Junior Data Engineer

¡Sé parte de Stefanini! En Stefanini somos más de 30.000 genios, conectados desde 41 países, haciendo lo que les apasiona y co-creando un futuro mejor.¡Seguro no te quieres quedar fuera!¿Por qué te elegiremos? ¡Porque los desafíos que asumirás reflejan tus ambiciones!Responsabilidades y atribucionesRole PurposeConstruir y mantener pipelines de datos en Databricks que alimenten productos analíticos y aplicaciones del equipo DPI LATAM. Este rol cierra el gap de ejecución entre las ideas del equipo y los datos listos para consumo, permitiendo prototipar soluciones de datos rápido y con calidad.Accountabilities· Diseñar, desarrollar y mantener pipelines ETL/ELT en Databricks usando PySpark y SQL.· Construir y optimizar tablas en Delta Lake siguiendo buenas prácticas de modelado (medallion architecture: bronze/silver/gold).· Conectar e ingestar datos desde múltiples fuentes (SAP, archivos planos, APIs, bases relacionales).· Asegurar calidad de datos: implementar validaciones, monitoreo y alertas básicas sobre los pipelines.· Documentar los pipelines, diccionarios de datos y linaje de forma clara y mantenible.· Colaborar con el equipo de analytics y el desarrollador de aplicaciones para definir los productos de datos necesarios.· Utilizar herramientas de AI-assisted development (Claude Code, GitHub Copilot u equivalentes) para acelerar el desarrollo y la resolución de problemas.· Participar en code reviews y mantener estándares de código limpio y reproducible.Knowledge, Experience & CapabilitiesEducación: Estudiante avanzado o graduado en Ingeniería de Sistemas, Informática, Ciencia de Datos o carrera afín.EXPERIENCIA:· 1-2 años de experiencia en roles de data engineering o analytics engineering.· Experiencia práctica construyendo pipelines en Databricks o plataformas similares (Spark-based).· Preferentemente con exposición a entornos corporativos (manufactura, supply chain, agro, o similares). SKILLS OBLIGATORIOS:· SQL avanzado (queries complejas, window functions, optimización).· Python / PySpark para transformación de datos.· Databricks (notebooks, jobs, workflows, Delta Lake).· Modelado de datos dimensional o medallion architecture.· Git para versionado de código.· AI-assisted development (Claude Code, GitHub Copilot u equivalentes). NICE TO HAVE:· Conocimiento de Unity Catalog en Databricks.· Experiencia con fuentes SAP (tablas, extractores, IDocs).· Familiaridad con orquestadores (Databricks Workflows, Airflow).· Nociones de cloud (AWS o Azure): S3, IAM, básicos.· Inglés intermedio/avanzado. Critical Success Factors & Key Challenges· Entregar pipelines funcionales rápido, priorizando prototipos que prueben valor antes de escalar.· Manejar múltiples fuentes de datos con estructuras heterogéneas sin perder calidad.· Trabajar con autonomía pero integrado al equipo, comunicando avances y bloqueos de forma proactiva.Requisitos y calificaciones