Data Architect Sr

Arquitecto de Datos (Senior)Modalidad: Híbrido (Buenos Aires- Parque Patricios) | Seniority: Senior (4+ años)Contexto del rolEl cliente opera hoy con un stack legacy basado en SQL Server + SSIS y planeaevolucionar progresivamente hacia una arquitectura moderna en la nube. El arquitectoliderará la definición de la arquitectura target, planeará la migración por fases y guiarátécnicamente al data engineer, mientras se sostienen las necesidades analíticas actualesdel cliente (reporting, modelos de churn, segmentación).El stack target aún no está definido (el cliente tiene infraestructura AWS, pero nodescartamos otros caminos), por lo que se busca un perfil agnóstico, capaz de tomardecisiones con incertidumbre y proponer la mejor arquitectura para el caso de negocio.Responsabilidades principales Diseñar la arquitectura target del data platform (ingesta, almacenamiento,transformación, serving, gobierno). Definir el camino de migración desde SQL Server / SSIS / SSAS hacia tecnologíacloud (lakehouse + DWH). Establecer estándares de modelado, calidad, lineage y gobierno de datos. Diseñar patterns reutilizables de pipelines y orquestación. Pensar la estrategia de reemplazo del semantic layer de SSAS (cubos tabulares /MDX) en el nuevo stack. Trabajar con stakeholders del cliente, traduciendo necesidades de negocio asoluciones técnicas. Mentorear al data engineer y revisar implementaciones. Habilitar casos de uso analíticos avanzados (modelos de churn, segmentación, etc.).Requisitos (must-have) 4+ años en data, con experiencia hands-on (no únicamente arquitectura conceptual). SQL Server + SSIS sólidos: debe poder convivir con el stack legacy del cliente. Experiencia comprobable en procesos de migración de datos on-prem hacia cloud. Python y Airflow productivos. Modelado dimensional sólido (Kimball) y entendimiento de OBT. Cloud Data Warehouse moderno (Redshift, Snowflake, BigQuery o Synapse). Arquitectura lakehouse (Databricks, Delta Lake, Iceberg). Diseño de pipelines escalables y observables. Fundamentos de gobierno de datos (calidad, lineage, catálogo). Seguridad en cloud (IAM, encryption, RBAC).Diferenciales / deseables AWS hands-on (S3, Glue, Redshift, Athena, EMR, Lake Formation): el cliente tieneinfraestructura AWS. Haber diseñado pipelines para modelos de churn (feature engineering, training,scoring y monitoring). DBT. DataOps / CI-CD para datos (Git, Terraform, testing de pipelines). Streaming / event-driven (Kafka, Kinesis). Certificaciones AWS, Azure o GCP en data.Soft skills Comunicación con stakeholders no técnicos. Capacidad de tomar decisiones con incertidumbre (stack target en definición). Mentoring activo del equipo..