Propósito

Desarrollar y mantener la infraestructura de datos de la empresa, incluyendo la creación y gestión de pipelines de datos, el diseño de almacenes de datos y la implementación de soluciones para el procesamiento y análisis de datos.

Responsabilidades

- Diseñar, construir y mantener pipelines de datos para la ingestión, limpieza, transformación y carga (ETL) de datos desde diversas fuentes hacia almacenes de datos y sistemas analíticos.
- Configurar y administrar sistemas de almacenamiento de datos, bases de datos y herramientas de procesamiento de datos, asegurando su escalabilidad, disponibilidad y rendimiento.
- Identificar y resolver cuellos de botella de rendimiento en pipelines de datos y sistemas de almacenamiento, implementando soluciones para mejorar la eficiencia y la velocidad de procesamiento.
- Desarrollar y mantener sistemas de gestión de metadatos para catalogar y documentar conjuntos de datos, pipelines de datos y procesos de transformación.
- Implementar medidas de seguridad y cumplimiento para proteger la confidencialidad, integridad y disponibilidad de los datos de la empresa, incluyendo la encriptación, la autenticación y el control de acceso.
- Trabajar en estrecha colaboración con equipos de ciencia de datos, desarrollo de productos,



ingeniería de software y operaciones para asegurar la integración efectiva de sistemas de datos en los productos y servicios de la empresa.
- Conocer a profundidad el negocio y sector, para hacer uso adecuado de los datos y que estos permitan la toma de decisiones.

Conocimientos y Experiencia

- Competente en Ingeniería informática, Ingeniería de software, ingeniería de datos o afines
- Experiencia minina de 2 años en modelamiento de bases de datos relacionales y no relacionales.
- Conocimientos Complementarios en:
- SQL y manejo de sistemas de gestión de bases de datos como PostgreSQL, MySQL, entre otros.
- Tecnologías de almacenamiento de datos, incluyendo data lakes y/o data warehouses (Redshift, BigQuery, Snowflake)
- Diseño y desarrollo de pipelines de datos escalables (ETL).
- Herramientas de orquestación de flujos de datos como Airflow o similares.
- Dominio de Python.
- Integración de datos desde múltiples fuentes: APIs, archivos planos, sistemas internos, entre otros.
- Entornos de nube como AWS (S3, Redshift, Glue), GCP o Azure.
- Manejo de Git y familiaridad con prácticas de CI/CD aplicadas a pipelines de datos.
- Experiencia con herramientas de transformación como dbt.
- Conocimiento de procesamiento distribuido con Apache Spark.

📌 Data Engineer - 194 (Medellín)
🏢 Allius
📍 Medellín