Integrarte a un equipo de datos para diseñar, desarrollar y operar pipelines ETL/ELT en Azure, garantizando la ingesta, transformación y disponibilidad de datos para consumidores de negocio y modelos analíticos. El rol implica responsabilidad técnica en la implementación de soluciones con Azure Data Factory, Azure Databricks y ecosistemas de almacenamiento (Blob Storage, Data Lake) aplicando buenas prácticas de calidad, rendimiento y gobernanza de datos.

Diseñar y desarrollar pipelines de ingestión y transformación de datos utilizando Azure Data Factory y Azure Databricks.

Implementar procesos ETL/ELT con Apache Spark y PySpark para procesamiento por lotes y en tiempo casi real.

Modelar y optimizar consultas SQL y estructuras de datos para consumo analítico y reporting.

Gestionar y organizar datos en Azure Blob Storage y Azure Data Lake (Gen2), definiendo particionamiento, formatos y políticas de retención.

Construir pipelines reproducibles, parametrizables y observables; instrumentar logging, métricas y alertas.

Colaborar con equipos de ciencia de datos, BI y producto para definir contratos de datos, SLAs y requisitos de calidad.

Automatizar despliegues y pruebas de pipelines; aplicar control de versiones y prácticas CI/CD para artefactos de datos.

Garantizar cumplimiento de políticas de seguridad y privacidad en el manejo de datos sensibles.

Documentar arquitecturas, pipelines y runbooks; transferir conocimiento al equipo y participar en on-call rotativo cuando aplique.

Requisitos excluyentes

- Experiencia comprobable como Data Engineer (mín. 3 años) trabajando con Azure Data Factory y Azure Databricks.
- Dominio de Apache Spark y PySpark para procesamiento distribuido y optimización de jobs.




- Sólidos conocimientos de SQL: modelado, tuning y optimización de consultas.
- Experiencia en diseño e implementación de pipelines ETL/ELT y en integración de datos.
- Conocimiento práctico de Azure Blob Storage y Azure Data Lake (Gen2), incluyendo formatos como Parquet/Delta Lake.
- Familiaridad con herramientas de orquestación, monitorización y CI/CD aplicadas a datos.
- Inglés técnico: nivel intermedio (lectura de documentación y comunicación con equipos técnicos).
- Residir en Argentina.
- Experiencia con Delta Lake, optimizaciones de storage y compaction.
- Conocimientos en seguridad y gobernanza de datos: RBAC, Data Catalog, políticas de enmascaramiento.
- Familiaridad con Python avanzado y librerías de ingeniería de datos (pandas, numpy, airflow o equivalentes).
- Experiencia con performance tuning de Spark y troubleshooting de jobs en Databricks.
- Certificaciones Azure relacionadas con datos (DP-203, Azure Data Engineer Associate) o Databricks.
- Experiencia en entornos cloud a gran escala y en trabajo ágil con equipos multidisciplinarios.

Sobre el rol

Buscamos un/a Data Engineer con experiencia práctica en Neo4j, Cypher y modelado de datos en grafos para sumarse a un proyecto innovador de LegalTech enfocado en transformar la manera en que se organiza, conecta y consulta información legal, tributaria,



contable y regulatoria.

Vas a participar en el desarrollo y evolución de un Knowledge Graph que permitirá relacionar grandes volúmenes de información, identificar conexiones semánticas y potenciar soluciones de búsqueda inteligente basadas en Inteligencia Artificial.

Esta posición combina Data Engineering, Graph Databases e Inteligencia Artificial, con un resistente enfoque en la construcción de soluciones productivas, escalables y mantenibles.

Trabajarás junto a equipos de Data Science, Backend e IA para transformar modelos conceptuales, taxonomías y ontologías en estructuras de grafos eficientes que alimenten arquitecturas de recuperación de información como RAG (Retrieval-Augmented Generation).

Buscamos una persona con una base sólida en ingeniería de datos, experiencia real trabajando con Neo4j y motivación por seguir desarrollándose en Knowledge Graphs, búsqueda semántica y GraphRAG.

¿Qué vas a hacer?

- Modelado de grafos: Diseñar, implementar y mantener modelos de datos en Neo4j, representando entidades, relaciones, jerarquías y estructuras complejas de información.
- Ingeniería de datos: Construir y optimizar pipelines ETL/ELT para ingesta, transformación, validación y actualización de datos estructurados y no estructurados.
- Desarrollo con Cypher: Crear y optimizar consultas complejas para recuperación de información, navegación de relaciones y procesamiento de datos en grafos.
- Implementación de Knowledge Graphs: Transformar taxonomías, ontologías y modelos conceptuales definidos por Data Science en estructuras productivas dentro de Neo4j.
- Integración con IA y RAG:

📌 Bi Data Modeling Engineer – Power Bi (Neuquén)
🏢 Blacksmith Agency
📍 Neuquén