Ingeniero de Datos (m/h) – Data Warehouse y Arquitectura ELT
Gerente de Data Warehouse- 55.000,00 € - 80.000,00 € / año
- 40 horas / semana
- Duración indefinida
- Inmediatamente
- No especificado
- 55.000,00 € - 80.000,00 € / año
- 40 horas / semana
- Duración indefinida
- Inmediatamente
- No especificado
Idiomas requeridos
Introducción
Descripción
Actualmente, nuestro modelado de datos y lógica de transformación se encuentra principalmente en la herramienta de BI.
El objetivo de este puesto es construir una arquitectura de datos limpia y escalable fuera de la capa de reportes.
Como Ingeniero de Datos, serás responsable de la estructura de nuestro Data Warehouse, incluyendo la arquitectura ELT, lógica de transformación y orquestación de pipelines.
El foco está claramente en arquitectura, modelado de datos e infraestructura sostenible, más que en la creación de dashboards.
Concepción y construcción de una arquitectura ELT moderna (desde Raw a Staging hasta Data Mart).
Desarrollo y mantenimiento de un Data Warehouse estructurado con una lógica de transformación clara fuera de las herramientas de BI.
Modelado de datos dentro del Warehouse (por ejemplo, Esquema Estrella, Data Vault a largo plazo, SCD2).
Implementación de transformaciones versionadas con dbt o herramientas similares.
Construcción y orquestación de pipelines de datos estables y automatizados (por ejemplo, con Airflow, Prefect o Dagster).
Integración de fuentes de datos internas y externas (Tienda, ERP, CRM, Plataformas de Marketing, APIs).
Aseguramiento de calidad de datos, monitoreo y manejo de errores dentro de la arquitectura de pipeline.
Desarrollo técnico de la plataforma de datos con respecto a rendimiento, escalabilidad e integración en la nube a largo plazo.
Requisitos
Experiencia en la construcción de Data Warehouses o arquitecturas ELT (Raw → Staging → Data Mart).
Dominio en MS SQL Server así como consultas complejas, procedimientos almacenados y optimización del rendimiento.
Modelado de datos estructurado (por ejemplo, Esquema Estrella, SCD2).
Uso de dbt (o equivalente) para lógica de transformación limpia y versionada fuera de las herramientas de BI.
Experiencia con la orquestación (Airflow, Prefect, Dagster) y construcción de pipelines estables.
Uso habitual de Python para procesamiento de datos y lógica de pipelines.
Comprensión de datos de seguimiento (Google Analytics, Meta Ads) y su integración en el modelo de datos.
Uso pragmático de herramientas de BI como Power BI.
Inglés a nivel B2.
Lo que ofrecemos
du haces una diferencia directa e impulsas la eficiencia y el crecimiento.
