Data Quality Engineer Senior

Descripción del puesto

Sobre la vacante

Ready está buscando un Data Quality Engineer Senior para liderar estrategias de garantía de calidad de datos, automatización y validación en plataformas empresariales modernas (cloud y lakehouse). Esta posición es 100% remota y exclusiva para México, con pago en USD bajo modalidad freelance y proyectos ágiles.

Requisitos clave:

• 5+ años de experiencia con Python 3
• Dominio de Bash, Docker, Kubernetes, CI/CD, GitLab
• Conocimiento en YANG, NETCONF/RESTCONF
• Experiencia con Node.js, PHP 8, SQL y NoSQL
• Habilidades en JavaScript/TypeScript y Angular

¿Por qué deberías aplicar?

Esta es una oportunidad para liderar la calidad de datos en entornos cloud de vanguardia, trabajando con tecnologías modernas y metodologías ágiles. Podrás desarrollar estrategias de data quality que impacten directamente en la toma de decisiones empresariales, mientras creces profesionalmente en un entorno remoto con compensación en USD y flexibilidad freelance.

Tips y consejos de VacantesDigitales.com

Skills indispensables

• Técnicas: Python avanzado, automatización de pipelines de datos, validación de calidad en entornos cloud, Docker/Kubernetes para orquestación
• Soft skills: Liderazgo técnico, comunicación clara para reportar métricas de calidad, pensamiento analítico para identificar gaps en datos

Tips prácticos para este puesto

• Enfócate en demostrar experiencia real con Python para data quality (librerías como Pandas, Great Expectations, o custom scripts)
• Prepara ejemplos de cómo has implementado automatización de validaciones en CI/CD (GitLab pipelines idealmente)
• Investiga sobre YANG y NETCONF/RESTCONF si no los dominas; son claves para configuración de red en data platforms

Recursos recomendados

• Tools: Great Expectations (framework de data quality), Apache Airflow (orquestación), DataDog (monitoreo)
• Documentación: Kubernetes docs para stateful sets, Python data validation libraries
• Influencers: Barr Moses (Monte Carlo Data), Andy Petrella (Data Skeptic podcast)
• Cursos: "Data Quality Fundamentals" en Coursera, "Python for Data Engineering" en Udemy

Preguntas frecuentes en entrevistas para este rol

• "Describe tu approach para implementar data quality checks en un pipeline nuevo" - Tip: Estructura tu respuesta en fases (detección, validación, monitoreo, alerting) y menciona herramientas específicas.
• "¿Cómo priorizas qué datos validar primero en un sistema complejo?" - Tip: Enfócate en impacto business (datos críticos para decisiones, revenue, compliance) y riesgo (datos sensibles o propensos a errores).
• "Explica cómo integrarías data quality en un CI/CD pipeline" - Tip: Describe pasos concretos: triggers en Git, ejecución de tests en Docker, reporting de métricas, y gates para prevenir deployments con baja calidad.

Rango salarial estimado (LATAM)

Basado en datos de Glassdoor, Computrabajo, GetOnBoard y el mercado actual: | Nivel | Rango mensual USD | |-------|-------------------| | Junior | $2,500 - $3,500 | | Mid | $3,500 - $5,000 | | Senior | $5,000 - $7,500 |

*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. Para este rol senior con pago en USD y stack cloud, el rango puede llegar a $8,000+ en empresas top.*

Red flags a considerar

• Bandera roja 1: Falta de definición clara de métricas de calidad - Pregunta en la entrevista: "¿Qué KPIs de data quality miden actualmente y cómo los reportan?" Si no tienen respuesta, puede indicar poca madurez en el área.
• Bandera roja 2: Stack sobrecargado sin foco - Investiga antes de aceptar: Revisa si las tecnologías listadas (Python, Node.js, PHP, Angular) se usan realmente o son wishlist. Pregunta: "¿En qué porcentaje se usa cada tecnología en el día a día?"
• Bandera roja 3: Modalidad freelance sin claridad en proyectos - Señal de advertencia común: Si mencionan "proyectos ágiles" pero no definen duración, clientes o stability. Pregunta: "¿Cuál es la duración típica de proyectos y cómo se maneja la continuidad entre ellos?" para evitar gaps de ingresos.