Senior Data Engineer Snowflake

Descripción del puesto

Sobre la vacante

10Pearls está buscando un Senior Data / Analytics Engineer para unirse a su equipo de manera remota en LATAM. Requisitos principales incluyen:

• 8+ años de experiencia en data engineering o analytics engineering
• Experiencia sólida en Snowflake (optimización de queries, tuning de performance, clustering, gestión de costos)
• Experiencia práctica con Sigma BI (modelado semántico, dashboards, optimización de performance)
• Dominio de Python para pipelines de datos y herramientas de data
• Fuertes habilidades en SQL y experiencia con modelos de datos a gran escala
• Comprensión sólida de modelado de datos, capas semánticas y arquitectura medallion
• Experiencia construyendo y manteniendo ETLs e integraciones de datos externas
• Experiencia gestionando cambios de esquema usando SnowDDL o herramientas similares
• Capacidad para evaluar arquitecturas de datos existentes y proponer soluciones escalables

Cualificaciones preferidas:

• Experiencia en entornos Agile (sprints de 2 semanas, standups, demos)
• Familiaridad con herramientas modernas ELT (conceptos estilo dbt)
• Experiencia en finanzas, operaciones o industrias con activos pesados
• Experiencia con plataformas de datos en la nube más allá de Snowflake (AWS o GCP)

¿Por qué deberías aplicar?

Esta posición te permite trabajar en proyectos de data engineering de alto impacto con tecnologías líderes como Snowflake y Sigma BI. En 10Pearls, tendrás la oportunidad de diseñar arquitecturas de datos escalables y optimizar soluciones existentes, colaborando en un entorno dinámico y de rápido crecimiento. Es una excelente oportunidad para profesionalizar tu experiencia en data engineering y contribuir a iniciativas estratégicas en industrias como finanzas y operaciones.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Snowflake avanzado: query optimization, performance tuning, cost management
• Python para data pipelines: automatización, tooling, integraciones
• SQL experto: queries complejas, modelado a gran escala
• Sigma BI: semantic modeling, dashboard creation, performance optimization
• Data modeling: medallion architecture, semantic layers, schema management

Tips prácticos para este puesto

• Prepara ejemplos concretos de optimización de queries en Snowflake y reducción de costos
• Demuestra experiencia con SnowDDL o herramientas similares para gestionar cambios de esquema
• Muestra tu capacidad para evaluar arquitecturas existentes y proponer mejoras escalables
• Destaca proyectos donde hayas implementado medallion architecture o capas semánticas
• Ten listos casos de uso con Sigma BI, especialmente en dashboards y modelado semántico

Recursos recomendados

• Documentación oficial de Snowflake: Snowflake Docs
• Sigma BI Learning Center: Sigma BI Resources
• Cursos de Python para Data Engineering: DataCamp, Coursera
• Influencers a seguir: Bill Inmon (data warehousing), Maxime Beauchemin (creator of Apache Airflow)
• Herramientas: dbt (data build tool), Apache Airflow, Great Expectations

Preguntas frecuentes en entrevistas para este rol

• ¿Cómo optimizas una query lenta en Snowflake? Tip: Explica tu proceso de análisis (EXPLAIN, query profiling), uso de clustering keys, y técnicas como materialized views o query rewriting.
• Describe tu experiencia con medallion architecture. Tip: Detalla cómo estructuras datos en capas (bronze, silver, gold), beneficios de cada capa, y casos donde la hayas implementado.
• ¿Cómo manejas cambios de esquema en un entorno de producción? Tip: Menciona herramientas como SnowDDL, versionamiento, testing en staging, y estrategias de migración sin downtime.

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $2,500 - $4,000 | | Mid | $4,000 - $6,500 | | Senior | $6,500 - $10,000 |

*Nota: Varía según país, empresa, modalidad (remoto internacional paga más) y tecnologías específicas. Empresas de USA/EU pagando en LATAM suelen ofrecer 30-50% más.*

Red flags a considerar

• Bandera roja 1: Falta de claridad en la arquitectura de datos. Pregunta en la entrevista sobre la estrategia actual de data modeling y herramientas usadas para detectar desorganización.
• Bandera roja 2: Poca inversión en herramientas modernas. Investiga antes de aceptar si la empresa usa solo tecnologías legacy o si hay planes de adoptar soluciones como dbt o cloud platforms.
• Bandera roja 3: Alta rotación en el equipo de data. Señal de advertencia común en este rol; pregunta sobre la estabilidad del equipo y retención de talento para evaluar el ambiente laboral.