Hub Leader Data Engineering – AI Software Engineering Office - caba ref 1074

En Yel, empresa líder en IT Outsourcing Services con alcance global, buscamos un Hub Leader Data Engineering AI Software Engineering Office para sumarse al equipo de profesionales.
· Ubicación: Ciudad de Buenos Aires Modalidad: Híbrida | LunVie de 8 a 17 hs
· ¿Qué buscamos en el rol a desempeñar?
· Objetivo: Acelerar el desarrollo en plataformas de datos y analítica, estandarizando pipelines, calidad y operación de modelos (DataOps + MLOps) en arquitectura lakehouse. Reporte a head of SEO, rol matricial.
· Responsabilidades         Diseñar, desarrollar y mantener aceleradores de productividad para los equipos de ingeniería de datos, incluyendo templates, frameworks, componentes reutilizables, librerías, Golden Paths y automatizaciones que reduzcan el esfuerzo de desarrollo.           Evaluar, seleccionar e incorporar herramientas de IA que incrementen la productividad del ciclo de desarrollo de soluciones de datos, habilitando capacidades como generación asistida de SQL, dbt, documentación, pruebas y análisis exploratorio mediante agentes de IA.           Definir estándares corporativos de DataOps, MLOps y Data Quality, estableciendo lineamientos, activos reutilizables y capacidades comunes para CI/CD, observabilidad, calidad, versionado, monitoreo y gobierno de datos, facilitando su adopción por parte de los equipos de desarrollo.           Desarrollar e integrar capacidades compartidas de gobierno, catálogo, trazabilidad y seguridad de datos que puedan ser reutilizadas por los diferentes equipos de ingeniería, asegurando consistencia tecnológica y cumplimiento de las políticas corporativas.           Realizar pruebas de concepto y evaluar nuevas tecnologías relacionadas con ingeniería de datos e Inteligencia Artificial, definiendo recomendaciones y planes de adopción para la organización.           Trabajar en conjunto con proveedores tecnológicos y equipos internos para implementar y evolucionar las capacidades de la plataforma de ingeniería de datos, asegurando su correcta integración con el ecosistema corporativo.           Definir e implementar métricas que permitan medir la adopción, productividad e impacto de las capacidades desarrolladas, identificando oportunidades de mejora continua y promoviendo la evolución de las prácticas de ingeniería.           Brindar acompañamiento técnico y mentoring a los equipos de desarrollo durante la adopción de nuevas herramientas, frameworks y prácticas de ingeniería de datos, actuando como referente técnico de la especialidad.
· Requisitos imprescindibles         +10 años en data engineering productivo.           Experiencia comprobable con pipelines en producción (Spark, dbt o equivalente) procesando volúmenes reales (TB+).         Casos documentados de mejora en calidad de datos (reducción de incidentes, SLAs cumplidos).           Dominio práctico de al menos uno de los Big Three: Databricks, Snowflake o Microsoft Fabric.           Experiencia con automatización de pipelines y CI/CD para datos (Azure DevOps, GitHub Actions, dbt Cloud, Liquibase para esquemas).           SQL avanzado y un lenguaje de programación de datos (Python o Scala). Deseables (nice-to-have)           Databricks (Delta Lake, Unity Catalog, MLflow) y/o Snowflake (Snowpark, Streams & Tasks).           SQL Server, Oracle Database u Oracle Cloud relevante para integración con sistemas industriales legacy.           Pipelines de ML productivos (training, serving, monitoring) usando MLflow, SageMaker o Azure ML.           Experiencia en arquitecturas data mesh o data fabric.           Streaming en tiempo real (Kafka, Flink, Spark Structured Streaming).           Experiencia comprobable en definición de métricas de productividad en ambiente Data Management.
· Beneficios Importantes e interesantes beneficios de contratación. ¿Te interesa el desafío? ¡Queremos conocerte!.

-Requerimientos- Educación mínima: Secundaria
10 años de experiencia
Palabras clave: datos, data, oficina