Data Engineer - Chile o Colombia

El Data Engineer existe para transformar datos crudos en activos de datos confiables y estratégicos Su misión sera contribuir en la ingesta y calidad de datos de la plataforma de Marketing, así mismo diseñar, desarrollar y optimizar los pipelines de datos para la ingesta y activación omnicanal Garantizar la disponibilidad, calidad y gobernanza de pipelines e infraestructura de datos.

Construcción de Pipelines de Calidad: Desarrollar scripts y procesos automatizados de auditoría de datos en BigQuery que certifiquen la coherencia de exclusiones y duplicados. Optimización de Tuberías MarTech: Diseñar y mejorar los pipelines que extraen data cruda (RAW data) desde los diferentes canales o plataformas de orquestación hacia el Data Lake para analítica avanzada.

Automatización de Alertas: Configurar flujos de monitoreo automatizados que detengan flujos de sincronización de audiencias anómalas o vacías. Herramientas y tecnologias imprescindibles: SQL Componentes Cloud (GCP) (dominio del entorno y sus servicios) Python Construcción de Pipelines / ETL-ELT: Experiencia ingiriendo RAW Data (data cruda) estructurada y no estructurada.

Ingeniería de Prompt Familiaridad con Herramientas de Calidad de Datos: Uso de frameworks de pruebas como dbt tests, Great Expectations o desarrollos nativos en BigQuery SQL/Python. Conocimientos en Arquitectura Medallion Habilidades blandas imprescindibles: Comunicación: Adaptar mensajes técnicos y no técnicos según la audiencia, incluso en niveles estratégicos.

Colaboración: Cooperar con distintos roles y squads, fomentando sinergia y resolución conjunta. Resolución de problemas: Liderar soluciones innovadoras ante problemas complejos de datos. Mentoring: Guiar a colegas en prácticas de ingeniería de datos, fomentando desarrollo profesional. Pensamiento crítico: Evaluar decisiones técnicas y estratégicas cuestionando supuestos Aprendizaje continuo: Promover una cultura de aprendizaje en el equipo, integrando nuevas prácticas y herramientas.

Entendimiento de negocio: Conectar modelos y pipelines con journey end-to-end, KPIs/OKRs core y casos de uso de alto impacto; priorizar backlog según valor