About the role

Data Engineer developing and operating banking data solutions. Collaborating with cross-functional teams to ensure data quality and availability.

Responsibilities

Serás responsable de diseñar, construir y operar soluciones de datos para un cliente del sector bancario, habilitando analítica, reporting regulatorio/gerencial, modelos de riesgo y casos de negocio.
Trabajarás con equipos de producto, BI, analítica, ingeniería y seguridad para garantizar calidad, disponibilidad, trazabilidad y gobierno de los datos.
Diseñar y desarrollar pipelines ETL/ELT (batch y/o streaming) para ingestión, transformación y publicación de datos.
Implementar y mantener modelos de datos en data lake / data warehouse (modelos dimensionales, data marts, capas bronze/silver/gold).
Optimizar performance de consultas y procesos (particionado, clustering, manejo eficiente de archivos/tablas).
Asegurar calidad de datos (validaciones, reconciliaciones, reglas de negocio, monitoreo de pipelines).
Implementar linaje, catálogo y documentación de datasets, definiendo estándares de nombres y metadatos.
Gestionar accesos y seguridad de datos (principio de mínimo privilegio, cifrado, clasificación de datos sensibles).
Monitorear pipelines y plataformas, gestionar incidentes y establecer SLAs/controles operativos.
Automatizar despliegues con CI/CD e Infraestructura como Código cuando aplique.
Levantar requerimientos con áreas de negocio (canales, riesgo, finanzas, operaciones) y traducirlos a soluciones de datos.
Colaborar con analistas/DS/BI para habilitar datasets confiables y reutilizables.

+3 a 5 años de experiencia en ingeniería de datos en entornos productivos.
Experiencia comprobada en sector bancario/financiero (datos transaccionales, auditoría, calidad, trazabilidad).
Dominio de SQL avanzado (optimización, ventanas, CTEs, modelado).
Experiencia con al menos una tecnología de procesamiento: Spark / PySpark (deseable fuerte) o Python para procesamiento (pandas) en pipelines orquestados.
Experiencia con herramientas de orquestación: Airflow, Prefect, Dagster u otras.
Manejo de data warehouse/lakehouse: Snowflake, BigQuery, Redshift, Databricks, Synapse (según stack).
Conocimiento de formatos y almacenamiento: Parquet/ORC, particionado, compresión (Deseable) Delta Lake / Iceberg / Hudi.
Experiencia con control de versiones Git y prácticas de entrega continua (CI/CD deseable).
Buenas prácticas de seguridad y gobierno de datos.
Deseables (no excluyentes) Streaming y mensajería: Kafka/Kinesis/PubSub.
Nube (ideal AWS ): S3, Glue, Athena, EMR, Redshift, Lake Formation (o equivalentes).
Data quality frameworks: Great Expectations, Deequ u otros.
Conocimiento de regulaciones/procesos bancarios: conciliaciones, riesgo, AML/KYC, reportes, auditoría.
Experiencia con herramientas de catálogo/linaje: DataHub, Collibra, Amundsen, OpenMetadata.
Modelado orientado a analítica: Kimball, Data Vault (deseable).