Senior Data Engineer (AWS Serverless & Airflow) – Relación de Dependencia – Argentina

Información general

- Ubicación: Argentina
- Tipo de contrato: Relación de dependencia, full-time
- Industria / Proyecto: Plataforma de datos sobre AWS serverless para cliente internacional (industria a confirmar)

Sobre el rol

Buscamos un/a Senior Data Engineer para diseñar, construir y operar una plataforma de datos sobre AWS serverless, orquestada con Apache Airflow y gestionada íntegramente como código.

Responsabilidades

- Diseñar, construir y operar la plataforma de datos sobre el ecosistema serverless de AWS, eligiendo cada servicio según el caso de uso, el costo y la operabilidad.
- Desarrollar DAGs de Airflow de punta a punta, con foco en idempotencia, reintentos, SLAs y manejo de fallos.
- Configurar y operar entornos MWAA: dependencias, plugins, escalado de workers y despliegues blue/green.
- Orquestar desde Airflow jobs de Glue, Lambda, ECS y Step Functions, e integrar dbt (vía Cosmos) y dlt.
- Implementar ingesta multi‑fuente con dlt y Python: APIs REST y GraphQL, Microsoft Graph, Cost Explorer, SharePoint, bases de datos y archivos.
- Diseñar y mantener el data lake / lakehouse en S3 con Parquet y Apache Iceberg sobre Glue Catalog.
- Modelar datos en Snowflake y dbt por capas, con tests y documentación.
- Desarrollar procesamiento con Spark / PySpark garantizando escrituras idempotentes y particionado eficiente.
- Aprovisionar la infraestructura como código con Terraform y/o AWS CDK / CloudFormation: entornos MWAA, Glue jobs, Lambdas, buckets S3, roles IAM y permisos de Lake Formation.
- Construir y mantener pipelines de GitLab CI/CD con separación de entornos (dev / staging / prod) y despliegues controlados por rama.
- Aplicar seguridad de mínimo privilegio,



gobierno de datos con Lake Formation y manejo seguro de secretos.
- Implementar observabilidad con CloudWatch (logs, métricas, alarmas) y testing de DAGs.
- Optimizar costos de la arquitectura serverless aplicando prácticas de FinOps.

Requisitos

- +3 años de experiencia como Data Engineer en entornos cloud productivos.
- AWS serverless (excluyente, nivel avanzado):
- Lambda (layers, concurrencia, timeouts, cold starts, empaquetado con contenedores), Fargate / ECS.
- Glue (jobs Spark y Python Shell, Data Catalog, crawlers), Athena (particionado, optimización de costos por escaneo), EMR Serverless.
- Step Functions, EventBridge (reglas y schedulers), SQS, SNS.
- S3 (diseño de data lake, lifecycle, eventos), DynamoDB (modelado por patrones de acceso, índices, streams).
- API Gateway, AppSync.
- Kinesis Data Streams / Firehose, MSK Serverless.
- IAM con mínimo privilegio, Lake Formation, Secrets Manager.
- CloudWatch, FinOps y Cost Explorer.

- Apache Airflow (excluyente, nivel avanzado):

- Arquitectura interna (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 y deferrable operators.
- TaskFlow API, XComs, dynamic task mapping, task groups y assets.
- MWAA en producción.
- Testing de DAGs, parametrización por entorno, monitoreo y alertas.

- 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, feature branches) y versionado semántico.
- GitLab: merge requests, code review, protección de ramas, aprobaciones y reglas de merge.
- GitLab CI/CD: stages, jobs, runners, variables y secretos protegidos, artefactos, caché, ambientes y despliegues manuales o automáticos.

- 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.
- Buenas prácticas: separación de entornos, versionado, revisión del plan antes de aplicar.

- Ingeniería de datos:

- Snowflake: modelado, SQL avanzado y optimización de consultas.
- dbt: modelado por capas, tests, documentación e integración con Cosmos.
- Python para ingesta y automatización (boto3, APIs REST y GraphQL, procesamiento de archivos).
- Spark / PySpark, incluyendo conocimiento de internals.
- Parquet y Apache Iceberg sobre Glue Catalog.
- Ingesta multi‑fuente con dlt.

- Agentes: experiencia con Agent Core o conocimiento de arquitecturas de agentes.

Incentivos

- Contrato full‑time en relación de dependencia con remuneración en ARS.
- Trabajo 100% remoto.
- Salario competitivo.
- Licencias legales y vacaciones.
- Días personales adicionales al año.
- Acceso a plataformas de aprendizaje.
- Tarjeta de beneficios y descuentos.
- Welcome kit.
- Programas de reintegros.
- Clases de inglés.
- Programa de referidos.
- Regalo de cumpleaños.
- Healthy Break.
- Celebraciones al estilo Darwoft: aniversarios, fiestas de fin de año, cumpleaños y actividades de integración.

#J-18808-Ljbffr

📌 Senior Data Engineer - Remote Ingestion & Connectors (Tandil)
🏢 Zeo Consulting
📍 Tandil