De un vistazo
- Tareas: Lidera la ingeniería de datos en salud, transformando datos complejos en información limpia y estándar.
- Empresa: Intellias, una empresa innovadora en el sector de la salud digital.
- Beneficios: Contrato indefinido, trabajo remoto, horarios flexibles y oportunidades de desarrollo profesional.
- Otra información: Ambiente dinámico con oportunidades para crecer y aprender sobre tecnologías avanzadas.
- Por qué este empleo: Impacta en la salud digital y mejora la calidad de vida de los pacientes a gran escala.
- Cualificaciones: Experiencia en ingeniería de datos y liderazgo técnico en plataformas de salud.
El salario previsto está entre 51750 - 63250 € por año.
Location
- Remote from Spain (an indefinite Spanish employment contract)
- 3-4 days per week until 8 pm CET (for overlap with US based client)
- Intellias is looking for a
Lead Healthcare Data Engineer to join a large-scale digital healthcare initiative focused on building a FHIR-based health data platform and transforming fragmented healthcare data into clean, standardized, and trustworthy information.
The role requires both deep hands-on engineering expertise and broad technical influence
— establishing reusable frameworks and standards, mentoring experienced engineers, and raising the engineering bar across the team.
Project Overview
We're helping a US digital-health platform get its patients' medical data in order: lab results, diagnoses, medications, visits and more.
The data comes from many different clinics and labs, each with its own format, so right now it's pretty messy.
Our job is to clean up and standardize that data close to the source, bring scattered logic into one place, and see the real data quality every day instead of guessing.
Data engineers will work mostly in Databricks/Spark, building pipelines, reference data and quality checks together with the dev team and clinical experts.
Requirements
8+ years of professional experience in data engineering, healthcare data platforms, Health Tech, or healthcare interoperability.
- Proven
Lead-level technical ownership of complex production systems, including the ability to set technical direction and solve problems spanning multiple components and engineering teams.
- Strong hands-on expertise in
Python and production-grade data engineering.
- Deep experience with
Apache Spark/Py Spark at scale , including partitioning, performance optimization, memory tuning, and distributed processing.
- Experience with modern lakehouse technologies such as
Databricks and Delta Lake , or comparable platforms.
- Strong experience designing and operating large-scale
ETL/ELT pipelines , including CDC, incremental/delta processing, idempotency, schema evolution, and batch/streaming workloads.
- Proven experience diagnosing and eliminating complex performance and scalability bottlenecks in distributed data-processing systems.
- Deep hands-on experience with
FHIR R4 , including resources, profiles, Bundles, validation, and large-scale healthcare data transformation.
- Strong knowledge of
US Core, USCDI, HL7 v2. x , and C-CDA-to-FHIR transformation patterns.
- Strong understanding of healthcare terminology standards including
SNOMED CT, LOINC, and Rx Norm .
- Experience working with clinical, claims, coverage, eligibility, or comparable healthcare data models.
- Strong experience with data quality, deduplication, record/patient linking, terminology normalization, and validation .
- Strong SQL skills and understanding of data modeling, schema evolution, data quality, and production data architecture.
- Experience with
Git, CI/CD, automated testing, observability, and production operations .
- Strong understanding of healthcare security, privacy, and regulatory requirements, including
HIPAA and PHI-safe engineering practices.
- Proven ability to establish reusable engineering frameworks, architectural patterns, standards, and data-quality practices adopted by other engineers.
- Demonstrated technical leadership through architecture/design reviews, mentoring, pairing, and cross-team engineering influence.
- Practical experience using
AI coding agents such as Claude Code or comparable agentic engineering tools as an integral part of the development lifecycle.
- Strong engineering judgment around when to use
AI/LLM-based approaches versus deterministic rule-based solutions , particularly where correctness, cost, performance, or PHI safety are critical.
- Professional English sufficient for direct collaboration with U. S.-based technical and business stakeholders.
- Nice to Have
- Deep experience with large-scale FHIR data modeling and healthcare interoperability platforms .
- Experience with
Master Patient Index (MPI), patient matching, identity resolution , or large-scale record linkage.
- Experience with payer data exchange, including
CARIN Blue Button , Da Vinci implementation guides, or similar standards.
- Experience working with pharmacy, laboratory, or other specialized healthcare datasets.
- Knowledge of
ICD-10, CPT, CVX , and additional clinical terminology/code systems.
- Experience with
21st Century Cures Act, ONC certification, CMS Interoperability Rule , or related U. S. healthcare regulatory frameworks.
- Experience building LLM/agent-based capabilities for clinical data extraction, normalization, terminology mapping, or healthcare data quality .
- Experience designing reusable AI skills or agentic workflows adopted across engineering teams.
- Contributions to open-source healthcare, FHIR/HL7 communities, or relevant industry working groups.
Responsibilities
- Set the technical direction for healthcare data engineering across ingestion, transformation, validation, normalization, and delivery.
- Own the end-to-end architecture of large-scale distributed data pipelines transforming heterogeneous source data into clean, standards-conformant FHIR.
- Design and evolve scalable solutions using
Python, Spark/Py Spark, Databricks/Delta Lake , and modern data-processing technologies.
- Diagnose and eliminate complex performance and scalability bottlenecks across distributed data workloads.
- Establish standards and reusable frameworks for data quality, deduplication, patient/record linking, terminology normalization, and reliable idempotent processing .
- Define architectural patterns for FHIR transformation, validation, schema evolution, and production delivery.
- Build and evolve automated testing and validation capabilities for data quality and FHIR conformance .
- Establish engineering patterns and reusable tooling that allow the broader team to deliver new healthcare data capabilities faster and more consistently.
- Champion
PHI-safe engineering practices and ensure healthcare data solutions meet applicable security, privacy, and compliance requirements.
- Make
AI-native engineering a practical part of the team's development model , using coding agents and reusable AI capabilities to automate repetitive work and accelerate complex engineering tasks.
- Establish engineering guardrails for AI-assisted development, ensuring AI-generated solutions remain correct, tested, secure, observable, and PHI-safe.
- Determine where deterministic processing provides better reliability than AI/LLM-based approaches and establish appropriate architectural patterns for both.
- Mentor Senior and Middle engineers through design reviews, pairing, technical guidance, and knowledge sharing.
- Drive complex, ambiguous engineering problems from initial investigation through architecture, implementation, and production operation.
- Collaborate with engineering, product, security, data, and healthcare-domain stakeholders to translate complex interoperability requirements into scalable technical solutions.
- Represent strong healthcare data engineering practices in relevant architecture, standards, and technical discussions.
Why this position
This role offers the opportunity to set the technical direction for healthcare data engineering on a big platform operating at scale .
As a Lead-level Individual Contributor, your impact extends well beyond individual pipelines or services.
You will own some of the platform's hardest engineering problems, establish reusable frameworks and standards, and influence how an entire engineering team builds, validates, and operates healthcare data solutions.
The technical scope combines large-scale distributed data engineering, FHIR/HL7 interoperability, healthcare terminology, data quality, cloud data platforms, and AI-native engineering .
AI is a core part of the engineering model rather than an experimental add-on.
You will help determine how coding agents and reusable AI capabilities can increase engineering leverage while maintaining the rigor required for production healthcare systems and PHI-sensitive data.
Lead Healthcare Data Engineer empresa: Intellias
Nuestra empresa es un empleador excepcional que ofrece un entorno de trabajo remoto desde España, permitiendo a los empleados disfrutar de una flexibilidad única mientras contribuyen a proyectos innovadores en el ámbito de la inteligencia artificial y la gestión de datos. Fomentamos una cultura de colaboración y aprendizaje continuo, brindando oportunidades de crecimiento profesional y acceso a tecnologías de vanguardia en un sector financiero altamente regulado. Además, al formar parte de un equipo global, tendrás la oportunidad de impactar en la forma en que las organizaciones utilizan sus datos de manera segura y efectiva.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir Lead Healthcare Data Engineer
✨Conéctate con la comunidad tech
Asistir a meetups y conferencias de software en tu área es una gran manera de conocer a la gente clave en la industria. Compartir tus intereses y proyectos en estos eventos puede abrirte puertas inesperadas.
✨Aprovecha las plataformas de código abierto
Contribuir a proyectos de código abierto no solo demuestra tus habilidades técnicas, sino que también te ayuda a hacer contactos valiosos. Además, ¡es una excelente forma de mostrar tu trabajo a futuros empleadores como Intellias!
✨Política de puertas abiertas
No dudes en hacer ‘walk-ins’ en empresas tech locales. Lleva tu CV y una sonrisa, ¡nunca sabes quién puede estar buscando talento nuevo como el tuyo!
✨Aplica directamente en Intellias
Si encuentras una oportunidad que te emociona, como un puesto de Lead Healthcare Data Engineer, no esperes. Aplica a través de nuestra web y asegúrate de destacar tus proyectos y contribuciones, ¡eso puede marcar la diferencia!
Creemos que necesitas estas habilidades para triunfar como Lead Healthcare Data Engineer
Algunos consejos para tu solicitud 🫡
Destaca tus proyectos personales:En ingeniería y desarrollo de software, es fundamental mostrar que no solo sabes hacer lo que se te pide, sino que también eres proactivo. Incluye un enlace a tu GitHub o proyectos personales en tu CV para que podamos ver de lo que eres capaz. Esto realmente añade un plus a tu aplicación.
Personaliza tu CV con tus habilidades técnicas:Asegúrate de destacar las habilidades técnicas que son relevantes para el puesto de Lead Healthcare Data Engineer en Intellias. ¿Conoces lenguajes de programación específicos, frameworks o herramientas que usamos? Menciónalos y, si tienes certificaciones, ¡añádelas! Esto nos muestra que estás preparado para el trabajo desde el primer día.
Carta de motivación sincera:Como estás aplicando a un puesto a tiempo completo, aprovecha la carta de motivación para contarnos por qué eres un buen fit para Intellias. Cuéntanos sobre tu pasión por la tecnología y cómo quieres contribuir al equipo. Queremos saber más sobre tu enfoque y cómo te ves creciendo con nosotros.
Formato claro y conciso:En el mundo del software, la claridad y la concisión son clave. Asegúrate de que tu CV y carta de motivación sean fáciles de leer y bien estructurados. Usa viñetas para resaltar logros y habilidades, y no te olvides de revisar el formato para que se vea profesional, ¡aunque no tienes que ser excesivamente formal!
Cómo prepararte para una entrevista de trabajo en Intellias
✨Prepárate para los retos técnicos
En el mundo de la ingeniería y desarrollo de software, es probable que enfrentes preguntas técnicas y ejercicios de codificación en tu entrevista. Asegúrate de practicar algoritmos y estructuras de datos, porque los reclutadores en Intellias querrán ver cómo resuelves problemas en tiempo real.
✨Muestra tu portafolio de proyectos
Como candidato a un puesto a tiempo completo, es crucial que muestres un portafolio sólido. Presenta tus proyectos anteriores, especialmente aquellos que demuestran habilidades técnicas relevantes y tu capacidad para trabajar en equipo. ¡No dudes en explicar las tecnologías que utilizaste y los desafíos que superaste!
✨Conoce la cultura de trabajo
Investiga a fondo la cultura de trabajo de Intellias. Como ingeniere, a menudo trabajarás en equipo, por lo que demostrar que puedes integrarte bien y que compartes sus valores es clave. Prepara ejemplos de cómo has colaborado en el pasado para alinearte con lo que ellos buscan.
✨Repasa conceptos clave
Haz una lista de conceptos y herramientas clave que son esenciales en el desarrollo de software, como lenguajes de programación, frameworks, y metodologías ágiles. Esto no solo te ayudará a responder preguntas, sino que también te permitirá hacer preguntas inteligentes que demuestren tu interés en el puesto y en las prácticas de Intellias.