Ingeniero de Datos en GCP: Pipelines y Gobierno de Datos

Hogares Unión; Ciudad de México; Presencial; MXN 600.000 - 900.000; Jornada completa

Descripción de la vacante

GIM Holdings está construyendo una arquitectura de datos moderna sobre Google Cloud Platform. Este rol diseña pipelines, construye marcos de trabajo metadata-driven y garantiza que cada dato que llega al negocio sea confiable.

Se requieren 5+ años en ingeniería de datos, experiencia en GCP (BigQuery, Cloud Storage, Cloud Composer, Dataproc Serverless) y habilidades en Python, PySpark y SQL. Se valora CI/CD y seguridad de datos.

Formación

• 5+ años como Ingeniero de Datos desarrollando y operando pipelines ETL/ELT en producción.

Responsabilidades

• Diseñar pipelines de ingesta (batch y event-driven) con patrones full, incremental, histórico y reproceso idempotente.
• Construir frameworks metadata-driven gobernados por YAML, para que nuevas fuentes se integren sin modificar código.
• Desarrollar jobs PySpark en Dataproc Serverless para transformación, validación y escritura en Parquet e Iceberg.
• Orquestar flujos con Cloud Composer / Airflow: DAGs, dependencias, SLAs, alertas y recuperación ante fallos.
• Modelar y optimizar en BigQuery: datasets, tablas, vistas, particiones, clustering y control de costos.
• Implementar controles de calidad automáticos: integridad, duplicidad, reconciliación y gestión de registros rechazados.
• Garantizar seguridad y gobierno: IAM, Secret Manager, cifrado, segregación de ambientes y trazabilidad de accesos.
• Mantener CI/CD con GitHub Actions: validación, promoción DEV-QA-PRD y revisiones de código.

Conocimientos

Python

PySpark

SQL

GCP

BigQuery

Cloud Composer

Dataproc Serverless

Airflow

GitHub Actions

Terraform

Docker

Power BI

REST APIs

YAML

Herramientas

Dataproc Serverless

BigQuery

Cloud Composer

Airflow

Pub/Sub

JDBC

Descripción del empleo

GIM Holdings está construyendo una arquitectura de datos moderna sobre Google Cloud Platform. Este rol diseña pipelines, construye marcos de trabajo metadata-driven y garantiza que cada dato que llega al negocio sea confiable.

Se requieren 5+ años en ingeniería de datos, experiencia en GCP (BigQuery, Cloud Storage, Cloud Composer, Dataproc Serverless) y habilidades en Python, PySpark y SQL. Se valora CI/CD y seguridad de datos.