1046 - Data Engineer (Python/AWS/Snowflake) · Senior · Remote · ARG

Disclaimer – Lectura obligatoria: Compromiso y dedicación Este rol requiere dedicación full-time, con prioridad clara sobre los proyectos de Darwoft durante el horario laboral establecido. No es compatible con otros compromisos profesionales full-time. Cualquier actividad profesional adicional deberá ser informada previamente y no deberá interferir con las responsabilidades del rol. Sobre Darwoft Darwoft es una software factory que desarrolla soluciones de software a medida y brinda servicios de staff augmentation IT para clientes internacionales, principalmente en Estados Unidos y Latinoamérica. Trabajamos con startups y compañías en crecimiento, construyendo productos digitales de alto impacto. Nuestra cultura es people-first: priorizamos la calidad técnica, las relaciones de largo plazo y el trabajo colaborativo. Combinamos excelencia técnica con cercanía humana. 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. La posición combina ingeniería de datos, calidad y gobierno de datos. El foco está en pipelines confiables, automatizados y desplegados mediante CI/CD, que permitan al negocio contar con datos consistentes, trazables y disponibles a tiempo, con un uso eficiente de los costos cloud. Vas a tener autonomía técnica para tomar decisiones de arquitectura, elegir el servicio adecuado para cada caso y definir buenas prácticas sobre toda la plataforma. 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 Must-Have +3 años de experiencia como Data Engineer en entornos cloud productivos. AWS serverless (excluyente, nivel avanzado): Cómputo: Lambda (layers, concurrencia, timeouts, cold starts, empaquetado con contenedores), Fargate / ECS. Procesamiento: Glue (jobs Spark y Python Shell, Data Catalog, crawlers), Athena (particionado, optimización de costos por escaneo), EMR Serverless. Orquestación y eventos: Step Functions, EventBridge (reglas y schedulers), SQS, SNS. Almacenamiento: S3 (diseño de data lake, lifecycle, eventos), DynamoDB (modelado por patrones de acceso, índices, streams). Integración y APIs: API Gateway, AppSync. Streaming: Kinesis Data Streams / Firehose, MSK Serverless. Seguridad: IAM con mínimo privilegio, Lake Formation, Secrets Manager. Observabilidad y costos: 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. Nice-to-Have Docker y criterio para decidir dónde correr cargas (ECS vs. workers de Airflow). Criterio para elegir entre Glue y EMR como motor de procesamiento. Diseño de capas de proyección y consumo sobre DynamoDB para aplicaciones web. FinOps de datos: pipelines de costos cloud y análisis de consumo. Nociones de Kafka (MSK) y catalogación de topics. ¿Qué ofrecemos en Darwoft? Contratación en relación de dependencia, con remuneración en ARS. Modalidad de trabajo remota o Mixta. Salarios competitivos. Vacaciones y licencias según legislación vigente. Días personales adicionales por año. Acceso a plataformas de capacitación. Tarjeta de beneficios y descuentos. Welcome kit. Programas de reintegros. Clases de inglés. Programa de referidos. Regalo de cumpleaños. Healthy Break. Celebraciones, aniversarios y actividades de integración. Explore this and other opportunities at: www.darwoft.com/careers