Data Engineer Senior — Remoto - LATAM — Plataformas de Datos - Dremio, Python, PySpark,

Descripción del puesto

Sobre la vacante

PStaff busca un Data Engineer Senior con más de 5 años de experiencia para construir y mantener plataformas de datos escalables y confiables, con un enfoque fuerte en data pipelines y analytics. Esta es una oportunidad remota para profesionales en Latinoamérica.

Requisitos clave:

• Experiencia en Data Lake, Data Warehouse y Lakehouse
• Experiencia práctica con Dremio (migraciones, arquitecturas híbridas o transiciones a Lakehouse)
• Sólidos conocimientos en SQL, Python y PySpark
• Experiencia con Iceberg, Delta y Parquet
• Manejo de Airflow y/o Dagster
• Experiencia en AWS y/o GCP y pipelines sobre object storage
• Conocimiento de data quality, testing y monitoreo
• Experiencia colaborando en equipos Agile

Formación y habilidades blandas:

• Licenciatura en Ciencias de la Computación o experiencia equivalente
• Alto nivel de inglés
• Atención al detalle y excelentes habilidades analíticas y de resolución de problemas

¿Por qué deberías aplicar?

Esta vacante te permite trabajar en proyectos de alta complejidad con tecnologías de vanguardia como Dremio y Lakehouse, lo que te posiciona como un experto en arquitecturas de datos modernas. Al colaborar en un entorno Agile, desarrollarás habilidades de liderazgo técnico y tendrás la oportunidad de impactar directamente en la escalabilidad y confiabilidad de plataformas críticas. Es una puerta de entrada a roles de arquitectura de datos y crecimiento en una industria en constante evolución.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: Dremio, Python, PySpark, SQL, AWS/GCP, Airflow/Dagster, Iceberg/Delta/Parquet
• Soft skills: Resolución de problemas, atención al detalle, colaboración en equipos Agile, comunicación efectiva en inglés

Tips prácticos para este puesto

• Prepara ejemplos concretos de migraciones o transiciones a Lakehouse que hayas liderado o participado.
• Demuestra tu experiencia con Dremio destacando casos de uso en arquitecturas híbridas o optimización de consultas.
• Asegúrate de tener un portafolio o repositorio GitHub con scripts de Python/PySpark y configuraciones de pipelines.
• Practica preguntas técnicas sobre data quality y monitoreo, ya que son críticas para roles senior.

Recursos recomendados

• Tools: Documentación oficial de Dremio, Apache Iceberg, Delta Lake, Airflow, Dagster
• Influencers: Sigue a expertos en LinkedIn como Bill Inmon, Martin Fowler para arquitectura de datos
• Cursos: Cursos en Coursera o Udemy sobre Data Engineering con AWS/GCP y PySpark avanzado
• Comunidades: Únete a foros como Stack Overflow y grupos de Data Engineering en Slack

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe un proyecto donde implementaste un data pipeline escalable con Dremio y PySpark." *Tip: Enfócate en los desafíos técnicos, cómo manejaste la escalabilidad y los resultados medibles.*
• Pregunta 2: "¿Cómo aseguras la calidad de los datos y monitoreas pipelines en producción?" *Tip: Menciona herramientas específicas (ej., Great Expectations, Airflow alerts) y procesos de testing automatizado.*
• Pregunta 3: "Explica tu experiencia con migraciones a arquitecturas Lakehouse y los beneficios obtenidos." *Tip: Destaca reducción de costos, mejora en performance o simplificación de arquitectura, usando ejemplos con Iceberg o Delta.*

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $2,500 - $4,000 | | Mid | $4,000 - $6,500 | | Senior | $6,500 - $10,000 |

*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.*

Red flags a considerar

• Bandera roja 1: Si la empresa no tiene un plan claro de migración o transición a Lakehouse. *Qué preguntar en la entrevista:* "¿Cuál es la hoja de ruta para la adopción de Dremio y arquitecturas Lakehouse, y cómo se mide el éxito?"
• Bandera roja 2: Falta de herramientas robustas para data quality y monitoreo. *Qué investigar antes de aceptar:* Revisa si mencionan prácticas de CI/CD para datos o uso de herramientas como Great Expectations en el equipo.
• Bandera roja 3: Equipo Agile mal implementado con sprints caóticos o falta de retroalimentación. *Señal de advertencia común en este tipo de rol:* Alta rotación en el equipo de datos o historial de proyectos fallidos debido a mala planificación.