> Markdown version of [/jobs/ext/1870054-data-platform-observability-engineer](https://www.wearedevelopers.com/jobs/ext/1870054-data-platform-observability-engineer). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md).

---

# Data Platform Observability Engineer

- **Company:** Glintt Global
- **Location:** Valencia, Spain
- **Contract:** Permanent contract
- **Skills:** Java (Programming Language), Amazon Web Services, Data Infrastructure, Python (Programming Language), Power BI, TypeScript, Datadog, Data Logging, Grafana, Cloudwatch
- **Published:** August 1, 2026
- **Apply:** https://www.buscojobs.com.es/data-platform-observability-engineer-en-valencia-ID-364078088

## About the Role

Conocimiento sólido en definición de SLIs y SLOs, y capacidad para guiar la definición de KPIs funcionales junto a negocio.Buen dominio de AWS .
Capacidad de instrumentación en:Python (imprescindible)TypeScript y Java (deseables)Conocimiento de OpenTelemetry (deseable).
Manejo avanzado del SDK de Datadog (imprescindible).
Experiencia en logging estructurado .
Diseño y construcción de dashboards de alto nivel orientados a negocio .
Requisitos deseablesExperiencia con Grafana, especialmente en la parte de visualización.Experiencia en control de tráfico entre servicios .
Conocimientos de Power BI para visualización.Experiencia en captación de requisitos de negocio para la definición de SLOs.Recruiting Privacy Policy#J-*****-Ljbffr

## Description

Sobre el EquipoDesde Glintt Next buscamos incorporar un/a Data Platform Observability Engineer para reforzar el equipo de Observabilidad Funcional de uno de nuestros partners del sector energético.Como Data Platform Observability Engineer, tu día a día estará orientado a diseñar, instrumentar y evolucionar la estrategia de observabilidad de las plataformas de datos y aplicaciones, combinando métricas técnicas y funcionales con una clara orientación a negocio.Trabajarás con Datadog APM como herramienta principal, instrumentando aplicaciones para obtener métricas, trazas y logs estructurados, y definiendo SLIs, SLOs y KPIs funcionales que permitan medir de forma objetiva la salud y el rendimiento de los servicios.Colaborarás estrechamente con equipos técnicos y de negocio para traducir necesidades funcionales en métricas accionables, diseñar dashboards de alto nivel orientados a negocio y garantizar una observabilidad robusta sobre entornos AWS, aportando una visión transversal de plataforma y datos en un contexto tecnológico complejo y de alto impacto.Modalidad: 100% remoto¿Cómo te imaginamos?Con una fuerte orientación a observabilidad y métricas, más allá de la pura operación.Cómodo/a trabajando con equipos técnicos y de negocio, ayudando a traducir necesidades funcionales en métricas y SLOs.Con mentalidad analítica, foco en la calidad del dato y visión de plataforma.Proactivo/a, con autonomía y capacidad para proponer mejoras en la estrategia de observabilidad.Lo que buscamosExperiencia real y hands-on con Datadog, especialmente:Datadog APMCustom MetricsTracing distribuidoExperiencia instrumentando aplicaciones para métricas funcionales y técnicas usando Datadog.Uso de logs como fuente de métricas (CloudWatch y/o generación de métricas en Datadog).Conocimiento sólido en definición de SLIs y SLOs, y capacidad para guiar la definición de KPIs funcionales junto a negocio.Buen dominio de AWS .Capacidad de instrumentación en:Python (imprescindible)TypeScript y Java (deseables)Conocimiento de OpenTelemetry (deseable).Manejo avanzado del SDK de Datadog (imprescindible).Experiencia en logging estructurado .Diseño y construcción de dashboards de alto nivel orientados a negocio .Requisitos deseablesExperiencia con Grafana, especialmente en la parte de visualización.Experiencia en control de tráfico entre servicios .Conocimientos de Power BI para visualización.Experiencia en captación de requisitos de negocio para la definición de SLOs.Recruiting Privacy Policy#J-*****-Ljbffr


## Related Videos

- [Debugging in the Dark](https://www.wearedevelopers.com/videos/1658-debugging-in-the-dark)
- [5 steps for running a Kubernetes environment at scale](https://www.wearedevelopers.com/videos/88-5-steps-for-running-a-kubernetes-environment-at-scale)
- [Beyond Dashboards: Fixing Text-to-SQL with Semantic RAG](https://www.wearedevelopers.com/videos/2036-beyond-dashboards-fixing-text-to-sql-with-semantic-rag)
- [From Messy Queries to Scalable Systems - How Data Engineering actually works](https://www.wearedevelopers.com/videos/100203-from-messy-queries-to-scalable-systems-how-data-engineering-actually-works)
- [Software Engineering Social Connection: Yubo’s lean approach to scaling an 80M-user infrastructure](https://www.wearedevelopers.com/videos/1583-software-engineering-social-connection-yubo-s-lean-approach-to-scaling-an-80m-user-infrastructure)
- [All your telemetry data from any source in one place](https://www.wearedevelopers.com/videos/57-all-your-telemetry-data-from-any-source-in-one-place)

## Related Articles

- [Data Engineer Salary UK](https://www.wearedevelopers.com/magazine/253-data-engineer-salary-uk)
- [Dev Digest 120 - Apple and peers](https://www.wearedevelopers.com/magazine/455-dev-digest-120-apple-and-peers)
- [Making Data Warehouses Fast: A Developer’s Story](https://www.wearedevelopers.com/magazine/107-making-data-warehouses-fast-a-developer-s-story)
- [MLops – Deploying, Maintaining And Evolving Machine Learning Models in Production](https://www.wearedevelopers.com/magazine/115-mlops-deploying-maintaining-and-evolving-machine-learning-models-in-production)
- [Dev Digest 119 - ❤️ === ❤️](https://www.wearedevelopers.com/magazine/454-dev-digest-119)
- [Dev Digest 139 - Soft and hard queries](https://www.wearedevelopers.com/magazine/487-dev-digest-139-soft-and-hard-queries)