Data Engineer Senior Architect

aplicación Diseñar y Desarrollar modelos de datos a nivel lógico y a nivel físico en diferentes industrias y en diferentes blueprints tecnológicos con las mejores metodologías de trabajo para cada caso además de las estrategias de datos más adecuadas como Kimball, Data Vault, Data Mesh o Big Tables Conocer, gestionar y utilizar las diferentes herramientas y plataformas disponibles en las distintas nubes para el desarrollo de soluciones de data management: Azure Data Factory y Azure Synapse, AWS Redshift, GCP Data Fusion, GCP Dataform y Google Bigquery, y otros servicios del ecosistema de data de las diferentes nubes Conocer, gestionar y utilizar las diferentes herramientas y plataformas disponibles en ambientes más legacy para el desarrollo de soluciones de data management principalmente: Talend Cloud, Oracle Exadata, Informatica Cloud, etc. Aplicar nuevas prácticas y tecnológicas emergentes del desarrollo del software más tradicional o del mundo SaaS o K8s native, a la dimensión de data mangement: Python, Docker, Airflow, Great Expectations, DBT Cloud, FiveTran, Argo, etc. Participar en la elección de nuevas plataformas de datos, nuevas estrategias de desarrollos, nuevas metodologías, nuevos partnership con los Lead de la compañía y el departamento de innovación. Participar junto en el departamento de impulso y los diferentes equipos de cliente y expertos en industria en el desarrollo de propuestas comerciales desde el papel de desarrollo de negocio definiendo la solución, la arquitectura funcional lógica y física y la estimación de esfuerzos y costes de operación. Co-trabajar con el departamento de innovación en la labor de perfeccionar y aumentar el portfolio mediante el desarrollo de artefactos de ingeniería aplicables al ecosistema de data y analytics. ¿Qué formación y conocimientos te llevarán a conseguir esta posición? Ingeniería Informática, Ingeniería de

Telecomunicación u otra salida academia que te haya dotado de capacidad de desarrollo y pensamiento crítico en este ambiente. Se valora de forma muy positiva tener formación a través de un Master u otras alternativas que aumenten tus skills, por ejemplo, un Máster en Big Data y Analytics Conocimiento de arquitectura y ciclo de vida de los datos en ambientes de Data Lake, Data Warehouse u otras plataformas de Datos. Conocimiento de diferentes estrategias de modelado de datos: modelados relacionales, modelado Kimball, modelado Data Vault, modelado de tablones, modelado de datos híbrido, etc. Conocimiento de las diferentes estrategias de mover datos hacia o desde un repositorio de datos central, esto es Data Collection y Data Delivery y las diferentes técnicas asociadas a cada una de ellas: Change Data Capture, Ingesta de ficheros (Parquet, Avro, Text-File, etc.) en modo batch o microbatch, tratamiento de eventos y sus esquemas, Ingesta desde APIs, Data Sharing, etc. ¿Qué experiencia y conocimientos técnicos te llevará a ser un Senior? A partir de 4 años trabajando en equipo para disponer soluciones productivas de ingeniería de datos en contextos empresariales e industriales. A partir de 4 años desarrollando la actividad de Data Engineer en el ámbito técnico que se propone posteriormente o en ambientes técnicos semejantes que te hayan proporcionado de las mismas habilidades de ingeniería y pensamiento crítico y constructivo. A partir de 4 años trabajando en el modelo de datos de ambientes operacionales o informacionales, con diferentes aproximaciones en términos de estrategias de datos: modelados relacionales, modelado Kimball, modelado Data Vault, modelado de tablones, modelado de datos híbrido, etc. A partir de 2 años cuidando la calidad de datos aplicando las mejores técnicas, productos, frameworks y estrategias para ello. A partir de 1 año trabajando en data-products que se conforman mediante soluciones dirigidas por metadatos y en ambientes ligados a dataops o semejante. Lenguajes: Dominio alto de SQL, además se valorará otras variantes y experiencias como puede ser PL/SQL Dominio básico de Python Dominio medio de Bash u otro paradigma de scripting en Unix Conocimiento de un porcentaje medio de herramientas específicas ligadas a la Data Enginering Moderno, algunas que consideramos interesantes: dbt Cloud / CLI, Azure Data Factory, Apache Airflow, Matillion, Fivetran, Stitch, Talend Cloud Data Integration / Data Integration, Informatica Cloud Data Integration / PowerCenter, ODI, PDI / Kettle / Apache Hop,Apache Nifi, Apache Beam, Otras herramientas de integración de datos y orquestación Conocimiento de al menos una plataforma de datos con profundidad: Snowflake, BigQuery, Synapse, Redshift, Firebolt, Yellowbrick, Oracle Exadata, etc. Conocimiento y experiencia en el uso de sistemas de control de versiones (SCM), esencialmente Git. Conocimiento de herramientas de automatización bajo un paradigma DataOps: Azure DevOps, Jenkins, AWS CodePipeline, Bitbucket Pipelines, GitHub Actions… Conocimiento básico con respecto a tecnologías y herramientas de contenerización, esencialmente Docker y Kubernetes. Experiencia en la utilización de al menos una de las tres grandes nubes (AWS, Microsoft Azure o Google Cloud Platform), especialmente en lo relativo a los servicios orientados a procesamiento y disposición de datos ¿Qué experiencia y conocimientos técnicos te llevará a ser un Architect? A partir de 10 años trabajando en equipo para disponer soluciones productivas de ingeniería de datos en contextos empresariales e industriales. A partir de 6 años desarrollando la actividad de Data Engineer en el ámbito técnico que se propone posteriormente o en ambientes técnicos semejantes que te hayan proporcionado de las mismas habilidades de ingeniería y pensamiento crítico y constructivo. A partir de 4 años trabajando en el modelo de datos de ambientes operacionales o informacionales, con diferentes aproximaciones en términos de estrategias de datos: modelados relacionales, modelado Kimball, modelado Data Vault, modelado de tablones, modelado de datos híbrido, etc. A partir de 4 años cuidando la calidad de datos aplicando las mejores técnicas, productos, frameworks y estrategias para ello. A partir de 3 año trabajando en data-products que se conforman mediante soluciones dirigidas por metadatos y en ambientes ligados a dataops o semejante. A partir de 2 años realizando la labor de desarrollo de negocio desde la perspectiva de diseño de soluciones de analítica y estimación de esfuerzos. Se valoran certificaciones profesionales en Cloud y/o productos del ecosistema de data & analytics. Conocimiento de diferentes formas de confeccionar Data Platforms, ya sea Cloud Native o no. Lenguajes: Dominio alto de SQL, además se valorará otras variantes y experiencias como puede ser PL/SQL Dominio medio de Python Dominio medio de Bash u otro paradigma de scripting en Unix Conocimiento de un porcentaje medio de herramientas específicas ligadas a la Data Enginering Moderno, algunas que consideramos interesantes: dbt Cloud / CLI, Azure Data Factory, Apache Airflow, Matillion, Fivetran, Stitch, Talend Cloud Data Integration / Data Integration, Informatica Cloud Data Integration / PowerCenter, ODI, PDI / Kettle / Apache Hop,Apache Nifi, Apache Beam, Otras herramientas de integración de datos y orquestación Conocimiento de al menos una plataforma de datos con profundidad: Snowflake, BigQuery, Synapse, Redshift, Firebolt, Yellowbrick, Oracle Exadata, etc. Conocimiento y experiencia en el uso de sistemas de control de versiones (SCM), esencialmente Git. Conocimiento de herramientas de automatización bajo un paradigma DataOps: Azure DevOps, Jenkins, AWS CodePipeline, Bitbucket Pipelines, GitHub Actions… Conocimiento básico con respecto a tecnologías y herramientas de contenerización, esencialmente Docker y Kubernetes. Experiencia en la utilización de al menos dos de las tres grandes nubes (AWS, Microsoft Azure o Google Cloud Platform), especialmente en lo relativo a los servicios orientados a procesamiento y disposición de datos. ¿Qué Soft Skills nos gusta encontrar? Fuertes habilidades de comunicación y organización con la capacidad de lidiar con la ambigüedad mientras se hacen malabares con múltiples prioridades. Ganas de innovar y perseguir la excelencia profesional desde la perspectiva de la técnica. Inquietud por la evolución y el desarrollo profesional constante. Capacidad de desenvolverse inglés en el entorno profesional

exclusivamente en proyectos de Data & Analytics, en cualquier punto de su cadena de valor. Somos una compañía líder en el mercado español, con la mayor plantilla de profesionales dedicados al mundo del dato, y una presencia relevante en países como Estados Unidos, Reino Unido o Italia, entre otros. SDG ha mantenido una trayectoria ascendente a lo largo de sus más de 25 años de historia, con un ritmo de crecimiento notable y sostenido durante los últimos años, y un plan estratégico ambicioso fundado nuestra capacidad de crecimiento sostenible.La posición abierta es para la incorporación a la Práctica de Data Technologies: departamento de SDG integrado por equipos de especialistas, que promueve la excelencia técnica en la compañía. Se trata de una práctica transversal que da servicio al resto de prácticas y equipos que conforman SDG, y participa en iniciativas y proyectos de relevancia estratégica. Data Technologies se segmenta en diferentes áreas de conocimiento: Innovation, Advisory & Solutioning, Data Management, Big Data, AI Engineering y Cloud & Emerging Tools. En concreto, el área de la posición a cubrir es Data Management. La actividad del área de Data Management gira en torno a las soluciones de Data Warehousing: desde actividades más habituales como arquitectura de datos, diseño de estructura de capas de persistencia y ciclo de vida del dato, modelado de datos lógico y físico, diseño y desarrollo de procesos ETL/ELT o gestión de la calidad del dato; hasta prácticas más modernas como diseño y desarrollo de procesos dirigidos por metadatos, gestión de metadatos, Data Observability o DataOps. Qué nos hace diferentes: Modelo de trabajo Smart Work o 100% remoto. Desarrollo de una carrera como Modern Data Architect en una compañía de corte internacional tanto desde la perspectiva más tecnológica como de la más metodológica. Ser parte de una cultura colaborativa dinámica donde de forma apasionada convergen el conocimiento en diferentes industrias, el buen management y la tecnología. Trabajo rodeado de un equipo de práctica con grandes especialistas y referentes profesionales que impulsan y motivan el desarrollo y la realización profesional. Contacto y apoyo constante por parte de la dirección y de los diferentes leads Pensando siempre en el next-step de la innovación en Data & Analytics Horario laboral flexible y facilidad para la conciliación laboral familiar Oferta económica acorde a la experiencia y conocimientos que nos demuestres. Retribución flexible y beneficios sociales como Ticket Restaurant, seguro médico privado para ti y tu familia e interesantes descuentos tecnológicos. Posición con amplias posibilidades de crecimiento mediante un plan de carrera fuertemente tecnológico y especializado además de cuidadosamente diseñado y en constante evolución para ayudarte a conseguir tus metas profesionales: Retrospectivas y revisiones cada 6 meses Valoraciones estrictamente meritocráticas y en base a las 6 dimensiones de crecimiento profesional que establece SDG para cada categoría profesional (Práctica, Operaciones, Equipo, Cliente, Negocio e Influencia). Make your own SDG: consensua tus objetivos con tus managers y adapta tu plan de carrera a tus aspiraciones de crecimiento de acuerdo con tu contexto personal en cada momento. Grandes clientes de todos los sectores: Ecosistemas tecnológicos variados y de gran envergadura. Importantes iniciativas de transformación en la mayoría de proyectos. Trabajo en colaboración con otras áreas de Data Technologies y otras prácticas y equipos de SDG: Innovation, Advisory & Solutioning, AI Engineering, Big Data, Cloud & Emerging Tools, Advanced Analytics, Software Factory… Proyectos liderados y gestionados por SDG en su mayoría: el outsourcing no es la base del negocio de SDG.Tu día a día con nosotros: Definir y diseñar plataformas de data moderno en nube pública o en nube privada cubriendo todo el ciclo de vida de datos bajo una estrategia dirigida por metadatos y fundametanda en DataOps Desplegar, integrar y configurar todos aquellos componentes para la disponibilización de dichas plataformas de datos, entendiendo en profundidad su uso y aplicación en el contexto real de analítica descriptiva y predictiva, y garantizando las características requeridas por en función de todo ello, aplicándose para ello técnicas de DataOps junto con equipos de cloud engineers. Definir a nivel metodológico y de gobierno cómo ha de plantearse el ejercicio de la arquitectura de datos sobre dichas plataformas. Desarrollar soluciones de data management end-to-end como parte de equipos multidisciplinares, colaborando en la definición de la solución y llevando a cabo la implementación de todos los procesos involucrados en la construcción y