Buscamos una persona apasionada por la extracción y transformación de datos a gran escala, a quien le guste encontrar soluciones creativas para acceder, estructurar y normalizar información de fuentes web diversas y complejas. Debes ser una persona analítica, persistente e ingeniosa, capaz de adaptarse rápidamente a cambios en las fuentes de datos y enfrentar desafíos como CAPTCHAs, sitios dinámicos y mecanismos anti-bot.

Tu perfil debe estar orientado a construir pipelines de extracción robustos, escalables y mantenibles, con conocimientos sólidos en Python y automatización de navegadores.

Funciones del cargo

- Diseñar, desarrollar y mantener scrapers y crawlers robustos para la extracción masiva de datos de fuentes web públicas, incluyendo sitios con renderizado ágil (JavaScript).
- Implementar y administrar granjas de automatización de navegadores (Playwright, Selenium) capaces de operar decenas de sesiones concurrentes de forma estable.
- Desarrollar estrategias de evasión y adaptación frente a mecanismos anti-bot, CAPTCHAs, rate limiting y cambios estructurales en las fuentes de datos.
- Diseñar pipelines de procesamiento y normalización de datos extraídos, asegurando calidad, consistencia y trazabilidad de la información.
- Implementar sistemas de monitoreo, alertas y reintentos automáticos para garantizar la disponibilidad continua de los procesos de extracción.
- Optimizar el rendimiento y consumo de recursos de los scrapers, incluyendo gestión de proxies, rotación de identidades y paralelismo.
- Documentar fuentes de datos, lógica de extracción y reglas de negocio asociadas a cada scraper.




- Trabajar estrechamente con el equipo de backend y producto para integrar los datos extraídos en los servicios y APIs de la plataforma.

Requisitos del cargo

- Mínimo 2 años de experiencia en web scraping y extracción de datos a escala con Python.
- Dominio de librerías y frameworks de scraping: Scrapy, BeautifulSoup, lxml, Requests, HTTPX.
- Experiencia sólida con automatización de navegadores headless: Playwright (preferido) o Selenium.
- Conocimiento en manejo de proxies, rotación de IPs y técnicas anti-detección.
- Experiencia con bases de datos NoSQL (MongoDB) y/o relacionales (PostgreSQL).
- Conocimiento en administración y desarrollo en entornos Linux.
- Experiencia con Docker y despliegue de servicios en la nube (AWS deseable).
- Capacidad para analizar y parsear estructuras HTML/CSS complejas, así como consumir APIs no documentadas.

Requisitos deseables:

- Experiencia con colas de tareas y procesamiento asíncrono (Celery, Redis, asyncio).
- Conocimiento en resolución automatizada de CAPTCHAs (servicios de terceros o ML).
- Familiaridad con herramientas de orquestación y monitoreo (Grafana, Prometheus).
- Experiencia manejando alto volumen de datos y sesiones concurrentes (+50 sesiones simultáneas).

¿Qué te ofrecemos?

- Contrato a término indefinido.
- Salario: Entre $5.500.000 y $7.500.000.
- Teletrabajo híbrido en Bogotá (3 días en oficina, 2 días en casa)
- Bonos por cumplimiento de metas trimestrales.
- Clases de yoga.
- Clases de inglés.
- Fondo de empleados.
- Cartera de puntos.

¡Anímate a ser parte de nuestro equipo!

📌 Desarrollador web scraping (Bogotá)
🏢 Tusdatosco
📍 Bogotá