Solution Architect

The Digital Evolution Company Of Today And Tomorrow
Lutech Sweeft es un referente tecnológico y un motor estratégico de innovación en Digital, Datos e IA dentro del mercado ibérico.
Como parte del Grupo Lutech, combinamos nuestro reconocimiento como Google Cloud Partner of the Year **** con más de 30 años de experiencia como SAP Gold Partner.
Diseñamos soluciones integrales que transforman organizaciones complejas en empresas inteligentes y orientadas al dato, desde la creación de infraestructuras preparadas para la IA hasta la optimización de sistemas críticos.
Únete a nosotros para impulsar el camino hacia la inteligencia accionable y generar un impacto global medible.
Puesto
Buscamos un perfil S
enior Data Architect (DataBricks)
con las siguientes responsabilidades:
Responsabilidades
Apoyo en las fases de preventa proporcionando la información necesaria para definir una solución arquitectónica y su estimación de costes asociada.
Definición de la arquitectura de la solución —desde el diseño conceptual hasta las decisiones de implementación— documentando los fundamentos y las alternativas descartadas.
Gestión de restricciones contrapuestas —como rendimiento, costes operativos, seguridad, mantenimiento y plazos de entrega— y comunica claramente al cliente las compensaciones resultantes.
Garantía de la coherencia arquitectónica a lo largo del proyecto, verificando que las implementaciones se ajusten al diseño e interviniendo si la solución comienza a desviarse.
Coordina las operaciones del equipo técnico: asignación de tareas, verificación de resultados, realización de revisiones técnicas y gestión de escalados.
Gestión de la comunicación arquitectónica con los interlocutores técnicos y de negocio del cliente: recopilación de requisitos, explicación de decisiones de diseño, resolución de objeciones y acuerdo sobre prioridades de implementación.
Diseño de arquitecturas basadas en agentes: definiendo la división entre agentes y herramientas, el acceso a bases de conocimiento, las pasarelas de modelos, los puntos de control con intervención humana (human-in-the-loop) y los marcos de gobernanza.
Fomentar el crecimiento técnico del equipo evaluando nuevas tecnologías e integrando en las capacidades de la organización los hallazgos validados en la práctica.
Requisitos
Habilidades técnicas
Arquitectura de datos: capacidad para diseñar una plataforma de datos integral que abarque la ingesta desde fuentes heterogéneas, la organización en capas de refinamiento, el procesamiento por lotes y en tiempo real, y la exposición de datos a diversos consumidores.
Modelado: dominio de modelos analíticos y estrategias de historial de datos, con capacidad para seleccionar el enfoque adecuado según el caso de uso específico en lugar de basarse en la costumbre.
Procesamiento a gran escala: profundo conocimiento de los mecanismos de computación distribuida, sus limitaciones y los factores que determinan el costo y el rendimiento.
Big Data y Apache Spark en Databricks: dominio del ecosistema Spark y capacidad para dimensionar y optimizar cargas de trabajo distribuidas que implican grandes volúmenes de datos; esto incluye estrategias de particionamiento, minimización del intercambio de datos entre nodos (shuffling), selección de formatos de almacenamiento y tablas transaccionales, y gestión de costos de computación.
Se requiere experiencia práctica en la ejecución y optimización de estas cargas de trabajo en el entorno de ejecución (runtime) de Databricks.
Plataforma Databricks (habilidad preferente y diferenciadora): conocimiento profundo de la arquitectura lakehouse y sus componentes, incluyendo el formato de tabla transaccional Delta Lake y las mejores prácticas de optimización, la organización de capas de refinamiento, las canalizaciones (pipelines) declarativas y la orquestación de flujos de trabajo, el motor SQL para análisis y la gestión de entornos de computación y políticas de acceso.
Los candidatos deben ser capaces de justificar las decisiones de configuración y anticipar su impacto en el rendimiento y el costo.
Integración de Databricks en el ecosistema de nube: capacidad para ubicar la plataforma dentro de la arquitectura del cliente en Azure o AWS, abarcando el diseño del espacio de trabajo, redes y aislamiento, perfiles de identidad y acceso, almacenamiento subyacente e integración con servicios existentes de ingesta, orquestación y exposición de datos.
Arquitectura de sistemas generativos: capacidad para diseñar el marco de trabajo de una solución basada en modelos —incluyendo la orquestación de agentes, bases de conocimiento vectoriales y de grafos, pasarelas hacia proveedores de modelos, observabilidad y gobernanza de acceso— aprovechando los servicios nativos de Databricks para búsqueda vectorial, despliegue de modelos y evaluación de aplicaciones generativas.
Gobernanza