Buscamos un Data Engineer con sólida experiencia en el ecosistema de Google Cloud Platform, capaz de diseñar, desarrollar y mantener pipelines de datos robustos y escalables. El rol implica trabajar en proyectos de implementación donde la calidad, trazabilidad y eficiencia del dato son prioridad. Si te apasiona transformar datos en activos estratégicos y disfrutas resolver desafíos técnicos complejos en entornos cloud, esta oportunidad es para ti.
Diseñar, desarrollar y mantener pipelines de datos confiables y escalables utilizando las herramientas del ecosistema Google Cloud Platform.
Integrar diversas fuentes de datos mediante el consumo y exposición de APIs REST, garantizando la correcta ingestión y disponibilidad de la información.
Gestionar y transformar datos en la nube utilizando BigQuery, Dataform y Cloud Storage, asegurando consistencia, calidad y rendimiento en cada capa del modelo de datos.
Implementar flujos de mensajería y procesamiento de eventos en tiempo real a través de Pub/Sub, coordinando la orquestación entre servicios.
Documentar los procesos, arquitecturas de datos y decisiones técnicas para garantizar la mantenibilidad y transferencia de conocimiento en el equipo.
Colaborar con equipos de Analytics, Ingeniería y Producto para comprender los requerimientos de negocio y traducirlos en soluciones de datos eficientes.
Constrói e mantém pipelines de dados escaláveis em GCP e Databricks, projetando arquiteturas Lakehouse e garantindo qualidade, performance e governança para apoiar decisões estratégicas.
As a Data Engineer, you will build reliable data systems and pipelines that empower teams at Stake to make informed decisions and enhance operational efficiency.
Own the data systems securing data center hardware and sites, from inventory and chain-of-custody pipelines to continuous control monitoring, posture calculations, field software, and automation.
Migrate Vertica data warehouses and Pentaho Data Integration workflows to a modern cloud data platform, converting ETL processes while preserving historical data and reconciling results.
Maintain and evolve a production semantic layer by modelling RDF data, developing SPARQL queries, supporting data workflows, and integrating semantic logic with backend systems.
