Data Quality Engineer

Descripción del puesto

Sobre la vacante

FastDolphin está reclutando un Data Quality Engineer para un puesto 100% remoto. Los candidatos deben estar basados en LATAM y contar con inglés avanzado. Este rol se enfoca en garantizar la calidad, integridad y confiabilidad de los datos mediante técnicas de ingeniería y herramientas avanzadas.

¿Por qué deberías aplicar?

Trabajarás en un entorno remoto con exposición a tecnologías de vanguardia como AI/ML, lo que te permitirá desarrollar habilidades altamente demandadas en el mercado actual. Tendrás la oportunidad de crecer profesionalmente en un equipo enfocado en la calidad de datos, un área crítica para la toma de decisiones empresariales. Aprenderás a implementar soluciones escalables y automatizadas que impactan directamente en la eficiencia operativa.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• SQL avanzado para consultas y validación de datos
• Python para scripting y automatización de procesos de calidad
• Conocimientos en AI/ML para aplicar modelos predictivos en la detección de anomalías
• Inglés avanzado para comunicación en equipos internacionales
• Habilidades analíticas y atención al detalle

Tips prácticos para este puesto

• Automatiza procesos de validación de datos usando herramientas como Great Expectations o dbt
• Documenta tus pipelines de calidad para facilitar la colaboración y mantenimiento
• Mantente actualizado con las últimas tendencias en data quality y AI/ML a través de blogs y comunidades

Recursos recomendados

• Herramientas: Great Expectations, dbt, Apache Airflow
• Documentación: O'Reilly "Data Quality Fundamentals", artículos de Monte Carlo Data
• Influencers: Barr Moses (CEO de Monte Carlo), Zhamak Dehghani (Data Mesh)
• Cursos: "Data Quality Engineering" en Coursera, "Python for Data Engineering" en Udemy

Preguntas frecuentes en entrevistas para este rol

• Pregunta 1: "Describe un proyecto donde hayas implementado un sistema de data quality desde cero." Tip: Enfócate en los desafíos técnicos, las herramientas usadas y el impacto en los stakeholders.
• Pregunta 2: "¿Cómo manejarías un dataset con inconsistencias en la calidad de datos?" Tip: Explica tu proceso de diagnóstico, limpieza y validación, destacando la automatización.
• Pregunta 3: "¿Qué métricas usarías para medir la calidad de datos en una organización?" Tip: Menciona métricas como accuracy, completeness, consistency y timeliness, con ejemplos prácticos.

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 data governance. Qué preguntar: "¿Cómo definen y monitorean las políticas de calidad de datos en la organización?"
• Bandera roja 2: Si el rol implica solo tareas manuales sin automatización. Qué investigar: Pregunta sobre las herramientas y tecnologías usadas para data quality en la entrevista.
• Bandera roja 3: Si hay falta de soporte para el aprendizaje en AI/ML. Señal de advertencia: La empresa no menciona oportunidades de capacitación o proyectos innovadores en esta área.