Resumen: Buscamos un Director Asociado de Ingeniería de Datos para liderar la arquitectura de datos, la modelización, el almacenamiento de datos y la ingeniería de plataformas destinadas a la toma de decisiones científicas en I+D. Aspectos destacados: 1. Liderar la arquitectura de datos y la ingeniería de plataformas para obtener conocimientos transformadores. 2. Impulsar una transformación disruptiva hacia la Audaz Ambición de AstraZeneca para 2030. 3. Aplicar las mejores prácticas de ingeniería de software para entregar sistemas resilientes. AstraZeneca se está transformando en una empresa impulsada por la inteligencia artificial y los datos. Dentro de I+D, el equipo de Inteligencia Artificial Predictiva y Datos convierte información compleja en conocimientos prácticos y transformadores que mejoran los resultados para los pacientes. Inventamos, construimos y entregamos soluciones novedosas junto con expertos líderes, aprovechando técnicas de vanguardia en datos, IA y aprendizaje automático. Trabajamos de forma inclusiva a través de diversas disciplinas y colaboradores, alineándonos con las necesidades empresariales y generando valor cuantificable. Buscamos un Director Asociado de Ingeniería de Datos con experiencia práctica para liderar la arquitectura de datos, la modelización, el almacenamiento de datos y la ingeniería de plataformas que acelere la toma de decisiones científicas en Farmacología Clínica y Ciencias de la Seguridad (CPSS). Diseñará y entregará soluciones de datos escalables y alineadas con los principios FAIR sobre infraestructura empresarial, impulsando una transformación positiva y disruptiva hacia la Audaz Ambición de AstraZeneca para 2030. Este puesto colabora estrechamente con IT de I+D y DS&IA, y trabaja globalmente con colegas en Suecia, el Reino Unido y Estados Unidos. **Qué hará** * **Arquitectura de plataformas de datos:** Diseñar, implementar y operar plataformas y servicios de datos robustos, seguros y escalables que permitan el descubrimiento, el acceso y la reutilización (FAIR), con SLO claros en cuanto a fiabilidad y rendimiento. * **Modelización y almacenamiento de datos:** Definir modelos de datos canónicos, esquemas dimensionales y capas de lakehouse/almacén; implementar modelización semántica; optimizar el almacenamiento, el cómputo y el rendimiento de las consultas. * **Integración de datos:** Construir y robustecer marcos de ingesta para datos estructurados y no estructurados; normalizar metadatos, trazabilidad y catalogación; garantizar la interoperabilidad entre dominios. * **Gobernanza y calidad de datos:** Establecer y hacer cumplir estándares de calidad de datos, control de acceso, retención y cumplimiento normativo; implementar monitoreo, observabilidad y comprobaciones automatizadas de calidad de datos. * **Ingeniería de infraestructura:** Operar soluciones en entornos HPC Unix/Linux y nube (preferentemente AWS), utilizando infraestructura como código para garantizar fiabilidad, escalabilidad y eficiencia de costos. * **Colaboración:** Traducir requisitos científicos y empresariales en diseños bien arquitectados; co-crear soluciones con los interesados de CPSS, IT de I+D y DS&IA; definir la dirección técnica y la hoja de ruta. * **Excelencia en ingeniería:** Aplicar las mejores prácticas de ingeniería de software (control de versiones, CI/CD, pruebas automatizadas, patrones de diseño, revisiones de código) para entregar sistemas mantenibles y resilientes. * **Capacitación:** Elaborar documentación de alta calidad, componentes reutilizables y orientaciones; capacitar a ingenieros y elevar las prácticas de ingeniería de datos en los equipos. **Competencias y experiencia imprescindibles** * **Formación académica:** Titulación universitaria en Informática, Ingeniería o campo afín, o experiencia profesional equivalente. * **Programación:** Amplia experiencia con Python; conocimientos de Java o C++; capacidad para escribir código limpio, testeable y eficiente. * **Arquitectura de plataformas:** Experiencia demostrada diseñando y construyendo plataformas de datos y soluciones basadas en datos a gran escala. * **Ingeniería de software:** Historial comprobado de entrega de sistemas de producción en ámbitos de datos, IA o ciencia; dominio de Git, CI/CD, pruebas automatizadas, patrones de diseño y prácticas DevOps/SRE. * **Modelización y almacenamiento de datos:** Experiencia con modelización dimensional, capas semánticas y tecnologías de almacén/lakehouse (por ejemplo, Snowflake, Databricks, TileDB). * **Bases de datos:** Experiencia práctica con sistemas SQL y NoSQL, optimización de consultas y ajuste de rendimiento. * **Entornos de cómputo:** Experiencia práctica con HPC Unix/Linux y plataformas en la nube (preferentemente AWS), incluida la infraestructura como código (por ejemplo, Terraform/CloudFormation). * **Traducción de necesidades:** Capacidad para convertir requisitos científicos o empresariales en soluciones técnicas sólidas con resultados medibles. * **Liderazgo técnico:** Experiencia demostrada liderando entregas de extremo a extremo, estableciendo estándares de ingeniería y guiando equipos, manteniéndose activo en tareas técnicas. * **Competencias fundamentales:** Excelentes capacidades de resolución de problemas, análisis y pensamiento crítico; atención al detalle; excelentes habilidades comunicativas y de gestión de partes interesadas. **Competencias y experiencia deseables** * **IA generativa y agente:** Exposición a servicios de datos habilitados por *LLM* o flujos de trabajo agentes. * **Procesamiento e integración de datos:** Experiencia integrando *datos estructurados y no estructurados* a gran escala; familiaridad con patrones de procesamiento por lotes y en tiempo real. * **Ciencias de la vida:** Experiencia en descubrimiento farmacéutico clínico o preclínico, datos de imágenes y bioinformática; comprensión de ontologías del dominio y estándares científicos de datos. * **Gobernanza y cumplimiento:** Experiencia en gobernanza de datos, privacidad, seguridad desde el diseño y marcos normativos aplicables. Formas de trabajar: Valoramos la colaboración presencial para acelerar el aprendizaje y la toma de decisiones. Normalmente trabajamos un mínimo de tres días por semana en la oficina, equilibrando flexibilidad según las necesidades individuales. ¿Por qué AstraZeneca? Seguimos la ciencia para explorar e innovar, fusionando datos y tecnología con los últimos avances científicos para lograr la próxima ola de descubrimientos. Escuchamos y aprendemos de las personas que viven con las enfermedades que tratamos para comprender mejor sus necesidades y diseñar las intervenciones adecuadas. Si su pasión son la ciencia y el impacto en la vida de los pacientes, este es el lugar para construir una carrera que importe. ¿Listo para marcar la diferencia? ¡Postúlese ahora y únase a nosotros para dar forma al futuro de la arquitectura y la infraestructura de datos en AstraZeneca.