Data Engineer (Databricks) en Spain, Cequelinos

Buscamos un/a Data Engineer Senior para diseñar y operar la plataforma de datos que alimenta un sistema de pricing dinámico e inteligencia de negocio en entornos retail de alto volumen. La persona seleccionada será el referente técnico de la arquitectura de datos: desde la ingesta de fuentes operacionales (ERP, POS, e-commerce, footfall) hasta la exposición de datos listos para consumo por modelos de ML y herramientas de BI.

El rol requiere dominio profundo de Databricks como plataforma central y sólido conocimiento de la arquitectura Medallion (Bronze / Silver / Gold), así como experiencia en modelado de datos dimensional y capacidad para trabajar con Azure Data Factory como orquestador de pipelines.

Responsabilidades principales

● Diseño y evolución de la arquitectura Medallion (Bronze → Silver → Gold) sobre Databricks / Delta Lake.

● Definición de estándares de ingesta, particionado, compactación y versionado de tablas Delta.

● Gobierno de la plataforma: Unity Catalog, gestión de permisos, linaje de datos y calidad (Great Expectations o similar).

● Evaluación y decisión de patrones de procesamiento: batch, micro-batch (Structured Streaming) y near real-time según el caso de uso.

● Diseño de modelos dimensionales (esquemas estrella y copo de nieve) orientados a casos de uso de pricing, forecasting y personalización.

● Definición de tablas de hechos y dimensiones: transacciones POS, catálogo de productos, maestro de tiendas, calendario promocional.

● Colaboración con el equipo de ML para diseñar y mantener el feature store sobre la capa Gold.

● Documentación del modelo de datos en un catálogo semántico accesible para usuarios de negocio y analítica.

● Construcción de pipelines de ingesta desde fuentes heterogéneas: ERP (SAP u otros), POS, APIs de e-commerce, feeds de Retail Media, NPS.

● Uso de Azure Data Factory para orquestación de movimientos de datos entre sistemas origen y el lakehouse — con preferencia por mantener la lógica de transformación en Databricks (PySpark / SQL).

● Implementación de patrones de ingesta incremental (CDC, watermark, upsert con Delta Merge) para minimizar latencia y coste.

● Testing de pipelines: validaciones de schema, checks de completitud y pruebas de regresión sobre datos.

● Monitorización de jobs en Databricks Workflows: alertas, reintentos y gestión de dependencias.

● Optimización de costes de cómputo: sizing de clusters, uso de Photon, Auto Loader y optimizaciones de Delta (OPTIMIZE / ZORDER).

● Soporte a incidencias de datos en producción (on-call rotatorio con el equipo).

Colaboración

● Trabajo estrecho con Data Scientists para garantizar que el feature store cubra los requisitos de los modelos de pricing y recomendación.

● Acompañamiento a analistas de negocio en la definición de métricas y KPIs sobre la capa Gold.

● Participación en code reviews, definición de convenciones de nombrado y estándares de calidad del equipo.

Requisitos imprescindibles

● 5+ años de experiencia en ingeniería de datos en entornos productivos.

● Experiencia sólida con Databricks como plataforma principal; Delta Lake, Databricks Workflows, Unity Catalog.

● Diseño e implementación de capas Bronze / Silver / Gold, granularidad, particionado y SLA por capa.

● Dominio de modelado dimensional (Kimball); diseño de esquemas estrella y copo de nieve; claves surrogadas, SCDs y tablas de hechos.

● PySpark y SQL avanzado (window functions, CTEs, optimización de queries).

● Azure Data Factory: conocimiento funcional para orquestación y movimiento de datos

● Experiencia con patrones de ingesta incremental: CDC, watermark, Delta Merge / upsert.

● Familiaridad con control de versiones (Git) y prácticas de DataOps básicas.

Valorables

● Experiencia en retail, travel retail o sectores con datos transaccionales de alto volumen.

● Conocimiento de herramientas de calidad de datos: Great Expectations, Soda o similar.

● Experiencia con dbt (data build tool) para transformaciones SQL sobre la capa Silver/Gold.

● Familiaridad con eventos en streaming: Kafka, Event Hubs o Databricks Structured Streaming.

● Conocimiento de herramientas de catálogo y linaje: Purview, Alation o Unity Catalog avanzado.

● Experiencia colaborando con equipos de ML en el diseño de feature stores (Feast, Tecton o solución custom).