Data Engineer | Python + SQL + PostgreSQL

Sobre el proyecto

Buscamos un/a Data Engineer con experiencia sólida en Python, SQL y PostgreSQL para incorporarse a un proyecto con un fuerte enfoque en tecnologías Open Source. Buscamos un perfil hands-on, acostumbrado a desarrollar soluciones de datos desde cero mediante código. En este proyecto no se trabaja con herramientas ETL visuales ni soluciones de tipo drag & drop: el trabajo se realiza directamente mediante scripts Python y SQL avanzado.

El cliente utiliza StarRocks como motor analítico de alto rendimiento, por lo que buscamos profesionales con una base sólida en bases de datos relacionales, Data Warehousing y optimización SQL, con capacidad para adaptarse rápidamente a nuevas tecnologías.

Responsabilidades

• Desarrollo de procesos de ingesta y transformación de datos mediante Python y SQL.
• Creación de scripts desde cero para procesamiento de datos y archivos.
• Diseño y desarrollo de procesos ETL / ELT completamente orientados a código.
• Gestión de cargas incrementales y cargas completas.
• Implementación de mecanismos robustos de control de errores y recuperación ante fallos.
• Desarrollo de controles de calidad de datos mediante código.
• Optimización de consultas y procesos sobre grandes volúmenes de información.
• Diseño, creación y optimización de índices en PostgreSQL.
• Análisis de planes de ejecución mediante EXPLAIN.
• Identificación y resolución de problemas de rendimiento.
• Trabajo con estructuras de datos y optimización del consumo de memoria durante los procesos de ingesta.
• Automatización y mantenimiento de procesos de datos.
• Colaboración en el diseño y evolución de soluciones analíticas.

Requisitos imprescindibles

Python

• Experiencia sólida desarrollando scripts Python desde cero.
• Experiencia en tratamiento e ingesta de datos.
• Gestión eficiente de archivos, especialmente grandes volúmenes de información.
• Conocimientos sobre gestión de memoria y uso adecuado de estructuras de datos.
• Gestión robusta de excepciones y errores durante procesos de ingesta.
• Capacidad para desarrollar código mantenible y reutilizable.

SQL avanzado

• Dominio de SQL complejo.
• Experiencia con diferentes tipos de JOIN y relaciones entre tablas.
• Funciones de agregación y filtros complejos.
• Dominio de WHERE vs HAVING.
• Detección y tratamiento de duplicados.
• Gestión de registros huérfanos.
• Dominio de Window Functions.
• Capacidad para optimizar consultas y trabajar con grandes volúmenes de datos.

PostgreSQL

• Experiencia real trabajando con grandes tablas y volúmenes de datos.
• Creación, gestión y optimización de índices.
• Interpretación de planes de ejecución.
• Experiencia utilizando EXPLAIN.
• Capacidad para detectar cuellos de botella.
• Conocimiento de situaciones en las que un índice puede resultar contraproducente.

ETL / ELT

• Experiencia desarrollando procesos ETL/ELT mediante código.
• Diseño de cargas incrementales y completas.
• Gestión de errores durante procesos de ingesta.
• Capacidad para diseñar mecanismos de recuperación y control.
• Implementación de validaciones y controles de calidad de datos.

Se valorará

• Experiencia con StarRocks.
• Experiencia con bases de datos analíticas columnares como ClickHouse o Apache Doris.
• Conocimientos de Data Warehousing.

• Modelado dimensional
  • Esquema en estrella
  • Tablas de hechos
  • Dimensiones
• Conocimientos de arquitectura OLTP vs OLAP.
• Experiencia con Git.
• Conocimientos de herramientas de orquestación como Apache Airflow, Cron u otras soluciones Open Source.
• Conocimientos básicos de visualización de datos, por ejemplo Power BI.

Importante

No buscamos perfiles orientados a Big Data tradicional ni profesionales cuyo trabajo se base principalmente en herramientas ETL visuales. No es necesario tener experiencia previa en Spark, Hadoop, Hive o HDFS. El proyecto está orientado principalmente a una ingeniería de datos relacional y analítica, basada en:

Python + SQL + PostgreSQL + ETL/ELT por código.

Perfil que buscamos

Buscamos una persona muy técnica, autónoma y hands-on, acostumbrada a programar y resolver problemas directamente mediante código. Será especialmente importante tener una base sólida de SQL, PostgreSQL, optimización de consultas y desarrollo de procesos ETL, así como capacidad para trabajar con grandes volúmenes de datos y aprender rápidamente nuevas tecnologías como StarRocks.

Condiciones

• 100% remoto.