Data Engineer (Document Processing & AI Readiness)

No solo buscamos talento, buscamos mentes curiosas que disfruten aprender y transformar el futuro.

Somos tech, somos exigentes y sí, vamos rápido. Pero nadie compite solo. Trabajamos en equipo y si buscas retos que te saquen de la zona cómoda (porque ahí no crece nadie), estás en el lugar correcto. Aquí aprenderás con expertos, participarás en proyectos de alto impacto y estarás siempre un paso adelante en tecnología.

Objetivo del puesto

Construir y optimizar la base de datos central sobre la que opera una plataforma de inteligencia artificial especializada en procesos licitatorios. El rol transformará información heterogénea y dispersa (archivos Excel, PDF y Word) en modelos estructurados, consistentes y trazables.

Buscamos un perfil con criterio analítico para trabajar con datos imperfectos, que cuestione la integridad de las fuentes de entrada y disfrute convertir documentos desordenados en activos de información listos para consumo por modelos de IA y usuarios de negocio.

Responsabilidades principales

Ingesta, extracción y transformación

• Pipelines de procesamiento documental: Diseñar y construir flujos ETL/ELT automatizados para la extracción y transformación de datos provenientes de Excel, PDF, Word y repositorios documentales.

• Extracción de texto y tablas: Aplicar técnicas de extracción estructurada y OCR sobre documentos normativos, anexos técnicos y catálogos de conceptos.

• Normalización y consolidación: Homogeneizar históricos de licitaciones, adjudicaciones, bases y resultados para alimentar capas analíticas y modelos de lenguaje.

Modelado, calidad y linaje

• Diseño de datos: Definir estructuras relacionales y vistas analíticas preparadas para búsquedas complejas, comparación de versiones de documentos y trazabilidad histórica de cambios.

• Gobierno y calidad: Implementar reglas automatizadas de completitud, vigencia, consistencia cruzada entre documentos y deduplicación.

• Alimentación de módulos de IA: Estructurar las capas de datos necesarias para las funciones de validación regulatoria, análisis de juntas de aclaraciones, matching de perfiles y scoring de oportunidades.

Operación técnica y colaboración

• Soporte a modelos de IA: Preparar datasets, metadatos y vistas optimizadas para sistemas de recuperación semántica (RAG) y algoritmos de scoring.

• Control de versiones y despliegue: Gestionar el código y los esquemas en Git, documentando linaje de datos, supuestos lógicos y scripts de despliegue listos para producción.

• Alineación con el negocio: Participar en las ceremonias de la célula ágil y validar los resultados y la calidad de la información junto a los equipos usuarios.

Requisitos del perfil

Requisitos indispensables (Must-have)

• Experiencia profesional: Mínimo 3 años comprobables como Data Engineer o rol afín en entornos productivos.

• Python para datos (3.9+): Dominio de librerías de manipulación y análisis de datos (Pandas, OpenPyXL, pdfplumber o equivalentes).

• Bases de datos y SQL: Nivel avanzado de SQL y diseño de modelos de datos relacionales orientados a integridad y trazabilidad.

• Procesamiento de fuentes no estructuradas: Experiencia directa extrayendo y estructurando información a partir de documentos no estandarizados (PDFs complejos, hojas de cálculo multiformato, Word).

• Pipelines y calidad: Experiencia práctica diseñando flujos ETL/ELT e integrando validaciones automáticas de calidad de datos.

• Buenas prácticas de ingeniería: Control de versiones con Git (estrategias de ramificación y Pull Requests).

• Ubicación: Esquema de trabajo híbrido en Ciudad de México (CDMX).

Requisitos deseables (Nice-to-have)

• Experiencia con servicios de OCR avanzados (Azure Document Intelligence, AWS Textract, Google Document AI o Tesseract).

• Conocimiento de bases vectoriales o motores de búsqueda híbrida (pgvector, Elasticsearch, Qdrant o Pinecone).

• Herramientas de orquestación de datos: Apache Airflow, Prefect o Azure Data Factory.

• Manejo de plataformas cloud (Azure, AWS o GCP) e integración con pipelines de CI/CD (GitHub Actions, Azure DevOps).

• Experiencia en proyectos de cumplimiento normativo (compliance), compras públicas o sector legaltech/fintech.

Formación y competencias

• Formación académica: Licenciatura o Ingeniería en Sistemas, Computación, Ciencia de Datos, Informática o carrera afín (o experiencia profesional equivalente comprobable).

• Certificaciones valoradas: Azure Data Engineer Associate (DP-203), AWS Certified Data Engineer, Databricks Certified Data Engineer o Google Professional Data Engineer.

• Competencias profesionales:

  • Criterio analítico y rigor: Meticulosidad ante inconsistencias, duplicados o anomalías en los datos de origen.

  • Comunicación clara: Capacidad de traducir requerimientos regulatorios y de negocio en arquitecturas de datos funcionales.

  • Orientación a entregas incrementales: Habilidad para desplegar valor de manera ágil sin descuidar la gobernanza técnica ni la calidad del dato.

¿Qué tenemos para ti?

• Apoyamos tu crecimiento personal y profesional con planes de desarrollo individual, donde tu eres dueñ@ de tu carrera y hasta dónde quieres llegar.

• Días de descanso superiores a los de la ley: No es necesario esperar un año para disfrutar de tus días de vacaiones, además de días adicionales por tipos de eventos especiales y festividades.

• Beneficios económicos adicionales a tu salario: Vales de despensa, fondo de ahorro, bolsa de capacitación, bono de bienestar, convenios y descuentos.

• Apoyo emocional, queremos tu estabilidad en salud fisica y mental, por ello tenemos diversos beneficios que cubren aspectos de equilibrio personal para ti y salud para tu familia. ¡Queremos cuidar de ti y los tuyos!

Aquí hay espacio para gente buena… como tú, ¡Queremos conocerte!