# Data Engineer (Python/AWS/Snowflake) at Darwoft
Source: https://true-hire-ten.vercel.app/jobs/data-engineer-python-aws-snowflake-darwoft-tft7ar52 · Company profile: https://true-hire-ten.vercel.app/companies/darwoft · Apply on the employer's site: https://ar.whatjobs.com/pub_api__cpl__36088925__7080?utm_campaign=publisher&utm_medium=api&utm_source=freehire.me
**In short:** Senior data engineer at software-factory Darwoft (Argentina, remote/hybrid) building and operating a serverless AWS data platform for an international client: Airflow (MWAA) DAGs, S3/Iceberg data lake, Snowflake + dbt modeling, Glue/PySpark processing, Terraform/CDK IaC and GitLab CI/CD.

## Job details
- Location: Argentina
- Work mode: Remote
- Employment type: Full-time
- Category: Data Engineering
- Countries: Argentina
- Posted: 2026-11-13 (7 days ago, fresh)
- Skills named: airflow, api, api-gateway, athena, aws, bash, cdk, ci-cd, cloud, cloudformation, cloudwatch, data-engineering, data-governance, data-lake, dbt, docker, dynamodb, ecs, eventbridge, fargate, finops, git, gitflow, gitlab, graphql, iam, iceberg, infrastructure-as-code, kafka, kinesis, lakehouse, lambda, observability, parquet, pyspark, python, rest, s3, serverless, sharepoint, snowflake, sns, spark, sql, sqs, terraform, version-control
## Requirements

- +3 years of experience as Data Engineer in production cloud environments
- Advanced AWS serverless (excluyente): Lambda, Fargate/ECS, Glue, Athena, EMR Serverless
- AWS orchestration/events: Step Functions, EventBridge, SQS, SNS
- AWS storage: S3 data lake design and DynamoDB modeling by access patterns
- AWS integration: API Gateway, AppSync
- AWS streaming: Kinesis Data Streams/Firehose, MSK Serverless
- AWS security: IAM least privilege, Lake Formation, Secrets Manager
- Observability and costs: CloudWatch, FinOps, Cost Explorer
- Advanced Apache Airflow (excluyente): internals, TaskFlow API, XComs, dynamic task mapping
- MWAA in production: dependencies, plugins, worker scaling, blue/green deployments
- DAG testing, per-environment parameterization, monitoring and alerting
- Advanced Git (excluyente): rebase, merge, cherry-pick, clean history
- Branching strategies (GitFlow, trunk-based) and semantic versioning
- GitLab: merge requests, code review, protected branches, approvals
- GitLab CI/CD: stages, jobs, runners, protected variables/secrets, artifacts, caching
- Advanced Terraform: reusable modules, per-environment variables, resource imports
- AWS CDK and/or CloudFormation: stacks, parameters, outputs, change sets, drift detection
- Snowflake: modeling, advanced SQL, query optimization
- dbt: layered modeling, tests, documentation, Cosmos integration
- Python for ingestion and automation (boto3, REST/GraphQL APIs, file processing)
- Spark/PySpark including internals knowledge
- Parquet and Apache Iceberg on Glue Catalog
- Multi-source ingestion with dlt

## Nice to have

- Experience with Agent Core or knowledge of agent architectures
- Docker and judgment on where to run workloads (ECS vs Airflow workers)
- Design of projection/consumption layers over DynamoDB for web apps
- Data FinOps: cloud cost pipelines and consumption analysis
- Basic knowledge of Kafka (MSK) and topic cataloging

## About the role
Disclaimer – Lectura obligatoria: Compromiso y dedicación
Este rol requiere dedicación full-time, con prioridad clara sobre los proyectos de Darwoft durante el horario laboral establecido. No es compatible con otros compromisos profesionales full-time. Cualquier actividad profesional adicional debería ser informada previamente y no debería interferir con las responsabilidades del rol.

## Sobre Darwoft

Darwoft es una software factory que desarrolla soluciones de software a medida y brinda servicios de staff augmentation IT para clientes internacionales, principalmente en Estados Unidos y Latinoamérica. Trabajamos con startups y compañías en crecimiento, construyendo productos digitales de alto impacto.

Nuestra cultura es people-first: priorizamos la calidad técnica, las relaciones de largo plazo y el trabajo colaborativo. Combinamos excelencia técnica con cercanía humana.

## Senior Data Engineer (AWS Serverless & Airflow) – Relación de Dependencia – Argentina

## Información general

- Industria / Proyecto: Plataforma de datos sobre AWS serverless para cliente internacional (industria a confirmar)

## Sobre el rol

Buscamos un/a Senior Data Engineer para diseñar, construir y operar una plataforma de datos sobre AWS serverless, orquestada con Apache Airflow y gestionada íntegramente como código.

La posición combina ingeniería de datos, calidad y gobierno de datos. El foco está en pipelines confiables, automatizados y desplegados mediante CI/CD, que permitan al negocio contar con datos consistentes, trazables y disponibles a tiempo, con un uso eficiente de los costos cloud.

Vas a tener autonomia técnica para tomar decisiones de arquitectura, elegir el servicio adecuado para cada caso y definir buenas prácticas sobre toda la plataforma.

- Diseñar, construir y operar la plataforma de datos sobre el ecosistema serverless de AWS, eligiendo cada servicio según el caso de uso, el costo y la operabilidad.
- Desarrollar DAGs de Airflow de punta a punta, con foco en idempotencia, reintentos, SLAs y manejo de fallos.
- Configurar y operar entornos MWAA: dependencias, plugins, escalado de workers y despliegues blue/green.
- Orquestar desde Airflow jobs de Glue, Lambda, ECS y Step Functions, e integrar dbt (vía Cosmos) y dlt.
- Implementar ingesta multi-fuente con dlt y Python: APIs REST y GraphQL, Microsoft Graph, Cost Explorer, SharePoint, bases de datos y archivos.
- Diseñar y mantener el data lake / lakehouse en S3 con Parquet y Apache Iceberg sobre Glue Catalog.
- Modelar datos en Snowflake y dbt por capas, con tests y documentación.
- Desarrollar procesamiento con Spark / PySpark garantizando escrituras idempotentes y particionado eficiente.
- Aprovisionar la infraestructura como código con Terraform y/o AWS CDK / CloudFormation: entornos MWAA, Glue jobs, Lambdas, buckets S3, roles IAM y permisos de Lake Formation.
- Construir y mantener pipelines de GitLab CI/CD con separación de entornos (dev / staging / prod) y despliegues controlados por rama.
- Aplicar seguridad de mínimo privilegio, gobierno de datos con Lake Formation y manejo seguro de secretos.
- Implementar observabilidad con CloudWatch (logs, métricas, alarmas) y testing de DAGs.
- Optimizar costos de la arquitectura serverless aplicando prácticas de FinOps.
- +3 años de experiencia como Data Engineer en entornos cloud productivos.
- AWS serverless (excluyente, nivel avanzado):Cómputo: Lambda (layers, concurrencia, timeouts, cold starts, empaquetado con contenedores), Fargate / ECS.
- Procesamiento: Glue (jobs Spark y Python Shell, Data Catalog, crawlers), Athena (particionado, optimización de costos por escaneo), EMR Serverless.
- Orquestación y eventos: Step Functions, EventBridge (reglas y schedulers), SQS, SNS.
- Almacenamiento: S3 (diseño de data lake, lifecycle, eventos), DynamoDB (modelado por patrones de acceso, índices, streams).
- Integración y APIs: API Gateway, AppSync.
- Streaming: Kinesis Data Streams / Firehose, MSK Serverless.
- Seguridad: IAM con mínimo privilegio, Lake Formation, Secrets Manager.
- Observabilidad y costos: CloudWatch, FinOps y Cost Explorer.

- Apache Airflow (excluyente, nivel avanzado):Arquitectura interna (scheduler, executor, workers, triggerer, metadata DB), ciclo de vida de tareas, data intervals, catchup y backfills.
- Operadores, hooks y sensores: providers de AWS, operadores custom y deferrable operators.
- TaskFlow API, XComs, dynamic task mapping, task groups y assets.
- MWAA en producción.
- Testing de DAGs, parametrización por entorno, monitoreo y alertas.

- CI/CD y control de versiones (excluyente):Git avanzado: rebase, merge, cherry-pick, resolución de conflictos e historial limpio.
- Estrategias de branching (GitFlow, trunk-based, feature branches) y versionado semántico.
- GitLab: merge requests, code review, protección de ramas, aprobaciones y reglas de merge.
- GitLab CI/CD: stages, jobs, runners, variables y secretos protegidos, artefactos, caché, ambientes y despliegues manuales o automáticos.

- Terraform avanzado: módulos reutilizables, variables por entorno e import de recursos existentes.
- AWS CDK y/o CloudFormation: stacks, parámetros, outputs, change sets y drift detection.
- Buenas prácticas: separación de entornos, versionado, revisión del plan antes de aplicar.
- Ingeniería de datos:Snowflake: modelado, SQL avanzado y optimización de consultas.
- dbt: modelado por capas, tests, documentación e integración con Cosmos.
- Python para ingesta y automatización (boto3, APIs REST y GraphQL, procesamiento de archivos).
- Spark / PySpark, incluyendo conocimiento de internals.
- Parquet y Apache Iceberg sobre Glue Catalog.
- Ingesta multi-fuente con dlt.

- Agentes: experiencia con Agent Core o conocimiento de arquitecturas de agentes.
- Docker y criterio para decidir dónde correr cargas (ECS vs. workers de Airflow).
- Criterio para elegir entre Glue y EMR como motor de procesamiento.
- Diseño de capas de proyección y consumo sobre DynamoDB para aplicaciones web.
- FinOps de datos: pipelines de costos cloud y análisis de consumo.
- Nociones de Kafka (MSK) y catalogación de topics.

## ¿Qué ofrecemos en Darwoft?

- Modalidad de trabajo remota o Mixta.
- Salarios competitivos.
- Vacaciones y licencias según legislación vigente.
- Días personales adicionales por año.
- Acceso a plataformas de capacitación.
- Tarjeta de beneficios y descuentos.
- Programas de reintegros.
- Regalo de cumpleaños.
- Celebración, aniversarios y actividades de integración.
© TrueHire. Listing data from freehire; applications go to the employer's own page.