Arquitecto de Datos SQL Snowflake

En Koltin, estamos rediseñando la forma en que cuidamos a nuestros papás, mamás, abuelos y abuelas, con el objetivo de ayudarles a mantenerse saludables, activos e independientes durante el mayor tiempo posible. Lo hacemos a través de nuestras membresías de salud, que integran: Atención clínica enfocada en la prevención Cobertura médica de gastos mayores Somos la primera empresa en México que protege a personas adultas mayores, desde los 50 hasta los 84 años. Estamos creciendo rápidamente en todo el país, con un propósito claro: transformar la experiencia de salud para las Grandes Personas, haciéndola más humana, accesible y digna. Data Engineer para el equipo de Data Platform: la persona que se hace dueña de cómo se mueven los datos. Vas a diseñar, construir y operar los pipelines, la ingesta y la orquestación que hacen que cada dato llegue completo, a tiempo y confiable al warehouse, y de ahí al producto. Es un rol senior y hands-on: defines la arquitectura de la plataforma, pones la vara de ingeniería (confiabilidad, observabilidad, CI/CD) y mentoreas al equipo. Trabajas de la mano con Analytics Engineering, que construye el modelado y los contratos de datos sobre lo que tú habilitas. Nuestra ambición: pasar de responder bien lo que ya se pregunta, a anticipar la pregunta, y de ahí a modelos predictivos corriendo en producto. Este rol construye los cimientos que hacen ese salto escalable. Conectores administrados y custom (Airbyte, APIs, CDC) para fuentes clínicas, comerciales y operativas, con cargas incrementales, idempotentes y con manejo de historia. Workflows en Dagster con Python: dependencias, reintentos, backfills, SLAs y assets bien definidos. Procesos batch y near real-time, orientados a eventos cuando haga sentido, que reemplacen procesos manuales y escalen sin reescribirse. Garantizar calidad y observabilidad. Checks de datos en cada capa, alertas, lineage y monitoreo: que las anomalías nos avisen antes de que alguien las reporte. Infraestructura en AWS (PostgreSQL/RDS, Lambda, S3, serverless) con desempeño, costo y seguridad en la cabeza. Llevar prácticas de ingeniería a los datos. Git, PRs, testing, CI/CD, templates y componentes reutilizables que suban la velocidad del equipo (DevEx). Habilitar a Analytics Engineering, Data Science y ML. Datos crudos confiables para los modelos en dbt, datasets de entrenamiento y pipelines que lleven predicciones de regreso al producto. Subir la vara del equipo. 5+ años en data engineering, con al menos 2 operando como Sr. Data Engineer o referente técnico de plataforma. Python para pipelines en producción. ETL/ELT, automatizaciones y servicios de datos, aplicando Git, PRs/code review, testing y CI/CD. Experiencia real con Dagster o Airflow, idealmente habiendo desplegado o migrado un orquestador desde cero. SQL avanzado y bases de datos. PostgreSQL y/o un warehouse analítico (Redshift, Snowflake, BigQuery), optimizando desempeño y costo. Cloud, preferentemente AWS. RDS, Redshift, Lambda, S3 y arquitecturas serverless (SAM o similar). Data quality checks, monitoreo y alertas (Datadog, Grafana o equivalente) en sistemas que no se pueden caer. Haber llevado procesos legacy o manuales a infraestructura cloud-native escalable. Comunicación con negocio y producto. Traducir una necesidad ambigua en una solución de datos y explicar sus trade-offs. Español nativo e inglés profesional (documentación y herramientas en inglés). Infraestructura como código (Terraform, Pulumi o CDK). APIs de datos con FastAPI, REST o GraphQL. Big Data / OLAP (Vertica, Redshift, Snowflake) sobre volúmenes grandes. Certificaciones de AWS, Dagster o Snowflake. Experiencia con datos clínicos o de salud y requerimientos de privacidad y cumplimiento. Haber habilitado Data Science / ML: datasets de entrenamiento, features reutilizables, predicciones servidas al producto. Medimos el trabajo por impacto, no por horas. La plataforma es un producto. Sus usuarios son Analytics, Data Science y los equipos de negocio; Cada integración nueva viene con tests, monitoreo y documentación que evitan resolverla de nuevo. Los datos viven en el dominio que les importa. Data se acerca al equipo, no al revés. No es un rol de BI ni de dashboards: el corazón del trabajo es ingesta, orquestación e infraestructura. No es un rol de soporte de queries ni de extracciones ad hoc. PostgreSQL
· dbt
· Dagster
· Airbyte
· Python
· AWS
· Omni
· Hex
· Git / GitHub Actions
· Slack
· Notion
· Claude Asistencia médica privada por videollamada (médico general, nutriólogo y psicólogo) ilimitado para ti y 3 familiares Seguro de Gastos Médicos Mayores Equipo necesario para hacer tu trabajo