First seen by Alion on Nov 18, 2026. Solutix scores C on the Alion truth index.
📍 Modalidad 100% remoto.🕘 Horario de lunes a viernes de 9:00 hs a 18:00 hsBuscamos un Senior Data Engineer para diseñar, construir y operar una plataforma de datos sobre AWS serverless, orquestada con Airflow y gestionada como código. La posición combina ingeniería de datos, calidad y gobierno de datos, con foco en pipelines confiables, automatizados y desplegados mediante CI/CD. Requisitos Experiencia: +3 años como Data Engineer en entornos cloud productivos. AWS serverless (excluyente, nivel avanzado)Dominio de todo el ecosistema serverless de AWS y criterio para elegir cada servicio según el caso. Cómputo: Lambda (layers, concurrencia, timeouts, cold starts, empaquetado con contenedores), Fargate / ECS. Procesamiento de datos: Glue (jobs Spark y Python Shell, Data Catalog, crawlers), Athena (particionado, optimización de costos por escaneo), EMR Serverless. Orquestación y eventos: Step Functions, Event Bridge (reglas y schedulers), SQS, SNS. Almacenamiento: S3 (diseño de data lake, lifecycle, eventos), DynamoDB (modelado por patrones de acceso, índices, streams). Integración y APIs: API Gateway, AppSync. Streaming: Kinesis Data Streams / Firehose, MSK Serverless. Seguridad e IAM: roles y políticas de mínimo privilegio, Lake Formation, Secrets Manager. Observabilidad: CloudWatch (logs, métricas, alarmas). Costos: optimización en arquitecturas serverless (FinOps, Cost Explorer).
Orquestación con Apache Airflow (excluyente, nivel avanzado) Diseño y desarrollo de DAGs de punta a punta: estructura, dependencias, idempotencia, reintentos, SLAs y manejo de fallos. Funcionamiento interno: arquitectura (scheduler, executor, workers, triggerer, metadata DB), ciclo de vida de tareas, data intervals, catchup y backfills. Operadores, hooks y sensores: providers de AWS, operadores custom, deferrable operators. TaskFlow API, XComs, dynamic task mapping, task groups y assets (scheduling basado en datos). MWAA: configuración del entorno, dependencias, plugins, escalado de workers y despliegues blue/green. Integraciones: dbt vía Cosmos, dlt, disparo de jobs de Glue, Lambda, ECS y Step Functions desde DAGs. Buenas prácticas: testing de DAGs, parametrización por entorno, monitoreo y alertas.
Infraestructura como Código Terraform avanzado: módulos reutilizables, variables por entorno e import de recursos existentes. AWS CDK y/o CloudFormation: stacks, parámetros, outputs, change sets y drift detection. Aprovisionamiento como código de la plataforma de datos: entornos MWAA, Glue jobs, Lambdas, buckets S3, roles IAM y permisos de Lake Formation. Buenas prácticas: separación de entornos (dev / staging / prod), versionado de infraestructura, revisión del plan antes de aplicar y manejo seguro de secretos.
CI/CD y control de versiones (excluyente) Git avanzado: rebase, merge, cherry-pick, resolución de conflictos e historial limpio. Estrategias de branching: GitFlow, trunk-based development y feature branches; convenciones de nombres y versionado semántico (tags y releases). GitLab: merge requests, code review, protección de ramas, aprobaciones obligatorias y reglas de merge. GitLab CI/CD: pipelines (.gitlab-ci.yml), stages, jobs, runners, variables y secretos protegidos, artefactos, caché, ambientes y despliegues manuales o automáticos por rama.
Ingeniería de datos Snowflake: modelado, SQL avanzado y optimización de consultas. dbt: modelado por capas, tests, documentación e integración con orquestadores (Cosmos). Python para ingesta y automatización: boto3, APIs REST y GraphQL, procesamiento de archivos. Spark / PySpark: escrituras idempotentes, particionado y conocimiento de internals. Lakehouse: Parquet y Apache Iceberg sobre Glue Catalog. Ingesta multi-fuente con dlt: APIs (Microsoft Graph, Cost Explorer), SharePoint, bases de datos y archivos.
Agentes Agent core o conocimiento de arquitecturas de agentes.
Deseables Docker y criterio para elegir dónde correr cargas (ECS vs. workers de Airflow). Criterio Glue vs. EMR para elegir motor de procesamiento. Diseño de capas de proyección y consumo sobre DynamoDB para aplicaciones web. FinOps de datos: pipelines de costos cloud y análisis de consumo. Nociones de Kafka (MSK) y catalogación de topics.
Beneficios Ambiente laboral de cooperativismo y aprendizaje 📚 Equipo de trabajo 💻 Obra Social de primer nivel 🩺 Clases de inglés conversacionales en vivo 🗣️ Plan de Carrera personalizado 🧗 Vacaciones de 15 días hábiles 🏖️ Día de cumpleaños libre🎂 Ajustes salariales. 💰

