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

Descripción del puesto

Sobre la vacante

iFit Solutions busca un Data Engineer con experiencia en Python, AWS y SQL para unirse a su equipo en modalidad remota en LATAM. Requisitos clave incluyen:

• Ingeniería en sistemas o afín
• Experiencia en Business Intelligence y creación de dashboards/reportes
• Dominio de Python para desarrollo de data pipelines
• Conocimiento en AWS, MySQL, ETL y bases de datos relacionales/multidimensionales
• Experiencia con Docker y Kubernetes (deseable)
• Diseño de pipelines Batch y Streaming
• Conocimiento en Linux y Rust (opcional)

¿Por qué deberías aplicar?

Esta posición te permite trabajar en proyectos de data engineering de alto impacto en una empresa tech, desarrollando pipelines escalables y soluciones de BI. Aprenderás a optimizar procesos de datos en la nube, trabajar con tecnologías modernas como Kubernetes y Rust, y contribuirás a la toma de decisiones basada en datos. Es una oportunidad para crecer profesionalmente en un entorno remoto con flexibilidad y desafíos técnicos interesantes.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Python avanzado para ETL y automatización
• SQL experto para consultas complejas y optimización
• AWS (servicios como S3, Redshift, Glue, Lambda)
• Docker para contenerización de aplicaciones
• Linux para administración de servidores
• Soft skills: pensamiento analítico, comunicación clara, trabajo en equipo remoto

Tips prácticos para este puesto

• Prepara tu portafolio: muestra proyectos donde hayas diseñado pipelines ETL, optimizado consultas SQL o implementado soluciones en AWS.
• Domina los conceptos de streaming vs batch: explica claramente cuándo usar cada enfoque y sus trade-offs.
• Practica con Docker y Kubernetes: aunque son opcionales, diferenciarte con conocimientos en orquestación de contenedores te da ventaja.
• Investiga la empresa: revisa el dominio @ifit-solutions.com para entender su industria y posibles casos de uso de datos.

Recursos recomendados

• Tools: Apache Airflow, AWS Data Pipeline, dbt, Snowflake
• Librerías: Pandas, PySpark, SQLAlchemy, FastAPI
• Documentación: AWS Well-Architected Framework, Docker Docs, Kubernetes.io
• Influencers: follow a data engineers en LinkedIn como Zhamak Dehghani (creadora de Data Mesh)
• Cursos: "Data Engineering on AWS" en Coursera, "Apache Airflow" en Udemy

Preguntas frecuentes en entrevistas para este rol

• "Describe un pipeline ETL que hayas diseñado y los desafíos que enfrentaste" - Tip: estructura tu respuesta con contexto, arquitectura, tecnologías usadas y métricas de éxito.
• "¿Cómo optimizarías una consulta SQL lenta en una base de datos grande?" - Tip: menciona índices, particionamiento, revisión del execution plan y uso de herramientas como EXPLAIN.
• "¿Qué servicios de AWS usarías para un proyecto de data lake y por qué?" - Tip: relaciona S3 para almacenamiento, Glue para ETL, Athena para consultas y Redshift para warehousing, justificando costos y escalabilidad.

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.*

Red flags a considerar

• Bandera roja 1: falta de claridad en los objetivos del equipo de datos - Pregunta en la entrevista: "¿Cuáles son los KPIs principales que el equipo de data debe impactar este año?"
• Bandera roja 2: infraestructura desorganizada o legacy systems sin plan de modernización - Investiga antes de aceptar: pregunta sobre la antigüedad de los pipelines actuales y si hay roadmap para migrar a cloud.
• Bandera roja 3: expectativas poco realistas sobre deadlines o carga de trabajo - Señal de advertencia común: si mencionan "firefighting" constante o falta de documentación, podría indicar un entorno caótico.