Data Quality Engineer Senior — Remoto - México — Plataformas Empresariales Cloud - Python, Docker,

Descripción del puesto

Sobre la vacante

JoinReady busca un Data Quality Engineer Senior para liderar estrategias de garantía de calidad de datos, automatización y validación en plataformas empresariales modernas (cloud y lakehouse). Requisitos clave: Python 3 con más de 5 años de experiencia, Bash, Docker, Kubernetes, CI/CD, GitLab, YANG, NETCONF/RESTCONF, Node.js, PHP 8, SQL & NoSQL, JavaScript/TypeScript y Angular. Beneficios: pago en USD, modalidad freelance y proyectos ágiles. Ubicación exclusiva para México.

¿Por qué deberías aplicar?

Esta es una oportunidad para liderar la calidad de datos en entornos cloud de vanguardia, trabajando con tecnologías modernas y metodologías ágiles. Aprenderás a diseñar estrategias de data quality que impacten directamente en la toma de decisiones empresariales, con exposición a herramientas como Kubernetes y CI/CD en GitLab. Ideal para profesionales que buscan crecimiento en data engineering con enfoque en calidad y automatización.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Python avanzado con experiencia en automatización y validación de datos
• Conocimiento profundo en Docker y Kubernetes para despliegue de pipelines
• Experiencia en CI/CD con GitLab para integración continua
• Habilidades en SQL & NoSQL para manejo de bases de datos diversas
• Soft skills: liderazgo técnico, comunicación clara y pensamiento crítico

Tips prácticos para este puesto

• Enfócate en demostrar casos de éxito en automatización de data quality
• Prepara ejemplos de uso de YANG y NETCONF/RESTCONF en validación de configuraciones
• Muestra experiencia en entornos cloud y lakehouse para destacar tu adaptabilidad
• Practica explicar estrategias de data quality de manera sencilla a stakeholders no técnicos

Recursos recomendados

• Tools: Great Expectations para data quality, Apache Airflow para orquestación
• Documentación: Python Data Quality Libraries (pandas, pytest), Kubernetes Docs
• Influencers: Barr Moses (Monte Carlo Data), Tristan Handy (dbt Labs)
• Cursos: "Data Quality Engineering" en Coursera, "Python for Data Engineering" en Udemy

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe una estrategia de data quality que hayas implementado" - Tip: Enfócate en métricas clave (accuracy, completeness) y herramientas usadas (Python, CI/CD).
• Pregunta 2: "¿Cómo manejas la validación de datos en entornos cloud con Kubernetes?" - Tip: Menciona contenedores, orquestación y monitoreo con dashboards.
• Pregunta 3: "Explica tu experiencia con YANG y NETCONF/RESTCONF en data quality" - Tip: Relaciónalo con automatización de configuraciones y validación de datos de red.

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 - $7,500 |

*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: Si no hay claridad en los procesos de CI/CD para data quality - Pregunta en la entrevista: "¿Cómo integran las validaciones de datos en el pipeline de CI/CD?"
• Bandera roja 2: Falta de herramientas modernas para monitoreo de data quality - Investiga antes: Revisa si usan herramientas como Great Expectations o Monte Carlo.
• Bandera roja 3: Proyectos con poca definición de métricas de calidad - Señal de advertencia: Si no mencionan KPIs claros para data accuracy o completeness en el rol.