1046 - Data Engineer (Python/AWS/Snowflake) · Senior · Remote · ARG

About this role

Disclaimer – Lectura obligatoria: Compromiso y dedicación
Este rol requiere dedicación full-time, con prioridad clara sobre los proyectos de Darwoft durante el horario laboral establecido. No es compatible con otros compromisos profesionales full-time. Cualquier actividad profesional adicional deberá ser informada previamente y no deberá interferir con las responsabilidades del rol.
Sobre Darwoft

Darwoft es una software factory que desarrolla soluciones de software a medida y brinda servicios de staff augmentation IT para clientes internacionales, principalmente en Estados Unidos y Latinoamérica. Trabajamos con startups y compañías en crecimiento, construyendo productos digitales de alto impacto.
Nuestra cultura es people-first: priorizamos la calidad técnica, las relaciones de largo plazo y el trabajo colaborativo. Combinamos excelencia técnica con cercanía humana.
Senior Data Engineer (AWS Serverless & Airflow) – Relación de Dependencia – Argentina
Información general

•
Ubicación: Argentina

•
Tipo de contrato: Relación de dependencia, full-time

•
Industria / Proyecto: Plataforma de datos sobre AWS serverless para cliente internacional [industria a confirmar]

Sobre el rol
Buscamos un/a Senior Data Engineer para diseñar, construir y operar una plataforma de datos sobre AWS serverless, orquestada con Apache Airflow y gestionada íntegramente como código.
La posición combina ingeniería de datos, calidad y gobierno de datos. El foco está en pipelines confiables, automatizados y desplegados mediante CI/CD, que permitan al negocio contar con datos consistentes, trazables y disponibles a tiempo, con un uso eficiente de los costos cloud.
Vas a tener autonomía técnica para tomar decisiones de arquitectura, elegir el servicio adecuado para cada caso y definir buenas prácticas sobre toda la plataforma.
Responsabilidades

• Diseñar, construir y operar la plataforma de datos sobre el ecosistema serverless de AWS, eligiendo cada servicio según el caso de uso, el costo y la operabilidad.

• Desarrollar DAGs de Airflow de punta a punta, con foco en idempotencia, reintentos, SLAs y manejo de fallos.

• Configurar y operar entornos MWAA: dependencias, plugins, escalado de workers y despliegues blue/green.

• Orquestar desde Airflow jobs de Glue, Lambda, ECS y Step Functions, e integrar dbt (vía Cosmos) y dlt.

• Implementar ingesta multi-fuente con dlt y Python: APIs REST y GraphQL, Microsoft Graph, Cost Explorer, SharePoint, bases de datos y archivos.

• Diseñar y mantener el data lake / lakehouse en S3 con Parquet y Apache Iceberg sobre Glue Catalog.

• Modelar datos en Snowflake y dbt por capas, con tests y documentación.

• Desarrollar procesamiento con Spark / PySpark garantizando escrituras idempotentes y particionado eficiente.

• Aprovisionar la infraestructura como código con Terraform y/o AWS CDK / CloudFormation: entornos MWAA, Glue jobs, Lambdas, buckets S3, roles IAM y permisos de Lake Formation.

• Construir y mantener pipelines de GitLab CI/CD con separación de entornos (dev / staging / prod) y despliegues controlados por rama.

• Aplicar seguridad de mínimo privilegio, gobierno de datos con Lake Formation y manejo seguro de secretos.

• Implementar observabilidad con CloudWatch (logs, métricas, alarmas) y testing de DAGs.

• Optimizar costos de la arquitectura serverless aplicando prácticas de FinOps.

Requisitos
Must-Have

• +3 años de experiencia como Data Engineer en entornos cloud productivos.

•
AWS serverless (excluyente, nivel avanzado):

• Cómputo: Lambda (layers, concurrencia, timeouts, cold starts, empaquetado con contenedores), Fargate / ECS.

• Procesamiento: Glue (jobs Spark y Python Shell, Data Catalog, crawlers), Athena (particionado, optimización de costos por escaneo), EMR Serverless.

• Orquestación y eventos: Step Functions, EventBridge (reglas y schedulers), SQS, SNS.

• Almacenamiento: S3 (diseño de data lake, lifecycle, eventos), DynamoDB (modelado por patrones de acceso, índices, streams).

• Integración y APIs: API Gateway, AppSync.

• Streaming: Kinesis Data Streams / Firehose, MSK Serverless.

• Seguridad: IAM con mínimo privilegio, Lake Formation, Secrets Manager.

• Observabilidad y costos: CloudWatch, FinOps y Cost Explorer.

•
Apache Airflow (excluyente, nivel avanzado):

• Arquitectura interna (scheduler, executor, workers, triggerer, metadata DB), ciclo de vida de tareas, data intervals, catchup y backfills.

• Operadores, hooks y sensores: providers de AWS, operadores custom y deferrable operators.

• TaskFlow API, XComs, dynamic task mapping, task groups y assets.

• MWAA en producción.

• Testing de DAGs, parametrización por entorno, monitoreo y alertas.

•
CI/CD y control de versiones (excluyente):

• Git avanzado: rebase, merge, cherry-pick, resolución de conflictos e historial limpio.

• Estrategias de branching (GitFlow, trunk-based, feature branches) y versionado semántico.

• GitLab: merge requests, code review, protección de ramas, aprobaciones y reglas de merge.

• GitLab CI/CD: stages, jobs, runners, variables y secretos protegidos, artefactos, caché, ambientes y despliegues manuales o automáticos.

•
Infraestructura como código:

• Terraform avanzado: módulos reutilizables, variables por entorno e import de recursos existentes.

• AWS CDK y/o CloudFormation: stacks, parámetros, outputs, change sets y drift detection.

• Buenas prácticas: separación de entornos, versionado, revisión del plan antes de aplicar.

•
Ingeniería de datos:

• Snowflake: modelado, SQL avanzado y optimización de consultas.

• dbt: modelado por capas, tests, documentación e integración con Cosmos.

• Python para ingesta y automatización (boto3, APIs REST y GraphQL, procesamiento de archivos).

• Spark / PySpark, incluyendo conocimiento de internals.

• Parquet y Apache Iceberg sobre Glue Catalog.

• Ingesta multi-fuente con dlt.

•
Agentes: experiencia con Agent Core o conocimiento de arquitecturas de agentes.

Nice-to-Have

• Docker y criterio para decidir dónde…