Data Engineer | Python + SQL + ETL | 100% Remoto

Data Engineer | Python + SQL + ETL | 100% Remoto Desde Tecdata Engineering buscamos incorporar un/a Ingeniero/a de Datos / Data Engineer para un proyecto estable en Seidor , trabajando en un entorno técnico, open source y muy orientado al desarrollo hands-on . Si eres de los perfiles que disfrutan picando código desde cero , trabajando directamente con Python y SQL y construyendo soluciones de datos sin depender de herramientas visuales de ETL, ¡esta oportunidad puede interesarte! 📍 Modalidad: 100% remoto 💰 SBA: 33.000 € brutos/año ⏳ Experiencia: 4-5 años 🕐 Horario: Alta flexibilidad horaria, con salida aproximada a las 17:00 h y jornada intensiva los viernes. 📅 Proyecto: Estable 🎯 ¿Qué buscamos? Un/a Data Engineer altamente técnico/a , con una sólida base en bases de datos relacionales, Data Warehousing, Python y SQL. El proyecto trabaja con StarRocks como motor analítico de alto rendimiento, por lo que buscamos una persona con una buena base en entornos OLAP y capacidad para aprender rápidamente nuevas tecnologías. 🛠️ Requisitos imprescindibles 🐍 Python Desarrollo de scripts desde cero para tratamiento e ingesta de datos. Procesamiento de archivos, especialmente CSV. Gestión eficiente de memoria y estructuras de datos. Gestión robusta de errores durante las ingestas. 🗄️ SQL Avanzado Consultas complejas, joins, agregaciones y filtros. Detección y tratamiento de duplicados y registros huérfanos. Dominio de Window Functions . Sólidos conocimientos de relaciones entre tablas. 🐘 PostgreSQL Experiencia con grandes volúmenes de datos. Creación y optimización de índices. Análisis de planes de ejecución mediante EXPLAIN . Capacidad para identificar problemas de rendimiento y optimizar consultas. 🔄 ETL / ELT mediante código Diseño y desarrollo de pipelines de datos programados a medida. Cargas incrementales y cargas completas. Gestión de errores y fallos durante una ingesta. Controles de calidad e integridad de datos mediante código. ⭐️ Se valorará Experiencia con StarRocks o bases de datos analíticas similares: ClickHouse, Apache Doris, etc. Conocimientos sólidos de Data Warehousing . Modelos en estrella, tablas de hechos y dimensiones. Diferencias entre arquitecturas OLTP y OLAP . Git y buenas prácticas de desarrollo. Experiencia con Apache Airflow , Cron u otras herramientas de orquestación open source. Conocimientos básicos de visualización de datos, como Power BI .