En E-Frontiers estamos buscando un/a Data Engineer para incorporarse a un equipo de datos y participar en el diseño, desarrollo y evolución de soluciones escalables en entornos cloud sobre AWS.

Por favor, presente su candidatura sin demora si su perfil encaja bien con este puesto, debido al alto nivel de interés.
Responsabilidades

-
- Diseñar, desarrollar y mantener pipelines de datos escalables, tanto batch como streaming.
- Analizar e implementar soluciones avanzadas de procesamiento de datos en entornos cloud AWS.
- Traducir requerimientos complejos de negocio en arquitecturas técnicas eficientes, escalables y robustas.
- Garantizar la calidad, fiabilidad y disponibilidad del dato mediante la implementación de sistemas de observabilidad y Data Quality.
- Optimizar procesos y arquitecturas existentes para maximizar rendimiento y eficiencia de costes.
- Colaborar con equipos de Data, Producto y Negocio para impulsar la generación y explotación del dato.
- Diseñar e implementar estrategias de CI/CD orientadas a entornos de datos.




- Participar en la definición y evolución de arquitecturas modernas como Data Lakehouse y Data Mesh.

Conocimientos técnicos

-
- Experiencia sólida en programación con Python.
- Experiencia en procesamiento distribuido de datos con Apache Spark.
- Conocimientos en IA generativa aplicada al desarrollo.
- Modelado de datos avanzado en entornos SQL y NoSQL.
- Experiencia con bases de datos relacionales como PostgreSQL y/o MySQL.
- Experiencia con bases de datos NoSQL como MongoDB, Amazon DynamoDB o Amazon DocumentDB.
- Experiencia avanzada con servicios AWS como Amazon S3, AWS Lambda, Amazon API Gateway, Amazon EMR, AWS Glue y Amazon Athena.
- Dominio de patrones arquitectónicos como Data Lakehouse y Data Mesh en AWS.
- Experiencia en orquestación con Apache Airflow o AWS Step Functions.
- Control de versiones con Git y estrategias avanzadas de branching.
- Experiencia con contenedores mediante Docker y orquestación con Kubernetes / EKS.
-

📌 Data Engineer (Madrid)
🏢 E-Frontiers
📍 Madrid