Data Engineer (Document Processing & AI Readiness)

Bluetab, an IBM Company

Ciudad de México

Hybrid

MXN 600,000 - 900,000

Full time

12 days ago

Get a reply from this employer

Your resume and cover letter, tailored to exactly what they’re hiring for.

Get past ATS filters

Benefits offered by this job

Desarrollo profesional y aprendizaje
Días de descanso superiores
Vales de despensa y ahorro
Bono de bienestar
Seguro de salud y familia

Job summary

Bluetab busca un Data Engineer para construir y optimizar la base de datos central que alimenta una plataforma de IA orientada a procesos licitatorios. El candidato transformará información heterogénea en modelos estructurados y trazables, trabajando con datos imperfectos y asegurando calidad desde la entrada hasta la entrega para modelos de IA y usuarios de negocio.

Se valorará experiencia en pipelines de datos, gobernanza y colaboración en equipos ágiles, con ubicación híbrida en CDMX.

Qualifications

  • Experiencia mínima de 3 años como Data Engineer o rol afín en entornos productivos.
  • Python para datos (3.9+): manejo de Pandas, OpenPyXL, pdfplumber.
  • SQL avanzado y diseño de modelos de datos relacionales enfocados en integridad y trazabilidad.
  • Procesamiento de fuentes no estructuradas (PDFs, Excel, Word) y extracción estructurada.
  • Diseño de flujos ETL/ELT y validaciones automáticas de calidad de datos.

Responsibilities

  • Diseñar flujos ETL/ELT para extracción y transformación de datos (Excel, PDF, Word).
  • Aplicar OCR y extracción de texto y tablas en documentos normativos y catálogos.
  • Normalizar y consolidar históricos para alimentar capas analíticas y modelos de lenguaje.
  • Definir estructuras relacionales y vistas analíticas, con trazabilidad de cambios.

Skills

Python para datos
SQL avanzado
ETL/ELT pipelines
OCR y extracción de tablas
Git
IA/Modelos de lenguaje

Education

Licenciatura en Ciencias de la Computación

Tools

Apache Airflow
Azure Data Factory
Elasticsearch

Job description

No solo buscamos talento, buscamos mentes curiosas que disfruten aprender y transformar el futuro.

Somos tech, somos exigentes y sí, vamos rápido. Pero nadie compite solo. Trabajamos en equipo y si buscas retos que te saquen de la zona cómoda (porque ahí no crece nadie), estás en el lugar correcto. Aquí aprenderás con expertos, participarás en proyectos de alto impacto y estarás siempre un paso adelante en tecnología.

Objetivo del puesto

Construir y optimizar la base de datos central sobre la que opera una plataforma de inteligencia artificial especializada en procesos licitatorios. El rol transformará información heterogénea y dispersa (archivos Excel, PDF y Word) en modelos estructurados, consistentes y trazables.

Buscamos un perfil con criterio analítico para trabajar con datos imperfectos, que cuestione la integridad de las fuentes de entrada y disfrute convertir documentos desordenados en activos de información listos para consumo por modelos de IA y usuarios de negocio.

Responsabilidades principales
Ingesta, extracción y transformación
  • Pipelines de procesamiento documental: Diseñar y construir flujos ETL/ELT automatizados para la extracción y transformación de datos provenientes de Excel, PDF, Word y repositorios documentales.

  • Extracción de texto y tablas: Aplicar técnicas de extracción estructurada y OCR sobre documentos normativos, anexos técnicos y catálogos de conceptos.

  • Normalización y consolidación: Homogeneizar históricos de licitaciones, adjudicaciones, bases y resultados para alimentar capas analíticas y modelos de lenguaje.

Modelado, calidad y linaje
  • Diseño de datos: Definir estructuras relacionales y vistas analíticas preparadas para búsquedas complejas, comparación de versiones de documentos y trazabilidad histórica de cambios.

  • Gobierno y calidad: Implementar reglas automatizadas de completitud, vigencia, consistencia cruzada entre documentos y deduplicación.

  • Alimentación de módulos de IA: Estructurar las capas de datos necesarias para las funciones de validación regulatoria, análisis de juntas de aclaraciones, matching de perfiles y scoring de oportunidades.

Operación técnica y colaboración
  • Soporte a modelos de IA: Preparar datasets, metadatos y vistas optimizadas para sistemas de recuperación semántica (RAG) y algoritmos de scoring.

  • Control de versiones y despliegue: Gestionar el código y los esquemas en Git, documentando linaje de datos, supuestos lógicos y scripts de despliegue listos para producción.

  • Alineación con el negocio: Participar en las ceremonias de la célula ágil y validar los resultados y la calidad de la información junto a los equipos usuarios.

Requisitos del perfil
Requisitos indispensables (Must-have)
  • Experiencia profesional: Mínimo 3 años comprobables como Data Engineer o rol afín en entornos productivos.

  • Python para datos (3.9+): Dominio de librerías de manipulación y análisis de datos (Pandas, OpenPyXL, pdfplumber o equivalentes).

  • Bases de datos y SQL: Nivel avanzado de SQL y diseño de modelos de datos relacionales orientados a integridad y trazabilidad.

  • Procesamiento de fuentes no estructuradas: Experiencia directa extrayendo y estructurando información a partir de documentos no estandarizados (PDFs complejos, hojas de cálculo multiformato, Word).

  • Pipelines y calidad: Experiencia práctica diseñando flujos ETL/ELT e integrando validaciones automáticas de calidad de datos.

  • Buenas prácticas de ingeniería: Control de versiones con Git (estrategias de ramificación y Pull Requests).

  • Ubicación: Esquema de trabajo híbrido en Ciudad de México (CDMX).

Requisitos deseables (Nice-to-have)
  • Experiencia con servicios de OCR avanzados (Azure Document Intelligence, AWS Textract, Google Document AI o Tesseract).

  • Conocimiento de bases vectoriales o motores de búsqueda híbrida (pgvector, Elasticsearch, Qdrant o Pinecone).

  • Herramientas de orquestación de datos: Apache Airflow, Prefect o Azure Data Factory.

  • Manejo de plataformas cloud (Azure, AWS o GCP) e integración con pipelines de CI/CD (GitHub Actions, Azure DevOps).

  • Experiencia en proyectos de cumplimiento normativo (compliance), compras públicas o sector legaltech/fintech.

Formación y competencias
  • Formación académica: Licenciatura o Ingeniería en Sistemas, Computación, Ciencia de Datos, Informática o carrera afín (o experiencia profesional equivalente comprobable).

  • Certificaciones valoradas: Azure Data Engineer Associate (DP-203), AWS Certified Data Engineer, Databricks Certified Data Engineer o Google Professional Data Engineer.

  • Competencias profesionales:

    • Criterio analítico y rigor: Meticulosidad ante inconsistencias, duplicados o anomalías en los datos de origen.

    • Comunicación clara: Capacidad de traducir requerimientos regulatorios y de negocio en arquitecturas de datos funcionales.

    • Orientación a entregas incrementales: Habilidad para desplegar valor de manera ágil sin descuidar la gobernanza técnica ni la calidad del dato.

¿Qué tenemos para ti?

  • Apoyamos tu crecimiento personal y profesional con planes de desarrollo individual, donde tu eres dueñ@ de tu carrera y hasta dónde quieres llegar.

  • Días de descanso superiores a los de la ley: No es necesario esperar un año para disfrutar de tus días de vacaiones, además de días adicionales por tipos de eventos especiales y festividades.

  • Beneficios económicos adicionales a tu salario: Vales de despensa, fondo de ahorro, bolsa de capacitación, bono de bienestar, convenios y descuentos.

  • Apoyo emocional, queremos tu estabilidad en salud fisica y mental, por ello tenemos diversos beneficios que cubren aspectos de equilibrio personal para ti y salud para tu familia. ¡Queremos cuidar de ti y los tuyos!

Aquí hay espacio para gente buena… como tú, ¡Queremos conocerte!

Get your free, confidential resume review.

or drag and drop your file here.

Similar jobs

Similar jobs worth comparing

Data Engineer- AWS
Data Engineer- AWS

Bluetab, an IBM Company (América) • Ciudad de México

On-site
MXN 600,000 - 1,200,000
Vales de despensa
Fondo de ahorro
Bolsa de capacitación
+3
Ingeniero de Datos
Ingeniero de Datos

Bluetab • Ciudad de México

On-site
MXN 300,000 - 420,000
Desarrollo profesional
Días de descanso extra
Beneficios económicos
+1
Ingeniero de IA Generativa
Ingeniero de IA Generativa

Bluetab, an IBM Company • Ciudad de México

Hybrid
MXN 900,000 - 1,200,000
Desarrollo profesional
Días de descanso extra
Beneficios económicos
+1
Gobierno de Datos (Databricks Unity Catalog)
Gobierno de Datos (Databricks Unity Catalog)

Bluetab, an IBM Company • Ciudad de México

On-site
MXN 600,000 - 1,200,000
Vacaciones superiores a la ley
Vales de despensa
Fondo de ahorro
+3
Data Governance Consultant
Data Governance Consultant

Bluetab • Ciudad de México

On-site
MXN 600,000 - 900,000
Vales de despensa
Fondo de ahorro
Bono de bienestar
+1
Data Governance Specialist (Databricks Unity Catalog)
Data Governance Specialist (Databricks Unity Catalog)

Bluetab, an IBM Company (América) • Ciudad de México

On-site
MXN 900,000 - 1,350,000
Vales de despensa
Seguro de salud
Capacitación y desarrollo
Python Data Engineer - Automation & APIs- México Only
Python Data Engineer - Automation & APIs- México Only

DaCodes. • Santiago de Querétaro

Remote
MXN 279,000 - 502,200
Trabajo remoto/Home office
Seguro de gastos médicos mayores
Día off en tu cumpleaños
+2
Data Engineer / Phyton
Data Engineer / Phyton

Altumware Sc • San Pedro Garza García

Hybrid
MXN 558,000 - 893,000
Nómina completa
Prestaciones de Ley
Vales de despensa
+3
Data Engineer / Phyton
Data Engineer / Phyton

Altumware • San Pedro Garza García

Hybrid
MXN 420,000 - 700,000
Sueldo acorde a experiencia
Prestaciones de Ley
Seguro de Gastos Médicos Mayores
+2
Ingeniero de IA
Ingeniero de IA

Bluetab • Ciudad de México

On-site
MXN 450,000 - 750,000
Desarrollo profesional
Vacaciones excedentes
Vales de despensa
+4