Director de Plataforma de Datos

• Más de 8 años en ingeniería de datos, incluyendo más de 3 años gestionando equipos de datos (leads + ICs).
• Experiencia profunda con el modern data stack: dbt, Trino/Presto o motores de consulta equivalentes, Apache Iceberg o formatos de tabla similares, almacenamiento de objetos en la nube.
• Experiencia práctica con patrones ETL/ELT a escala: CDC (Debezium/Kafka), batch (Airflow/dbt), streaming y reverse ETL.
• Trayectoria construyendo capacidades de analítica de autoservicio para stakeholders no técnicos.
• Experiencia con datos financieros: trading, facturación, atribución de ingresos o informes regulatorios en fintech o servicios financieros.
• Dominio de Python y SQL. Capacidad para leer código, revisar PRs y tomar decisiones de arquitectura.
• Experiencia gestionando equipos distribuidos/remotos en múltiples zonas horarias.
• Sólida gestión de stakeholders: capacidad para traducir las prioridades ejecutivas en ejecución de ingeniería.
• Experiencia con GCP (GKE, GCS, migración a BigQuery), Kubernetes, Helm, Terraform.

• Experiencia con operaciones de corretaje o broker-dealer (compensación, liquidación, market making, conciliación).
• Familiaridad con herramientas de LLM/IA: MCP, bases de datos vectoriales, búsqueda empresarial, BI conversacional (WrenAI, Cube).
• Experiencia en analítica de cumplimiento (AML/Actimize, KYC, margin calls).
• Conocimiento de catálogos de datos de código abierto (OpenMetadata, Collate) y marcos de trabajo de calidad de datos.

Estamos buscando un Head of Data Platform para liderar el creciente equipo de Platform Engineering de Alpaca. Serás el responsable de la estrategia de datos, la ejecución del equipo y la hoja de ruta del departamento.

El departamento de Data da servicio a todas las funciones de Alpaca: impulsa la facturación de socios y la atribución de ingresos, proporciona la base analítica para ventas, producto y cumplimiento, y opera la plataforma de datos que procesa cientos de millones de eventos diarios. Gestionarás a tres team leads, equilibrando la entrega operativa (facturación, analítica integrada, informes regulatorios) con apuestas estratégicas (data warehouse de autoservicio, analítica impulsada por IA, búsqueda empresarial).

Este es un rol de "player-coach". Marcarás el rumbo del equipo mientras te mantienes lo suficientemente cerca de los detalles técnicos para tomar decisiones de arquitectura, desbloquear a tus responsables y representar las capacidades de los datos ante el equipo ejecutivo.

• Liderar y desarrollar Platform Engineering & ETL
• Gestionar responsables, establecer prioridades y asegurar la entrega.
• Ser responsable de la arquitectura Data Lakehouse: Trino, Iceberg/GCS, Airflow, Airbyte, Redpanda CDC, dbt.
• Tomar decisiones de "build-vs-buy" (desarrollo propio frente a compra) sobre las herramientas.
• Impulsar la precisión y evolución de la facturación de socios: asegurar que la lógica de facturación esté versionada, sea reproducible y escale con los nuevos mecanismos de precios y lanzamientos de productos.
• Entregar analítica integrada: exponer los datos del warehouse a los socios a través de BrokerDash, pipelines de SSR y reporting basado en API. Ser responsable de la seguridad a nivel de fila y de los permisos de acceso.
• Apoyar los lanzamientos de productos con la gestión del cambio de datos: coordinar el análisis de impacto de datos para nuevos productos (renta fija, acciones globales, perps, trading 24/5) en los conjuntos de datos descendentes, dashboards y reverse ETL.
• Acelerar el autoservicio: mover la organización hacia la analítica de autoservicio mediante capas semánticas, catálogos de datos y BI conversacional para que el equipo de datos pueda pasar de consultas ad-hoc a proyectos estratégicos.
• Guiar la habilitación de AI/ML: supervisar la búsqueda de IA empresarial, la automatización de flujos de trabajo basada en agentes y la analítica impulsada por LLM. Ayudar a equilibrar las soluciones de proveedores con el desarrollo interno.
• Colaborar con Finanzas, Ventas, Producto, Cumplimiento y Customer Success para traducir las necesidades de negocio en productos de datos.
• Gestionar los costes de infraestructura: mantener la relación entre el coste de datos + nube por debajo del objetivo a medida que crece el AUC.
• Operar sistemas de producción: ser responsable de los procesos de guardia (on-call), la respuesta ante incidentes y los SLO para la frescura, precisión y disponibilidad de los datos.