De un vistazo
- Tareas: Lidera la ingeniería de datos en un proyecto de salud digital a gran escala.
- Empresa: Intellias, innovadora en soluciones de salud digital.
- Beneficios: Oportunidades de crecimiento profesional y trabajo en un entorno dinámico.
- Otra información: Colabora con expertos clínicos y utiliza tecnologías de vanguardia.
- Por qué este empleo: Impacta en la transformación de datos de salud y mejora la calidad de vida.
- Cualificaciones: Experiencia sólida en ingeniería de datos y plataformas de salud.
El salario previsto está entre 51750 - 63250 € por año.
Intellias está buscando un Ingeniero de Datos de Salud para unirse a una iniciativa digital de salud a gran escala centrada en construir una plataforma de datos de salud basada en FHIR y transformar datos de salud fragmentados en información limpia, estandarizada y confiable. El rol requiere tanto experiencia técnica profunda como influencia técnica amplia: establecer marcos y estándares reutilizables, mentorear a ingenieros experimentados y elevar el nivel de ingeniería en todo el equipo.
Descripción del Proyecto: Estamos ayudando a una plataforma de salud digital de EE. UU. a organizar los datos médicos de sus pacientes: resultados de laboratorio, diagnósticos, medicamentos, visitas y más. Los datos provienen de muchas clínicas y laboratorios diferentes, cada uno con su propio formato, por lo que actualmente están bastante desordenados. Nuestro trabajo es limpiar y estandarizar esos datos cerca de la fuente, reunir la lógica dispersa en un solo lugar y ver la calidad real de los datos todos los días en lugar de adivinar.
Los ingenieros de datos trabajarán principalmente en Databricks/Spark, construyendo tuberías, datos de referencia y controles de calidad junto con el equipo de desarrollo y expertos clínicos.
Requisitos:
- Más de 8 años de experiencia profesional en ingeniería de datos, plataformas de datos de salud, HealthTech o interoperabilidad en salud.
- Propiedad técnica a nivel de liderazgo de sistemas de producción complejos, incluida la capacidad de establecer dirección técnica y resolver problemas que abarcan múltiples componentes y equipos de ingeniería.
- Fuerte experiencia práctica en Python y en ingeniería de datos de calidad de producción.
- Experiencia profunda con Apache Spark/PySpark a gran escala, incluida la partición, optimización de rendimiento, ajuste de memoria y procesamiento distribuido.
- Experiencia con tecnologías modernas de lakehouse como Databricks y Delta Lake, o plataformas comparables.
- Fuerte experiencia en el diseño y operación de tuberías ETL/ELT a gran escala, incluidos CDC, procesamiento incremental/delta, idempotencia, evolución de esquemas y cargas de trabajo por lotes/transmisión.
- Experiencia comprobada en el diagnóstico y eliminación de cuellos de botella complejos de rendimiento y escalabilidad en sistemas de procesamiento de datos distribuidos.
- Experiencia práctica con FHIR R4, incluidos recursos, perfiles, paquetes, validación y transformación de datos de salud a gran escala.
- Conocimiento sólido de US Core, USCDI, HL7 v2.x y patrones de transformación C-CDA a FHIR.
- Fuerte comprensión de los estándares de terminología de salud, incluidos SNOMED CT, LOINC y RxNorm.
- Experiencia trabajando con modelos de datos de salud clínicos, de reclamaciones, cobertura, elegibilidad o comparables.
- Fuerte experiencia con calidad de datos, deduplicación, vinculación de registros/pacientes, normalización de terminología y validación.
- Fuertes habilidades en SQL y comprensión de modelado de datos, evolución de esquemas, calidad de datos y arquitectura de datos de producción.
- Experiencia con Git, CI/CD, pruebas automatizadas, observabilidad y operaciones de producción.
- Fuerte comprensión de la seguridad, privacidad y requisitos regulatorios de salud, incluidas las prácticas de ingeniería seguras para PHI.
- Capacidad comprobada para establecer marcos de ingeniería reutilizables, patrones arquitectónicos, estándares y prácticas de calidad de datos adoptadas por otros ingenieros.
- Liderazgo técnico demostrado a través de revisiones de arquitectura/diseño, mentoría, emparejamiento e influencia de ingeniería entre equipos.
- Experiencia práctica utilizando agentes de codificación de IA como Claude Code o herramientas de ingeniería agenticas comparables como parte integral del ciclo de vida del desarrollo.
- Juicio de ingeniería sólido sobre cuándo utilizar enfoques basados en IA/LLM frente a soluciones basadas en reglas determinísticas, particularmente donde la corrección, costo, rendimiento o seguridad de PHI son críticos.
- Inglés profesional suficiente para colaborar directamente con partes interesadas técnicas y comerciales en EE. UU.
Deseable:
- Experiencia profunda con modelado de datos FHIR a gran escala y plataformas de interoperabilidad en salud.
- Experiencia con Índice de Pacientes Maestros (MPI), coincidencia de pacientes, resolución de identidad o vinculación de registros a gran escala.
- Experiencia con intercambio de datos de pagadores, incluidos CARIN Blue Button, guías de implementación de Da Vinci o estándares similares.
- Experiencia trabajando con conjuntos de datos de salud especializados, como farmacia, laboratorio u otros.
- Conocimiento de ICD-10, CPT, CVX y sistemas de terminología/código clínico adicionales.
- Experiencia con la Ley de Curación del Siglo XXI, certificación ONC, Regla de Interoperabilidad de CMS o marcos regulatorios de salud de EE. UU. relacionados.
- Experiencia construyendo capacidades basadas en LLM/agentes para extracción de datos clínicos, normalización, mapeo de terminología o calidad de datos de salud.
- Experiencia diseñando habilidades de IA reutilizables o flujos de trabajo agenticos adoptados por equipos de ingeniería.
- Contribuciones a comunidades de salud de código abierto, FHIR/HL7 o grupos de trabajo de la industria relevantes.
Responsabilidades:
- Establecer la dirección técnica para la ingeniería de datos de salud a través de ingestión, transformación, validación, normalización y entrega.
- Poseer la arquitectura de extremo a extremo de tuberías de datos distribuidas a gran escala que transforman datos de origen heterogéneos en FHIR limpio y conforme a estándares.
- Diseñar y evolucionar soluciones escalables utilizando Python, Spark/PySpark, Databricks/Delta Lake y tecnologías modernas de procesamiento de datos.
- Diagnosticar y eliminar cuellos de botella complejos de rendimiento y escalabilidad en cargas de trabajo de datos distribuidos.
- Establecer estándares y marcos reutilizables para calidad de datos, deduplicación, vinculación de pacientes/registros, normalización de terminología y procesamiento idempotente confiable.
- Definir patrones arquitectónicos para transformación FHIR, validación, evolución de esquemas y entrega de producción.
- Construir y evolucionar capacidades de pruebas automatizadas y validación para calidad de datos y conformidad con FHIR.
- Establecer patrones de ingeniería y herramientas reutilizables que permitan al equipo más amplio entregar nuevas capacidades de datos de salud más rápido y de manera más consistente.
- Promover prácticas de ingeniería seguras para PHI y garantizar que las soluciones de datos de salud cumplan con los requisitos de seguridad, privacidad y cumplimiento aplicables.
- Hacer de la ingeniería nativa de IA una parte práctica del modelo de desarrollo del equipo, utilizando agentes de codificación y capacidades de IA reutilizables para automatizar trabajos repetitivos y acelerar tareas de ingeniería complejas.
- Establecer límites de ingeniería para el desarrollo asistido por IA, asegurando que las soluciones generadas por IA permanezcan correctas, probadas, seguras, observables y seguras para PHI.
- Determinar dónde el procesamiento determinista proporciona mejor confiabilidad que los enfoques basados en IA/LLM y establecer patrones arquitectónicos apropiados para ambos.
- Mentorar a ingenieros senior y medios a través de revisiones de diseño, emparejamiento, orientación técnica y compartir conocimientos.
- Abordar problemas de ingeniería complejos y ambiguos desde la investigación inicial hasta la arquitectura, implementación y operación en producción.
- Colaborar con ingeniería, producto, seguridad, datos y partes interesadas del dominio de la salud para traducir requisitos complejos de interoperabilidad en soluciones técnicas escalables.
- Representar prácticas sólidas de ingeniería de datos de salud en discusiones relevantes de arquitectura, estándares y técnicas.
Por qué esta posición:
Este rol ofrece la oportunidad de establecer la dirección técnica para la ingeniería de datos de salud en una gran plataforma que opera a gran escala. Como Contribuyente Individual a nivel de Liderazgo, su impacto se extiende mucho más allá de tuberías o servicios individuales. Poseerá algunos de los problemas de ingeniería más difíciles de la plataforma, establecerá marcos y estándares reutilizables, e influirá en cómo todo un equipo de ingeniería construye, valida y opera soluciones de datos de salud. El alcance técnico combina ingeniería de datos distribuidos a gran escala, interoperabilidad FHIR/HL7, terminología de salud, calidad de datos, plataformas de datos en la nube y ingeniería nativa de IA. La IA es una parte central del modelo de ingeniería en lugar de un complemento experimental. Ayudará a determinar cómo los agentes de codificación y las capacidades de IA reutilizables pueden aumentar la palanca de ingeniería mientras se mantiene el rigor requerido para sistemas de salud de producción y datos sensibles a PHI. Esta es una posición práctica de IC de personal: establecerá dirección y mentorará a ingenieros, pero su autoridad técnica proviene de permanecer profundamente involucrado en arquitectura, implementación, optimización de rendimiento y resolución de problemas en producción.
Lead Data Engineer (Healthcare Solution) in Madrid 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 Data Engineer (Healthcare Solution) in Madrid
✨Conéctate a Comunidades de Ciencia de Datos
Participa en foros y comunidades online como Kaggle o GitHub, donde puedes compartir proyectos de ciencia de datos y mostrar tus habilidades. Esto no solo te ayuda a aprender más, sino que también te da visibilidad ante reclutadores que están buscando talento.
✨Asiste a Meetups y Conferencias
Las conferencias de ciencia de datos y los meetups locales son una excelente manera de conocer a personas en la industria. Intenta asistir a eventos como PyData o Data Science Meetups en tu ciudad; así podrás establecer conexiones importantes y enterarte de oportunidades laborales como la de Lead Data Engineer (Healthcare Solution) en Intellias.
✨Demuestra tus Habilidades con Proyectos Personales
Crea un portafolio en línea donde puedas presentar proyectos realizados por ti. Asegúrate de incluir muestras de tu trabajo en Python, R, o cualquier otra herramienta que domines. Esto hará que te destaques cuando postules a Lead Data Engineer (Healthcare Solution) en Intellias.
✨Conéctate con Profesionales en LinkedIn
Haz uso de LinkedIn para seguir a empresas de ciencia de datos y conectar con quienes trabajan en ellas. Este tipo de estrategia puede abrirte puertas, ya que muchos reclutadores revisan perfiles antes de decidir a quién invitar a entrevistas para roles como Lead Data Engineer (Healthcare Solution).
Creemos que necesitas estas habilidades para triunfar como Lead Data Engineer (Healthcare Solution) in Madrid
Algunos consejos para tu solicitud 🫡
Destaca tus habilidades técnicas:En el mundo de la ciencia de datos, es fundamental que tu CV incluya herramientas y lenguajes de programación específicos. No te olvides de mencionar tus conocimientos en Python, R o SQL, y cualquier experiencia relevante con bibliotecas como Pandas o TensorFlow. ¡Esto le dará un gran empujón a tu perfil ante Intellias!
Proyectos y experiencias prácticas:Además de tu formación académica, es clave incluir proyectos anteriores donde hayas aplicado tus habilidades en ciencia de datos. Asegúrate de mencionar cualquier trabajo que hayas hecho, ya sea en la universidad o de manera independiente. Esto demuestra tu capacidad para resolver problemas reales y tu motivación para aprender en un entorno profesional.
Céntrate en resultados cuantificados:En tu carta de presentación y CV, incluye logros que puedas cuantificar. Por ejemplo, si has dirigido un proyecto que mejoró la eficiencia en un XX%, esto no solo impresiona, sino que demuestra tu capacidad para generar resultados concretos. Esto es especialmente atractivo para un puesto a tiempo completo en Intellias.
Personaliza tu carta de presentación:No te limites a copiar y pegar una carta estándar. Haz que tu carta sea única para Intellias. Comenta por qué te apasiona la ciencia de datos y cómo encajas en la misión de la empresa. Aunque el CV es importante, una carta que muestre tu motivación y visión puede hacer la diferencia.
Cómo prepararte para una entrevista de trabajo en Intellias
✨Prep para preguntas técnicas de datos
Sabemos que en el campo de la ciencia de datos es común que te hagan preguntas técnicas. Prepárate para discutir tus conocimientos en estadística, análisis de datos y programación en Python o R. Además, asegúrate de poder explicar tus proyectos anteriores y el proceso detrás de ellos, ¡es vital que muestres tu pensamiento crítico!
✨Demuestra tus habilidades con un portfolio impactante
Tener un portfolio que muestre tus proyectos de ciencia de datos es esencial. Asegúrate de incluir ejemplos de análisis complejos, visualización de datos e incluso modelos predictivos que hayas desarrollado. ¡Esto no solo muestra tu competencia técnica, sino que también puede dar pie a una conversación más profunda durante la entrevista!
✨Prepárate para discutir casos de uso de datos
En una entrevista para un puesto de ciencia de datos, a menudo te preguntarán sobre estudios de caso o situaciones del mundo real. Practica cómo explicar cómo aplicarías técnicas de análisis para resolver problemas específicos que podrían enfrentar en Intellias. Esto demuestra que entiendes la aplicabilidad de tus habilidades.
✨Muestra tu entusiasmo y curiosidad
Como candidato a un puesto a tiempo completo, es crucial que muestres tu pasión por la ciencia de datos y tu deseo de aprender. Comparte tus intereses en las últimas tendencias de la IA o el machine learning, y menciona proyectos futuros que te gustaría explorar. Esto puede hacer que te destaques entre otros candidatos.