Senior Data Engineer AWS y Snowflake — Remoto - LATAM — Consultoría Tech - AWS, Snowflake, Python, SQL, dbt, Airflow

Descripción del puesto

Sobre la vacante

Ancient Global está en búsqueda de un Senior Data Engineer especializado en AWS y Snowflake para sumarse a proyectos tecnológicos globales de alto impacto. El rol se enfoca en plataformas de datos y data quality, trabajando con tecnologías como AWS, Snowflake, SQL, Python, dbt y Airflow.

Requisitos clave:

• Experiencia sólida en AWS y Snowflake
• Dominio de Python y SQL
• Conocimiento en dbt y Airflow
• Enfoque en data quality y arquitectura de plataformas de datos
• Inglés conversacional B2/C1

Beneficios:

• Trabajo 100% remoto
• Pago en USD
• Proyectos globales con equipos colaborativos
• Oportunidades de crecimiento en tecnologías de vanguardia

¿Por qué deberías aplicar?

Esta es tu oportunidad de trabajar en proyectos que definen el futuro de los datos. No solo construirás pipelines, sino que diseñarás la columna vertebral de plataformas que impactan a millones de usuarios. Aprenderás de equipos multidisciplinarios, trabajarás con las últimas tecnologías en cloud y data, y desarrollarás soluciones que van desde PoC hasta producción en entornos de alto impacto.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: AWS (especialmente servicios de datos), Snowflake, Python avanzado, SQL optimizado, dbt para transformaciones, Airflow para orquestación
• Soft skills: Comunicación efectiva en inglés, trabajo en equipo remoto, pensamiento arquitectónico, atención al detalle en data quality

Tips prácticos para este puesto

• Prepara tu portfolio de pipelines: Ten ejemplos concretos de pipelines que hayas diseñado en AWS+Snowflake
• Domina los casos de uso de data quality: Explica cómo implementas validaciones, monitoreo y gobierno de datos
• Practica arquitecturas escalables: Prepárate para discutir patrones como medallion architecture, cost optimization y performance tuning

Recursos recomendados

• Documentación oficial: AWS Data Services, Snowflake Docs, dbt documentation
• Cursos: Data Engineering on AWS (Coursera), Snowflake Hands-on Labs
• Influencers: Barr Moses (Monte Carlo Data), Zhamak Dehghani (Data Mesh), Maxime Beauchemin (Creator of Airflow)
• Herramientas: Great Expectations para data quality, Dagster como alternativa a Airflow

Preguntas frecuentes en entrevistas para este rol

• "Describe un pipeline de datos complejo que hayas diseñado de principio a fin" - Tip: Usa el framework STAR (Situación, Tarea, Acción, Resultado) y enfatiza decisiones técnicas específicas

• "¿Cómo aseguras la calidad de los datos en un entorno de múltiples fuentes?" - Tip: Menciona validaciones en capas (raw, transformed), monitoreo proactivo y procesos de reconciliación

• "¿Qué consideraciones tomas para optimizar costos en Snowflake y AWS?" - Tip: Habla de warehouse sizing, auto-suspension, partitioning, compression y uso estratégico de servicios serverless

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $2,500 - $3,500 | | Mid | $3,500 - $5,000 | | Senior | $5,000 - $8,000 |

*Nota: Varía según país, empresa, modalidad (remoto internacional paga más) y tecnologías específicas. Empresas de USA/EU pagando en LATAM suelen ofrecer 30-50% más. Para este rol con AWS+Snowflake en consultoría global, el rango senior puede llegar a $9,000-10,000 USD.*

Red flags a considerar

• "No tenemos un data mesh/data product strategy definido" - Pregunta en la entrevista: ¿Cómo está estructurado el ownership de los datos entre equipos? Esto puede indicar falta de gobierno de datos

• Herramientas obsoletas o procesos manuales - Investiga antes: Pregunta sobre el stack tecnológico actual y roadmap. Si mencionan ETLs manuales o herramientas legacy sin plan de migración, es señal de alerta

• Expectativas poco realistas sobre data quality - Señal de advertencia: Si prometen "data perfecta" sin reconocer los trade-offs entre velocidad, costo y calidad, puede indicar falta de experiencia real en ingeniería de datos