Arquitecto de Datos Sénior, Plataforma de Datos Científicos

• Cuenta con más de 8 años de experiencia en ingeniería de software, ingeniería de datos o arquitectura con sistemas distribuidos: límites de servicio, APIs e integración basada en eventos.
• Ha definido arquitecturas antes de la finalización de estándares y gobernanza, y puede demostrar qué decisiones se mantuvieron y cuáles tuvieron que cambiar.
• Ha sido responsable de la arquitectura de un sistema en producción en al menos una de estas áreas: catálogos de datos y gestión de metadatos (DataHub, OpenMetadata o similares); búsqueda e indexación (Elasticsearch, OpenSearch o similares); capas de acceso a datos mediante API o consultas federadas (Apollo Federation o similares); o la capa de datos de una aplicación científica, de laboratorio o regulada.
• Escribe SQL y lee planes de ejecución en PostgreSQL o SQL Server.
• Ha construido y ejecutado pipelines de datos, incluyendo procesos de recuperación y backfill.
• Lee código de producción en un lenguaje tipado (C#, Java, TypeScript o similar) y puede construir una prueba de concepto.
• Utiliza herramientas de IA en su trabajo diario de arquitectura y datos (perfilado y limpieza de datos, lectura y generación de código, redacción de registros de decisiones) y puede mostrar el proceso: qué delega, qué verifica y cómo.
• Trabaja con equipos de producto, ingeniería y negocio sin autoridad directa.

• Ha entregado productos de datos consumidos por aplicaciones: APIs, vistas o conjuntos de datos de los que dependen otros softwares.
• Conocimientos operativos de catálogo, búsqueda y acceso a datos más allá del área que ha liderado.
• Informática de laboratorio o ciencias de la vida reguladas, incluyendo expectativas de integridad de datos y pistas de auditoría (audit trail).
• Registros de decisiones de arquitectura (ADR), diagramas C4 o similares, y contratos de interfaz.
• Patrones de integración en la nube (identidad, almacenamiento, mensajería, servicios de datos gestionados) junto con despliegues on-premises.

Los instrumentos de Agilent generan las mediciones que sustentan el control de calidad farmacéutico, los ensayos alimentarios y medioambientales, y los laboratorios de investigación en todo el mundo. Esos datos residen en docenas de productos de software, y estamos construyendo una plataforma que permita a nuestros productos, a los flujos de trabajo de nuestros clientes y a los agentes de IA encontrarlos y utilizarlos dondequiera que se encuentren.

Estamos contratando a un arquitecto de datos para liderar la parte de descubrimiento y acceso de esa plataforma: cómo se registra y se encuentra la información científica, y cómo se compone y se sirve. La arquitectura de la plataforma ya está establecida; el estado objetivo para el descubrimiento y el acceso, así como el camino para alcanzarlo, serán responsabilidad tuya.

Trabajarás bajo la dirección del Lead Data Architect, quien es responsable de los estándares y la gobernanza entre servicios. Dentro de tus áreas, las decisiones de arquitectura serán tuyas; las decisiones que afecten a varios servicios se trasladarán al Lead con evidencias, opciones y una recomendación.

Este es un rol de arquitectura con una vertiente práctica: decidirás la arquitectura de tus áreas, acompañarás a ingeniería durante la implementación, leerás el código, ejecutarás las consultas y construirás la prueba de concepto cuando un argumento lo requiera.

• Establecer cómo se comportan hoy los caminos de catálogo y acceso y definir el estado objetivo: límites de servicio, contratos, patrones de integración y el camino entre ambos.
• Ser responsable de los esquemas y contratos de los que dependen tus áreas: registros de catálogo, límites de subgrafos, vistas de servicios de datos y esquemas de eventos versionados. Diséñalos y deja explícito qué sistema es la autoridad para cada pieza de información bajo las reglas de gobernanza de datos del programa, y versionarlos para que los consumidores existentes sigan funcionando.
• Diseñar los caminos de acceso que los agentes de IA utilizan para leer lo que pueden, bajo qué controles y con qué procedencia.
• Revisar las integraciones propuestas frente a tus contratos y los requisitos de participación del programa. Cambia tus contratos cuando la evidencia lo justifique y propone cambios en los requisitos.
• Diseñar caminos de modernización para fuentes heredadas (legacy) que permitan a los clientes seguir operando durante la transición, incluyendo cambios de entornos on-premises a híbridos o en la nube.
• Establecer objetivos de rendimiento de consultas e índices para los caminos de catálogo y acceso.
• Diseñar los pipelines que mantengan actualizados el catálogo, el índice de búsqueda y las vistas de acceso a medida que llegan los datos, desde la salida del extractor hasta el rellenado de datos históricos (backfill) y la recuperación.
• Trabajar directamente con ingeniería: aclarar diseños, evaluar planes de implementación y revisar el trabajo entregado frente a las decisiones tomadas.
• Redactar los registros de decisiones y diagramas para tus áreas, y explicar las compensaciones (trade-offs) a ingenieros, gestores de producto y partes interesadas del negocio.

25% del tiempo

Día

Sin fecha de finalización

• Acceso a datos. Tu parte de la pasarela GraphQL federada (de la cual el equipo de plataforma es responsable), cómo se representan en ella los sistemas conectados, ya sea directamente o a través de servicios de datos; la capa de lectura que compone los resultados entre sistemas; y los servicios de datos de aplicación que exponen vistas de datos científicos con control de acceso a productos, flujos de trabajo y consumidores de IA.
• Catálogo y búsqueda. El modelo de registro del catálogo, cómo los sistemas conectados registran sus datos y cómo se representa ese metadato, la búsqueda sobre el mismo y el camino hacia índices más enriquecidos como vectores y grafos.

El acceso es la prioridad del primer año; el trabajo del catálogo se realizará de forma paralela a medida que se implementen los primeros conectores. La gestión de archivos, la extracción de metadatos y los estándares semánticos son responsabilidad de otros arquitectos del equipo. Los datos son datos científicos creados por productos de software: resultados, métodos, muestras, archivos. Los sistemas ERP, CRM y otros sistemas de negocio empresariales quedan fuera del alcance.

• Servicios .NET (C#), front-ends en Angular y una pasarela GraphQL federada
• PostgreSQL por defecto, con Oracle y SQL Server en la base instalada
• RabbitMQ para mensajería y descubrimiento de cambios basado en eventos
• Kubernetes y Helm junto con instaladores de Windows para clientes on-premises e híbridos, con almacenamiento de objetos compatible con S3
• Datos científicos en formatos de instrumentos propietarios, así como en formatos neutros para proveedores como Allotrope
• Asistentes de IA en uso diario