En Lagersoft estamos creciendo y nuestro sistema de datos necesita evolucionar al mismo ritmo.

Operamos una plataforma de gaming con múltiples fuentes de datos, flujos asíncronos y un volumen donde la consistencia y la trazabilidad no son opcionales. Nuestro stack incluye ingestión continua, procesamiento distribuido y distintos niveles de almacenamiento.

Buscamos un Data Engineer con robusto criterio técnico para ayudarnos a evolucionar la arquitectura de datos — desde cómo se ingieren hasta cómo se modelan y consumen (reportería, analytics y LLMs).

Este rol no es solo de implementación. Esperamos que identifiques problemas estructurales, propongas soluciones y las lleves a ejecución junto con el equipo.

Objetivo del rol

Diseñar y evolucionar la arquitectura de datos end-to-end — ingestión, procesamiento, modelado y consumo — para habilitar reporting confiable, analítica y consumo por LLMs a escala.
- Diseñar y evolucionar la arquitectura de datos end-to-end
- Definir criterios y estándares para la construcción de datasets reutilizables




- Construir capas que habiliten reporting confiable y consumo por LLMs
- Diseñar modelado de datos alineado a necesidades de negocio
- Optimizar performance y costos sobre servicios AWS
- Identificar y corregir problemas de escalabilidad en pipelines, storage y queries
- Colaborar en la construcción de pipelines (Airflow, PySpark, Glue)
- Participar en decisiones de arquitectura e ingeniería de datos
- Analizar problemas de calidad de datos, consistencia y trazabilidad
- Contribuir a la evolución del stack evaluando trade-offs reales
- Procesamiento Python / PySpark
- Orquestación Airflow, AWS Glue
- Storage S3, formatos de metadata (Delta / Iceberg)
- Bases de datos Aurora RDS, Athena, Redshift
- Consumo Power BI, LLMs / agents
- Experiencia diseñando pipelines y arquitecturas de datos en producción
- Experiencia con modelado de datos para analítica
- Experiencia con grandes volúmenes de datos (batch y/o near real-time)
- Proce

📌 Data Engineer Lead (Monterrey)
🏢 Lagersoft
📍 Monterrey