PRINCIPALES RESPONSABILIDADES:

• Diseñar y desarrollar arquitecturas de datos modernas, incluyendo lagos de datos, almacenes de datos y pipelines de datos, garantizando escalabilidad, rendimiento y gobernanza.
• Utilizar herramientas y tecnologías como Hadoop, Spark, SQL, Python, Kafka, Airflow y otros frameworks de procesamiento de datos en tiempo real y por lotes.
• Definir modelos de datos óptimos que soporten analítica avanzada y machine learning, asegurando la interoperabilidad entre sistemas y la optimización del almacenamiento y procesamiento.
• Construir, optimizar y mantener pipelines de datos eficientes y confiables que faciliten la ingesta, transformación y carga de datos en diversas plataformas.
• Implementar estrategias de orquestación y automatización para la integración de datos en entornos híbridos y en la nube (AWS, Azure, Google Cloud).
• Asegurar el monitoreo y la resiliencia de los flujos de datos mediante la implementación de mecanismos de control, alertas y tolerancia a fallos; así como calidad, integridad y seguridad de los datos a lo largo de todo el ciclo de vida, aplicando estándares y mejores prácticas de gestión de datos.
• Implementar estrategias de Data Governance, incluyendo lineamientos de calidad de datos, políticas de retención, clasificación de datos y cumplimiento normativo (GDPR, HIPAA, ISO 27001).
• Desarrollar soluciones para la detección y corrección de anomalías, así como la validación y perfilamiento de datos.
• Colaborar estrechamente con científicos de datos, analistas y equipos de negocio para comprender las necesidades de información, identificar patrones, tendencias y oportunidades en los datos.
• Diseñar soluciones que faciliten la explotación de datos mediante modelos analíticos, dashboards interactivos y reportes automatizados.
• Fomentar una cultura data-driven a través de la democratización del acceso a los datos y la capacitación en herramientas analíticas.

REQUISITOS DEL PUESTO:

• Licenciatura en Ingeniería Informática, Ciencias de la Computación o campo relacionado.
• Conocimientos en SQL, trasnac-sql y lenguajes de programación como Python.
• Experiencia con frameworks de procesamiento de datos y herramientas de ETL.
• Experiencia en el uso de herramientas de visualización de datos (Tableau, Power BI).
• Conocimiento profundo de bases de datos relacionales y no relacionales.
• Experiencia en el uso de herramientas de modelado de datos (analysis services, cognos, entre otras).
• Experiencia con frameworks de machine learning.
• Conocimiento de algoritmos de machine learning y deep learning.
• Conocimiento y experiencia en herramientas de big data (Hadoop, Spark, Hive, Airflow, entre otras)
• Experiencia con herramientas de cloud computing (AWS, Azure, GCP) y orquestación de contenedores.
• Experiencia en el manejo de grandes volúmenes de datos y procesamiento distribuido.