Sr Data Engineer - Data Platform
# Sr Data Engineer - Data Platform **Koltin** · Mexico · `Remote` · `Full Time` 💼 **Уровень роли:** `Senior` 🕒 **Статус:** *Опубликовано: сегодня* · *Источник: Himalayas (JSON API)* --- ### Top Skills & Match 🎯 **Ключевой стек роли:** `[Data-Engineer]` `[Platform-Engineer]` `[Data-Infrastructure-Engineer]` `[Data-Pipeline-Engineer]` `[Data-Platform-Engineer]` `[Senior-Cloud-Data-Platform-Engineer]` `[Senior-Data-Infrastructure-Engineer]` `[Senior-Data-Engineering]` --- ### About the Role Sobre nosotros 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 - Programas de bienestar y comunidad 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. El rol Buscamos un(a) Sr. 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. Responsabilidades - Diseñar y operar la ingesta. Conectores administrados y custom (Airbyte, APIs, CDC) para fuentes clínicas, comerciales y operativas, con cargas incrementales, idempotentes y con manejo de historia. - Ser dueño(a) de la orquestación. Workflows en Dagster con Python: dependencias, reintentos, backfills, SLAs y assets bien definidos. - Construir pipelines de producción. 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. - Evolucionar la arquitectura en la nube. 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. Code review, pairing y mentoría técnica; estándares que se sostienen sin ti en la sala. Lo que buscamos - 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. - Orquestación. Experiencia real con Dagster o Airflow, idealmente habiendo desplegado o migrado un orquestador desde cero. - Ingesta. Herramientas administradas (Airbyte, Fivetran o equivalente) y conectores custom contra APIs; cargas incrementales, idempotencia y manejo de historia. - SQL avanzado y bases de datos.PostgreSQL y/o un warehouse analítico (Redshift, Snowflake, BigQuery), optimizando desempeño y costo. - Transformaciones con dbt o equivalente, entendiendo cómo la ingesta y el modelado se contratan entre sí. - Cloud, preferentemente AWS. RDS, Redshift, Lambda, S3 y arquitecturas serverless (SAM o similar). - Confiabilidad y observabilidad. Data quality checks, monitoreo y alertas (Datadog, Grafana o equivalente) en sistemas que no se pueden caer. - Modernización. 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. - Haber mentoreado a otros ingenieros y dejado estándares que sobrevivieron. - Español nativo e inglés profesional (documentación y herramientas en inglés). Suma puntos - Infraestructura como código (Terraform, Pulumi o CDK). - Arquitecturas orientadas a eventos y microservicios; APIs de datos con FastAPI, REST o GraphQL. - Streaming o procesamiento en tiempo real para métricas operativas. - 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. - Contexto de startup en crecimiento: ambigüedad alta, poca burocracia, prioridades que se mueven. Valores - Medimos el trabajo por impacto, no por horas. - Proactividad y productividad son igual de importantes. - Rapidez ≠ velocidad (buscamos velocidad con dirección intencionada). - Constancia y congruencia (alinear lo que hacemos con lo que Koltin y las GPs necesitan). - Honrar el proceso (el proceso importa tanto como el resultado). Como trabajamos - La plataforma es un producto. Sus usuarios son Analytics, Data Science y los equipos de negocio; la medimos por confiabilidad y por lo que habilita. - Todo request deja capacidad detrás. 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. - Ownership real. Poca jerarquía, criterio propio y espacio para decidir cómo se construyen las cosas. Que NO es este rol - 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. Stack PostgreSQL · dbt · Dagster · Airbyte · Python · AWS · Omni · Hex · Git / GitHub Actions · Slack · Notion · Claude Beneficios a colaboradores en México: - 🎓 Acceso a herramientas y beneficios para tu crecimiento profesional, como cursos, talleres, libros, etc. - 💊 Asistencia médica privada por videollamada (médico general, nutriólogo y psicólogo) ilimitado para ti y 3 familiares - 🏈 Acceso a herramientas para tu cuidado físico (TotalPass) - 🌴 9 días adicionales de personal leave por ley al año - 👓 Seguro de Gastos Médicos Mayores - 💻 Equipo necesario para hacer tu trabajo - 💵 Apoyo mensual de $700 pesos adicionales al sueldo mensual - 💎 Apoyo de $2,500 por ocasión única tras periodo de prueba Originally posted on Himalayas
- Data-Engineer
- Platform-Engineer
- Data-Infrastructure-Engineer
- Data-Pipeline-Engineer
- Data-Platform-Engineer
- Senior-Cloud-Data-Platform-Engineer
- Senior-Data-Infrastructure-Engineer
- Senior-Data-Engineering
Наблюдалась 2026-10-02, впервые 2026-10-02, источник — Himalayas (JSON API).