Data Engineer Python y AWS — Remoto - LATAM — Consultoría Tech - Python, AWS,

Descripción del puesto

Sobre la vacante

DXC Luxoft está buscando un Data Engineer Regular con experiencia en Python y AWS para unirse a su equipo global. Esta es una oportunidad remota disponible para candidatos en LATAM, con la posibilidad de trabajar en proyectos internacionales y crecer en una consultora tecnológica líder.

Requisitos clave:

• Experiencia sólida en Python para procesamiento de datos
• Conocimientos en AWS (servicios como S3, Redshift, Glue, EMR)
• Familiaridad con herramientas de big data como Spark
• Capacidad para diseñar y mantener pipelines de datos
• Inglés intermedio-avanzado para comunicación en equipos globales

Beneficios:

• Modalidad remota con flexibilidad horaria
• Oportunidades de relocation a otros países
• Proyectos con clientes internacionales en sectores como finanzas, retail y tecnología
• Plan de carrera y capacitaciones constantes

¿Por qué deberías aplicar?

Esta vacante te permite escalar tu carrera internacionalmente sin salir de casa. DXC Luxoft es una consultora con presencia en más de 40 países, lo que significa exposición a proyectos de alto impacto y tecnologías de vanguardia. Aprenderás mejores prácticas de arquitectura de datos en la nube, trabajarás con equipos multiculturales y tendrás un camino claro de crecimiento hacia roles senior o de especialización en áreas como machine learning engineering o data architecture.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: Python (Pandas, PySpark), AWS (certificaciones son un plus), SQL avanzado, ETL/ELT, Docker
• Soft skills: Comunicación efectiva en inglés, trabajo en equipo remoto, resolución de problemas complejos

Tips prácticos para este puesto

• Prepara tu portfolio: Ten listos 2-3 ejemplos de pipelines que hayas construido, explicando decisiones técnicas
• Certificaciones AWS: Si no las tienes, menciona tu plan para obtenerlas (las empresas valoran la proactividad)
• Domina el storytelling de datos: Practica explicar cómo tus soluciones impactaron negocio (reducción de costos, mejoras en eficiencia)

Recursos recomendados

• Tools: AWS Free Tier para practicar, Apache Spark documentation, DataCamp para cursos de Python/Spark
• Influencers: Follow @awscloud y @ApacheSpark en Twitter
• Cursos: "Data Engineering on AWS" en Coursera, "Python for Data Engineering" en Udemy

Preguntas frecuentes en entrevistas para este rol

• "Describe un pipeline de ETL que hayas diseñado y los desafíos que enfrentaste" - Tip: Enfócate en decisiones arquitectónicas (por qué elegiste Glue vs. EMR, cómo manejaste escalabilidad)

• "¿Cómo optimizarías una consulta lenta en Redshift?" - Tip: Menciona distribución keys, sort keys, vacuum y analyze, uso de materialized views

• "Háblame de un proyecto donde tuviste que limpiar datos desestructurados" - Tip: Explica tu proceso (exploración, transformación con PySpark/Pandas, validación) y métricas de calidad resultantes

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $1,500 - $2,500 | | Mid | $2,500 - $4,000 | | Senior | $4,000 - $6,500 |

*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 en DXC Luxoft, el rango para "Regular" (Mid) sería $3,000 - $4,500 USD mensuales.*

Red flags a considerar

• Bandera roja 1: Si preguntan por "disponibilidad para trabajar en horarios de India/Europa sin compensación extra" - Pregunta en la entrevista sobre políticas de flexibilidad horaria y compensación por horas extraordinarias

• Bandera roja 2: Proyectos con tecnologías obsoletas (solo on-premise, sin cloud) - Investiga en LinkedIn qué tecnologías usa actualmente el equipo y pregunta sobre su roadmap de modernización

• Bandera roja 3: Falta de documentación o procesos definidos - Pregunta sobre sus standards de coding, revisiones de código y cómo manejan la deuda técnica en proyectos de datos