Alemania
ALTEN
Statista
Ingeniero/a de Datos - Plataforma de Datos y Ontología (h/m/d)
RemotoAlemania
Germany
PythonSQLAWSTerraform
Traducción automática. Consulta el original.
Sobre el puesto
En Statista, todo gira en torno a los hechos y los datos, ya que somos la plataforma líder mundial de datos empresariales. Al proporcionar datos fiables y fáciles de usar, así como diversos productos y servicios de análisis de datos, capacitamos a personas de todo el mundo para tomar decisiones basadas en hechos.
Fundada en Hamburgo en 2007, hemos crecido rápidamente hasta convertirnos en una empresa global con oficinas en ciudades importantes como Londres, Nueva York, Berlín y Tokio. Y todavía tenemos muchos planes. Nuestro crecimiento constante no solo demuestra nuestro éxito, sino que también crea continuamente nuevas oportunidades de desarrollo y carrera para nuestros empleados.
Valoramos y celebramos nuestra cultura diversa. Eres bienvenido/a aquí tal como eres, sin importar de dónde vengas, cómo te veas o si prefieres gráficos de barras a gráficos circulares. Tu historia importa: sigue escribiéndola como parte de nuestro equipo.
¿Estás listo/a para unirte a nosotros?
Como Ingeniero/a de Datos en nuestra Plataforma de Salud, serás responsable de principio a fin de la ingesta de datos fundamental, la resolución de entidades y la infraestructura de la plataforma. Diseñarás y operarás pipelines de datos escalables por lotes/streaming, reforzarás la orquestación de la plataforma y garantizarás la fiabilidad, seguridad y eficiencia de costes del sistema.
Un desafío central de este puesto es la construcción y operacionalización de nuestra ontología unificada de datos de salud, un modelo semántico coherente que cubre hospitales, departamentos, especialidades, métricas y estándares de clasificación. Trabajando en estrecha colaboración con Ingenieros/as de Análisis, Científicos/as de Datos y expertos/as en Metodología, transformarás datos hospitalarios heterogéneos y de varios países en un activo de datos coherente y altamente consultable.
Responsabilidades Clave
- Infraestructura y Orquestación de Pipelines: Construye, optimiza y opera pipelines ELT fiables (usando Python, SQL y Prefect/Airflow) para ingerir datos de fuentes internacionales heterogéneas, APIs, bases de datos y almacenamiento lakehouse (S3, Apache Iceberg).
- Ontología de Salud y Resolución de Entidades: Impulsa la implementación de la resolución de entidades y la gestión de datos maestros (MDM) para entidades hospitalarias internacionales, mapeando datos brutos de origen a estructuras canónicas y manteniendo vocabularios estandarizados (por ejemplo, ICD/OPS, taxonomías de especialidades).
- Contratos de Datos y Gobernanza de Esquemas: Establece contratos de datos estrictos (Pydantic, contratos dbt) y gestión de esquemas, garantizando la reproducibilidad de los conjuntos de datos, el seguimiento del linaje de datos y la validación automatizada en todos los pipelines de la plataforma.
- Eficiencia de la Plataforma e Infraestructura en la Nube: Optimiza el almacenamiento de datos, la ejecución de consultas y los costes de cómputo en AWS y Snowflake, manteniendo los activos de datos performantes, seguros y rentables.
- Automatización y CI/CD: Implementa flujos de trabajo automatizados de pruebas y despliegue para pipelines de datos utilizando GitHub Actions e Infraestructura como Código (Terraform).
- Habilitación de Datos Interfuncional: Colabora directamente con Ingenieros/as de Análisis, Científicos/as de Datos y expertos/as de dominio para entregar conjuntos de datos documentados, de grado de investigación y listos para producción.
Cualificaciones
Requisitos Fundamentales (Imprescindibles)
- Ingesta de Datos y Orquestación de Pipelines: Python y SQL analíticos avanzados para la ingesta compleja de datos a través de diversos formatos de archivo, REST APIs, bases de datos y lagos en la nube (S3/Iceberg). Experiencia práctica con orquestadores modernos (Prefect, Airflow o Dagster).
- Resolución de Entidades y Gobernanza de Datos: Experiencia práctica con frameworks de resolución de entidades/vinculación de registros (por ejemplo, Splink, dedupe, recordlinkage) y gestión de esquemas/contratos de datos (Pydantic, contratos dbt o Esquema JSON).
- Plataforma en la Nube e Infraestructura de Almacén de Datos: Profunda experiencia práctica en un entorno de producción de AWS (S3, ECS/EC2) combinada con almacenes de datos en la nube (Snowflake).
- CI/CD Automatizada y Automatización de Flujos de Trabajo: Historial probado de automatización de despliegues de pipelines de datos, pruebas de integración y flujos de trabajo de validación a través de GitHub Actions.
Tu Perfil
Titulación: Grado o Máster en Informática, Ciencia de Datos, Ingeniería de Software o un campo cuantitativo relacionado.
Experiencia: Más de 3 años en ingeniería de datos construyendo pipelines de producción y plataformas de datos; incluyendo un período sostenido dentro de una organización viendo una plataforma o producto principal a través de la construcción → lanzamiento → iteración.
Conocimiento del Dominio: La experiencia en el dominio de la salud es una ventaja (comprensión básica de KPIs de salud, métricas de calidad o conceptos de benchmarking; la familiaridad con estructuras hospitalarias y sistemas de clasificación médica como ICD/OPS es especialmente valiosa).
Mentalidad: Sólida mentalidad analítica y de sistemas, con una capacidad probada para transformar datos internacionales desordenados y heterogéneos en un activo de datos limpio, bien gobernado y altamente estructurado.
Idiomas: Dominio del inglés, el alemán es una ventaja.
Estilo de Trabajo: Altamente estructurado/a, curioso/a, detallista y motivado/a para colaborar estrechamente con ingenieros/as de análisis, científicos/as de datos y expertos/as en metodología en un entorno internacional.
Deseable (Lo que te hará destacar)
- Grafos de Conocimiento y Terminologías Sanitarias: Exposición a frameworks de ontología/semánticos (RDF/OWL, SKOS, Neo4j, LinkML) o clasificaciones/vocabularios médicos internacionales (SNOMED CT, ICD/OPS, FHIR).
- Herramientas de Metadatos y Linaje: Experiencia operando registros de metadatos y catálogos de linaje (por ejemplo, OpenMetadata, DataHub, dbt docs).
- Infraestructura como Código (IaC): Dominio en el uso de Terraform para gestionar declarativamente recursos y entornos en la nube.
Lo que ofrecemos
Además de nuestro gran equipo, cultura y nuestro objetivo compartido de empoderar a las personas con datos, hay muchas otras cosas que hacen de Statista un gran lugar para trabajar. ¡Únete a nosotros y benefíciate de:
- Trabajo desde el extranjero hasta 30 días naturales al año
- Trabajo híbrido y horario flexible
- Equipo internacional y eventos sociales
- Movilidad urbana subvencionada y acceso a opciones de fitness y bienestar
- Acceso gratuito a Langdock y todas sus increíbles funcionalidades
- Oportunidades de carrera y formación
- Ubicaciones atractivas y oficinas modernas
- Apoyo a la salud mental con OpenUp
Algunos de los beneficios enumerados aquí se aplican solo a la entidad alemana y a puestos de nivel Junior o superior.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil