Ingeniero de Datos - Experimentación Escalada

• Sólidas habilidades de ingeniería en Python, incluyendo código de producción bien testeado, desarrollo de APIs (FastAPI o similar) y un diseño de software sólido.
• Experiencia sólida con un stack de datos moderno: orquestación de flujos de trabajo (Airflow o similar), un almacén de datos en la nube (preferiblemente Snowflake) y SQL que sepas depurar y optimizar bajo volúmenes de datos reales.
• Experiencia ejecutando servicios en producción, incluyendo pipelines de CI/CD, contenerización, despliegues tipo Kubernetes o gitops, y observabilidad.
• Mentalidad orientada a la calidad de los datos: te das cuenta cuando dos números que deberían coincidir no lo hacen, e investigas hasta saber por qué.
• Comunicación escrita clara, ya que los RFCs, la documentación técnica y la colaboración asíncrona son fundamentales en la forma de trabajar de este equipo.

• Familiaridad con conceptos de experimentación: A/B testing, exposición vs. asignación, SRM, análisis de potencia, CUPED, holdouts.
• Experiencia con catálogos de datos o plataformas de metadatos (DataHub/Acryl o similares).
• Comodidad realizando cambios en todo el stack, incluyendo una interfaz de usuario en TypeScript/React cuando el proyecto lo requiera.
• Experiencia construyendo plataformas o herramientas para clientes de ingeniería internos.
• Interés en herramientas de desarrollo asistidas por IA (servidores MCP, exportaciones de datos aptas para agentes).

Tenemos la misión de ser pioneros en la próxima era del juego en el mundo. A medida que crecemos en Europa y Latinoamérica, estamos construyendo The Playstack: la tecnología que impulsa la próxima generación de deportes, juegos y experiencias para los fans. ¡Únete a nosotros y ayúdanos a convertirla en la plataforma más utilizada del mundo! Desde operaciones, pasando por marketing, hasta producto, buscamos personas con talento que den forma a la manera en que millones de clientes juegan, ven y conectan cada día.

Te unirás al equipo de Scaled Experimentation, encargado de construir y gestionar la plataforma interna de Experimentación de Super Technologies: el sistema que cada equipo de producto e ingeniería utiliza para realizar pruebas A/B fiables, experimentos de control (holdout) y feature flags a escala. Como Data Engineer, serás el responsable del núcleo de datos de esta plataforma, con el Metric Store y los pipelines de datos de evaluación en su centro, abarcando desde DAGs de Airflow y modelos de Snowflake hasta servicios FastAPI, CI/CD y las integraciones que mantienen sincronizadas las definiciones de métricas en DataHub, GitHub y la interfaz de usuario de la plataforma.

• Impacto directo y visible: tus pipelines y servicios determinan si cientos de experimentos en Super Technologies producen resultados fiables.
• Un equipo genuinamente interdisciplinar: backend, ciencia de datos y producto trabajando en un mismo ciclo, con un fuerte rigor estadístico (análisis de SRM, auditorías de hashing, perfilado de ruido de métricas).
• Herramientas modernas y autonomía real: despliegas tus propios servicios, y las decisiones basadas en RFC significan que tu voz da forma a la plataforma.

• Liderar y evolucionar el Metric Store: el repositorio de definiciones de métricas, su capa de servicios FastAPI y los flujos de trabajo basados en Git y PR que permiten a los usuarios crear y editar métricas a través de la interfaz de usuario de la plataforma.
• Construir y mantener pipelines de evaluación y monitorización en Airflow sobre Snowflake, cubriendo la evaluación de experimentos, la detección de SRM, el procesamiento de logs de exposición y la generación de alertas.
• Desplegar servicios en producción de extremo a extremo, incluyendo imágenes Docker, despliegues en Kubernetes basados en gitops, CI/CD con GitHub Actions y monitorización con Prometheus y Grafana.
• Investigar problemas de calidad y confianza de los datos, conciliando recuentos de exposición entre tablas y dashboards, depurando señales de SRM y validando el comportamiento de bucketing y hashing.
• Colaborar con ingenieros de backend, científicos de datos y el product manager, contribuyendo con RFCs y documentos de diseño, y revisando la configuración de experimentos para los equipos internos.
• Mejorar la experiencia del desarrollador para los usuarios de la plataforma mediante documentación, exportación de datos y herramientas, incluyendo MCP e interfaces asistidas por IA para los datos de los experimentos.