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 GCP. Trabajarás en proyectos con impacto real en negocio, colaborando con equipos multidisciplinares y utilizando tecnologías modernas dentro del ecosistema data. Buscamos una persona con sólida capacidad técnica, orientación analítica y experiencia en arquitecturas cloud para construir soluciones robustas, escalables y eficientes.

Responsabilidades
- Diseñar, desarrollar y mantener pipelines de datos escalables.
- Analizar e implementar soluciones avanzadas de procesamiento de datos en entornos cloud GCP.
- Traducir requerimientos complejos de negocio en arquitecturas técnicas eficientes 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 minimizar costes operativos.
- Colaborar con equipos de Data,



Producto y Negocio para potenciar la generación y explotación del dato.
- Diseñar e implementar estrategias de integración de datos y APIs en entornos cloud.
- Participar en la definición y evolución de arquitecturas de datos modernas en GCP.
- Diseñar e implementar pipelines CI/CD orientados a entornos de datos.

Conocimientos técnicos
- Experiencia sólida en programación con Python.
- 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 y soluciones analíticas como Google BigQuery y MongoDB.
- Experiencia avanzada con servicios GCP como Google Cloud Storage, Google Cloud Functions, Google Cloud API Gateway, Google Cloud Dataproc, Google Cloud Pub/Sub y Google Cloud Dataflow.
- Dominio de patrones de arquitectura e integración de APIs en GCP.
- Experienci

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