Lead Data Engineer — Remoto - LATAM — Fintech Pagos - Snowflake, AWS, ML/AI, Tiempo

Descripción del puesto

Sobre la vacante

Cobre, la plataforma de pagos empresariales más grande de Colombia y México, está en búsqueda de un Lead Data Engineer para liderar la evolución de su infraestructura de datos. El rol implica ser dueño de la infraestructura de datos para el decisioning platform, construir la capa de ML/AI que permita a científicos de datos desplegar modelos sin fricción, y liderar y hacer crecer el equipo de ingeniería de datos. Requisitos incluyen +5 años en data engineering, 2+ años liderando equipos, experiencia real con sistemas en tiempo real y pipelines en producción, y haber construido productos de datos para usuarios externos. La posición es remota con preferencia por zonas horarias de LATAM.

¿Por qué deberías aplicar?

Esta es una oportunidad única para liderar la transformación de una infraestructura de datos sólida (Snowflake + AWS) hacia productos de datos en tiempo real que impactan directamente en las operaciones de clientes en toda Latinoamérica. En Cobre, no solo moverás datos, sino que construirás APIs, decisioning embebido y analytics que se convierten en funcionalidad crítica para empresas. Crecerás profesionalmente al liderar un equipo en un entorno de alta escala, trabajando con tecnologías de vanguardia en el sector fintech, donde tu trabajo tendrá un impacto tangible en la economía regional.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: Experiencia con Snowflake y AWS, pipelines de datos en tiempo real, arquitectura de productos de datos, integración de ML/AI, liderazgo técnico.
• Soft skills: Liderazgo de equipos, comunicación efectiva, pensamiento estratégico, capacidad para escalar procesos.

Tips prácticos para este puesto

• Enfócate en demostrar experiencia con sistemas en tiempo real y pipelines en producción en tu portafolio o entrevistas.
• Prepara ejemplos concretos de productos de datos que hayas construido para usuarios externos, no solo dashboards internos.
• Investiga sobre pagos cross-border y tesorería en tiempo real para entender el contexto del negocio.

Recursos recomendados

• Tools: Snowflake documentation, AWS Data Engineering services, Apache Kafka para streaming.
• Influencers: Follow data engineering leaders on LinkedIn like Zhamak Dehghani (creator of Data Mesh).
• Cursos: "Data Engineering on AWS" en Coursera, "Real-Time Data Processing" en Udemy.

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe un pipeline de datos en tiempo real que hayas implementado en producción." *Tip: Explica el stack tecnológico, desafíos de escalabilidad y cómo mediste el éxito.*
• Pregunta 2: "¿Cómo liderarías el crecimiento de un equipo de ingeniería de datos?" *Tip: Menciona estrategias de mentoring, definición de roles y métricas de desempeño.*
• Pregunta 3: "Háblame de un producto de datos que hayas construido para usuarios externos." *Tip: Destaca la integración con APIs, feedback de clientes y impacto en el negocio.*

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Mid | $4,000 - $6,000 | | Senior | $6,000 - $9,000 | | Lead | $8,000 - $12,000 |

*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 un Lead Data Engineer en fintech con experiencia en tiempo real y liderazgo, los rangos pueden ser superiores.*

Red flags a considerar

• Bandera roja 1: Falta de claridad en la estrategia de datos a largo plazo. *Qué preguntar en la entrevista:* "¿Cuál es la hoja de ruta para los próximos 2 años en el data platform?"
• Bandera roja 2: Equipo subdimensionado para la escala del proyecto. *Qué investigar antes de aceptar:* Tamaño actual del equipo de datos y carga de trabajo en Glassdoor o LinkedIn.
• Bandera roja 3: Poca integración entre ingeniería de datos y ciencia de datos. *Señal de advertencia común:* Dificultades mencionadas en desplegar modelos de ML sin fricción en entrevistas técnicas.