Especialista en Integración de Datos y Etl para Expansión Global de...

Estate Atlas, una startup de datos como servicio (DaaS), busca un especialista en integración de datos para impulsar nuestra infraestructura ETL sin servidor. Nuestra misión es proporcionar información basada en datos sobre los mercados inmobiliarios globales, empoderando a inversores, analistas y profesionales con datos precisos, transparentes y prácticos. Estamos construyendo la principal fuente mundial de datos inmobiliarios internacionales, agregando y estandarizando información de una amplia gama de fuentes globales para hacer los mercados más transparentes y accesibles. Ya hemos diseñado una infraestructura ETL de vanguardia sin servidor y ahora necesitamos expandir su alcance.

La oportunidad se centra en la parte fundamental de nuestra estrategia de datos: localizar fuentes de datos internacionales de alto valor, verificar su precisión e integrar estas fuentes en nuestro ecosistema. El profesional seleccionado será responsable de expandir nuestra cobertura a más de 15 países, asegurando que los datos sin procesar de diversas fuentes globales se extraigan, limpien y carguen correctamente en nuestro lago de datos.

Responsabilidades diarias clave incluyen:

Exploración y verificación de fuentes: Investigar y localizar activamente fuentes de datos fiables (registros gubernamentales, bancos centrales, portales, etc.) Y crear hojas de datos para verificar su fiabilidad, formato y frecuencia de actualización. Se proporcionará acceso a un sitio web que contiene las fuentes iniciales.

Integración de pipelines: Escribir y mantener scripts Python eficientes para extraer datos sin procesar e integrarlos en nuestro pipeline ETL sin servidor existente.

Perfilado y calidad de datos: Analizar datos de muestra para comprender su estructura (comprobación de valores nulos, únicos y atípicos) y definir las reglas de negocio "limpias" para garantizar la calidad.

Estandarización: Implementar lógica de transformación utilizando herramientas como Polars y DuckDB para estandarizar los datos.

Category: IT & Programming Subcategory: Data Science Project size: Large