que soporte el crecimiento en volumen, en fuentes y en número de proyectos simultáneos.

2. Integrar nuevas Fuentes de Datos Sanitarios. Incorporar nuevos Orígenes Clínicos, Hospitalarios y Administrativos al modelo común, resolviendo la Heterogeneidad de Formatos, Terminologías e Identificadores que caracteriza al sector.

3. Arquitectura orientada a Eventos e Interoperabilidad. Diseñar y operar la Ingesta Continua y el Procesamiento de Datos Asistenciales sobre Arquitecturas orientadas a Eventos, con Interoperabilidad HL7 FHIR y bajo requisitos estrictos de seguridad y soberanía del dato. Es una parte central del puesto, no un complemento.

4. Estándar técnico y equipo. Definir las prácticas de Ingeniería de la Unidad, documentar la Arquitectura y las Decisiones, y participar en la incorporación y el desarrollo del equipo conforme crece. Trabajarás en estrecha colaboración con Data analysts, Data scientists, Bioestadísticos y el Equipo Científico y Clínico para garantizar que los datos estén disponibles, validados, trazables y listos para los proyectos, y reportarás a la Dirección de la unidad.

Herramientas de Trabajo

• PostgreSQL on-premise (modelo propio de datos clínicos): tuning, particionado, RLS y replicación.
• Python para procesamiento, integración y automatización de datos.
• Apache Kafka / Confluent Platform: ingesta y procesamiento de eventos.
• Change Data Capture desde sistemas asistenciales (Debezium, Kafka Connect).
• Procesamiento distribuido de eventos: Kafka Streams, Apache Flink o ksqlDB.
• Gobierno de esquemas y contratos de datos: Schema Registry, Avro/Protobuf, versionado y compatibilidad.
• Interoperabilidad sanitaria: HL7 FHIR R4, HL7v2, CDA. Terminologías clínicas: SNOMED-CT, CIE-10, ATC, LOINC.
• Modelos comunes de datos: OMOP CDM y otros estándares europeos aplicables.
• Orquestación y transformación versionada: Airflow o Dagster, dbt.
• Pipelines de LLM y agentes sobre datos clínicos estructurados. No se espera un dominio absoluto de todo el listado, sino que las arquitecturas orientadas a eventos y la operación en producción sean terreno conocido, y criterio suficiente para decidir en el resto.
• Definir la arquitectura de la ingesta y el procesamiento de eventos: topología de clústeres, diseño de topics y particionado, garantías de entrega, idempotencia, retención, replicación y recuperación ante desastre.
• Implantar Change Data Capture y validación en tránsito sobre datos asistenciales.
• Diseñar la capa de interoperabilidad: transformación a recursos FHIR R4, perfiles e Implementation Guides, y su expresión como contratos de datos.
• Traducir requisitos clínicos y normativos en decisiones de arquitectura verificables: latencia, trazabilidad, auditoría y calidad del dato en tránsito.
• Colaborar con los equipos clínicos en la traducción de reglas de validación y plausibilidad clínica a lógica ejecutable sobre los flujos de datos. Plataforma y modelo de datos
• Rediseñar y optimizar el modelo relacional sobre PostgreSQL: particionado, índices, RLS por estudio/usuario, tuning y replicación.
• Diseñar, administrar y optimizar bases de datos orientadas a datos clínicos y de vida real, garantizando calidad, integridad, trazabilidad y seguridad a lo largo de todo el flujo.
• Definir la arquitectura de datos que soporte el crecimiento de la compañía en fuentes, volumen y clientes. Integración de nuevas fuentes.
• Construir pipelines de extracción desde HCE/EHR, incluyendo datos estructurados y no estructurados, registros clínicos y datos administrativos.
• Incorporar nuevas fuentes al modelo común: análisis de origen, mapeo, resolución de identificadores de paciente y control de calidad de la carga.
• Implementar y mantener procesos ETL/ELT para la integración, transformación y carga de datos procedentes de múltiples orígenes.
• Curado y normalización a CDM (Common Data Model). Mapeo a terminologías clínicas: SNOMED-CT, CIE-10, ATC, LOINC. Seguridad, cumplimiento y soberanía del dato
• Diseñar y operar la plataforma bajo los requisitos de ENS categoría ALTA y de RGPD/LOPDGDD aplicado a datos de salud.
• Pseudonimización, anonimización y k-anonimato; gestión de identificadores de paciente; segregación por proyecto; auditoría de accesos y de consultas.
• Sostener despliegues on-premise o aislados de red cuando el marco de soberanía del dato lo exija. Reproducibilidad y calidad
• Versionado reproducible de cohortes (dbt o equivalente): snapshots fechados de criterios y resultados.
• Tests automatizados de calidad de datos y observabilidad de pipelines.
• Implementación y mantenimiento de Modelos Comunes de Datos (CDM) como OMOP u otros estándares europeos aplicables. Integración de IA
• Desarrollo y mantenimiento de servidores MCP para el acceso controlado a datos clínicos: autenticación, scoping por proyecto y auditoría de consultas.
• Pipelines de LLM para procesamiento y estructuración de la información clínica. Liderazgo técnico, DevOps y equipo
• Establecer los estándares de ingeniería de la unidad: revisión de código, decisiones de arquitectura documentadas (ADR), gestión de deuda técnica.
• Aplicar DevOps: Docker, Kubernetes, CI/CD, infraestructura como código y gestión de despliegues on-prem y cloud híbrido.
• Liderar o participar en las discusiones técnicas con equipos de IT internos y externos y con proveedores tecnológicos.
• Participar en la selección, incorporación y desarrollo del equipo de ingeniería de datos.
• Elaborar y mantener la