Azure Data Engineer: Etl & Analytics Specialist (Remote)
Design, build, and operate ETL/ELT data pipelines on Azure using Azure Data Factory, Azure Databricks, Spark/PySpark, and storage like Blob Storage and Data Lake Gen2, serving business consumers and analytics. Includes SQL modeling, CI/CD for data, governance, documentation, and rotating on-call; can be 100% remote within Argentina.
- Compensation
- Not disclosed
- Location
- Santa Fe, Argentina
- Work setup
- Remote
- Seniority
- Not specified
- Employment
- Not specified
- Experience
- Not specified
- Category
- Data engineering
- Posted
Skills
Must have
- 3+ years of proven experience as Data Engineer with Azure Data Factory and Azure Databricks
- Mastery of Apache Spark and PySpark for distributed processing and job optimization
- Strong SQL: modeling, tuning, and query optimization
- Experience designing and implementing ETL/ELT pipelines and data integration
- Practical knowledge of Azure Blob Storage and Azure Data Lake (Gen2), including Parquet/Delta Lake formats
- Familiarity with orchestration, monitoring, and CI/CD tools applied to data
- Intermediate technical English (documentation reading and communication with technical teams)
- Reside in Argentina
Nice to have
- Experience with Delta Lake, storage optimizations, and compaction
- Knowledge of data security and governance: RBAC, Data Catalog, masking policies
- Advanced Python and data engineering libraries (pandas, numpy, airflow or equivalents)
- Experience with Spark performance tuning and troubleshooting jobs in Databricks
- Azure data-related certifications (DP-203, Azure Data Engineer Associate) or Databricks
- Experience in large-scale cloud environments and agile work with multidisciplinary teams
Full description
- Ofertas de Azure Data Engineer Etl Analytics S...
Ubicación: Argentina | Puede ser 100% remoto
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.