Descripción de la oferta
Buscamos un/a Data Engineer Senior para diseñar y operar la plataforma de datos que alimenta un sistema de pricing dinámico e inteligencia de negocio en entornos retail de alto volumen. La persona seleccionada será el referente técnico de la arquitectura de datos: desde la ingesta de fuentes operacionales (ERP, POS, e-commerce, footfall) hasta la exposición de datos listos para consumo por modelos de ML y herramientas de BI. El rol requiere dominio profundo de Databricks como plataforma central y sólido conocimiento de la arquitectura Medallion (Bronze / Silver / Gold), así como experiencia en modelado de datos dimensional y capacidad para trabajar con Azure Data Factory como orquestador de pipelines — aunque la mayor parte del trabajo de transformación residirá en Databricks. 2. Responsabilidades principales Arquitectura y plataforma de datos ● Diseño y evolución de la arquitectura Medallion (Bronze → Silver → Gold) sobre Databricks / Delta Lake. ● Definición de estándares de ingesta, particionado, compactación y versionado de tablas Delta. ● Gobierno de la plataforma: Unity Catalog, gestión de permisos, linaje de datos y calidad (Great Expectations o similar). ● Evaluación y decisión de patrones de procesamiento: batch, micro-batch (Structured Streaming) y near real-time según el caso de uso. Modelado de datos ● Diseño de modelos dimensionales (esquemas estrella y copo de nieve) orientados a casos de uso de pricing, forecasting y personalización. ● Definición de tablas de hechos y dimensiones: transacciones POS, catálogo de productos, maestro de tiendas, calendario promocional. ● Colaboración con el equipo de ML para diseñar y mantener el feature store sobre la capa Gold. ● Documentación del modelo de datos en un catálogo semántico accesible para usuarios de negocio y analítica. Pipelines e ingesta ● Construcción de pipelines de ingesta desde fuentes heterogéneas: ERP (SAP u otros), POS, APIs de e-commerce, feeds de Retail Media, NPS. ● Uso de Azure Data Factory para orquestación de movimientos de datos entre sistemas origen y el lakehouse — con preferencia por mantener la lógica de transformación en Databricks (PySpark / SQL). ● Implementación de patrones de ingesta incremental (CDC, watermark, upsert con Delta Merge) para minimizar latencia y coste. ● Testing de pipelines: validaciones de schema, checks de completitud y pruebas de regresión sobre datos. Operación y fiabilidad ● Monitorización de jobs en Databricks Workflows: alertas, reintentos y gestión de dependencias. ● Optimización de costes de cómputo: sizing de clusters, uso de Photon, Auto Loader y optimizaciones de Delta (OPTIMIZE / ZORDER). ● Soporte a incidencias de datos en producción (on-call rotatorio con el equipo). Colaboración ● Trabajo estrecho con Data Scientists para garantizar que el feature store cubra los requisitos de los modelos de pricing y recomendación. ● Acompañamiento a analistas de negocio en la definición de métricas y KPIs sobre la capa Gold. ● Participación en code reviews, definición de convenciones de nombrado y estándares de calidad del equipo. 3. Requisitos Imprescindibles ● 5+ años de experiencia en ingeniería de datos en entornos productivos. ● Databricks: experiencia sólida con Databricks como plataforma principal; Delta Lake, Databricks Workflows, Unity Catalog. ● Arquitectura Medallion: diseño e implementación de capas Bronze / Silver / Gold con criterios claros de granularidad, particionado y SLA por capa. ● Modelado de datos: dominio de modelado dimensional (Kimball); diseño de esquemas estrella y copo de nieve; definición de claves surrogadas, SCDs y tablas de hechos. ● Lenguajes: PySpark y SQL avanzado (window functions, CTEs, optimización de queries). ● Azure Data Factory: conocimiento funcional para orquestación y movimiento de datos; no es necesario dominio profundo. ● Experiencia con patrones de ingesta incremental: CDC, watermark, Delta Merge / upsert. ● Familiaridad con control de versiones (Git) y prácticas de DataOps básicas. Valorables ● Experiencia en retail, travel retail o sectores con datos transaccionales de alto volumen. ● Conocimiento de herramientas de calidad de datos: Great Expectations, Soda o similar. ● Experiencia con dbt (data build tool) para transformaciones SQL sobre la capa Silver/Gold. ● Familiaridad con eventos en streaming: Kafka, Event Hubs o Databricks Structured Streaming. ● Conocimiento de herramientas de catálogo y linaje: Purview, Alation o Unity Catalog avanzado. ● Experiencia colaborando con equipos de ML en el diseño de feature stores (Feast, Tecton o solución custom).
