Ingeniero de Datos – Google Cloud Platform (GCP)

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

Ingeniero de Datos – Google Cloud Platform (GCP)

Los datos no se mueven solos. Tú diseñas la arquitectura que los hace confiables

GIM Holdings está construyendo una arquitectura de datos moderna sobre Google Cloud Platform. No es un data warehouse más: es un ecosistema gobernado por metadatos, donde cada nueva fuente se incorpora mediante patrones estandarizados, configuraciones versionadas y mecanismos de observabilidad de extremo a extremo.

El Programa ACE genera datos de múltiples sistemas —on-premise, APIs, archivos— que necesitan llegar a las capas Bronze, Silver y Gold con calidad, trazabilidad y control de costos. Este rol es el arquitecto de ese flujo: diseñas pipelines, construyes frameworks reutilizables y aseguras que cada dato que llega al negocio sea confiable.

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.

Lo que buscamos:

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

• Experiencia productiva en GCP: BigQuery, Cloud Storage, Cloud Composer y Dataproc Serverless (o equivalentes de procesamiento distribuido).

• Python y PySpark avanzado con buenas prácticas de modularidad, excepciones y pruebas.

• SQL avanzado: CTE, funciones de ventana, MERGE, optimización y procedimientos.

• Diseño y operación de cargas incrementales, modelos Bronze/Silver/Gold y reprocesos idempotentes.

• Integración mediante JDBC y APIs REST (autenticación, paginación, rate limiting, manejo de errores).

• Git, YAML y CI/CD para versionamiento y despliegue automatizado.

• Conocimientos de seguridad, auditoría, monitoreo y calidad de datos.

• Inglés intermedio para documentación y comunicación técnica.

Deseable:

• Certificación Google Cloud Professional Data Engineer o equivalente.

• Apache Iceberg, Dataform u herramientas de transformación SQL.

• Pub/Sub, Dataflow/Apache Beam, Kafka o Flink para streaming.

• Terraform, Docker y Docker Compose.

• Power BI y modelado semántico.

• Experiencia con SQL Server, Sybase/SQL Anywhere y sistemas heredados corporativos.

Stack Tecnológico

Google Cloud Platform | BigQuery | Cloud Storage | Cloud Composer (Airflow) | Dataproc Serverless | PySpark | Python | SQL | Apache Parquet | Apache Iceberg | Pub/Sub | Secret Manager | IAM | GitHub Actions | Terraform | Docker | Power BI | JDBC | REST APIs | YAML