Data QA Engineer

Descripción del puesto

Sobre la vacante

Estamos en búsqueda de un Data QA Engineer con enfoque en calidad de datos, análisis y automatización para unirse a un equipo de tecnología en Latinoamérica. Este rol combina testing manual y automatizado en entornos de datos complejos, ideal para profesionales que disfrutan de la precisión y el impacto en la calidad de la información.

Requisitos clave:

• 4+ años de experiencia en Data Quality Assurance
• SQL avanzado, optimización de consultas y performance
• Experiencia con Snowflake y DBT
• Conocimiento en Data Testing: ETL, Data Warehouse, Big Data, Data Lakes y entornos Cloud
• Experiencia con orquestadores y automatización como Dagster y Airflow
• Manejo de almacenamientos de datos en la nube (S3, GCS, Wasabi)
• Experiencia con herramientas de BI como Tableau, Metabase o DuckDB
• Familiaridad con metodologías Agile / Scrum
• Alto nivel de inglés, atención al detalle y excelentes habilidades analíticas y de resolución de problemas

Modalidad: Remoto en Latinoamérica

¿Por qué deberías aplicar?

Este puesto te permite trabajar en el corazón de la calidad de datos en una organización que valida la precisión y confiabilidad de la información. Aprenderás a automatizar procesos de testing en infraestructuras modernas de datos, colaborarás con equipos de ingeniería y analítica, y desarrollarás habilidades en herramientas líderes como Snowflake y DBT. Es una oportunidad para crecer en un campo de alta demanda, donde tu trabajo impacta directamente en la toma de decisiones basada en datos.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: SQL avanzado, Snowflake, DBT, Airflow/Dagster, testing de ETL/Data Warehouses, herramientas de BI
• Soft skills: Atención al detalle, pensamiento analítico, resolución de problemas, comunicación efectiva en inglés

Tips prácticos para este puesto

• Prepara ejemplos concretos de proyectos donde hayas mejorado la calidad de datos o automatizado procesos de testing
• Demuestra tu expertise en SQL con casos de optimización de consultas y performance tuning
• Familiarízate con las herramientas mencionadas (Snowflake, DBT, Airflow) si no las has usado directamente; revisa documentación y casos de uso comunes
• Enfatiza tu experiencia en metodologías Agile y cómo colaboras con equipos multidisciplinarios

Recursos recomendados

• Documentación oficial: Snowflake Docs, DBT Documentation, Airflow Tutorials
• Cursos: Data Quality en Coursera, SQL para Data Engineers en Udemy
• Influencers: Sigue a expertos en LinkedIn como John Doe (Data Quality Advocate) y Jane Smith (Data Testing Specialist)
• Tools: Practica con DuckDB para análisis rápido de datos y Metabase para visualizaciones

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe un proyecto donde hayas implementado automatización de testing de datos y los resultados obtenidos."

*Tip:* Enfócate en el proceso, herramientas usadas (ej: Airflow, scripts personalizados), métricas de mejora (ej: reducción de errores, tiempo ahorrado), y aprendizajes clave.

• Pregunta 2: "¿Cómo abordas la optimización de una consulta SQL lenta en un entorno de datos grande?"

*Tip:* Explica tu metodología: análisis del plan de ejecución, identificación de cuellos de botella (ej: joins costosos, falta de índices), uso de técnicas como particionamiento o caching, y validación de resultados.

• Pregunta 3: "¿Qué estrategias usas para asegurar la calidad de datos en un pipeline de ETL con múltiples fuentes?"

*Tip:* Menciona prácticas como validación de esquemas, pruebas de integridad referencial, monitoreo de anomalías, y uso de herramientas como DBT para testing automatizado, destacando cómo priorizas riesgos.

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $1,500 - $2,500 | | Mid | $2,500 - $4,000 | | Senior | $4,000 - $6,000 |

*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: Si la empresa no tiene un proceso claro de gestión de calidad de datos o carece de documentación en pipelines.

*Qué preguntar en la entrevista:* "¿Cómo definen y miden la calidad de datos en la organización? ¿Existen métricas establecidas?"

• Bandera roja 2: Si el rol implica solo testing manual sin oportunidades de automatización o crecimiento técnico.

*Qué investigar antes de aceptar:* Pregunta sobre la proporción de trabajo manual vs. automatizado y planes de mejora de procesos.

• Bandera roja 3: Si hay alta rotación en el equipo de datos o falta de soporte para herramientas modernas.

*Señal de advertencia común en este tipo de rol:* Comentarios vagos sobre estabilidad del equipo o resistencia a adoptar nuevas tecnologías como Snowflake o DBT.