Uber Data Engineer: CV, palabras clave y entrevista

No te llaman a entrevista aunque tengas experiencia en datos. El problema casi nunca es tu perfil, sino que tu CV no habla el idioma del reclutador o del sistema ATS que lo filtra. Para un puesto como Data Engineer en Uber, la competencia es brutal. Tienes que demostrar que entiendes su escala y sus problemas, no solo que sabes escribir código.

Entiende qué busca Uber en un Data Engineer#

Olvida los genéricos "gestión de datos". Uber vive en tiempo real. Piensa en los cálculos de tarifas dinámicas, la optimización de rutas para Uber Eats o la detección de fraude en miles de viajes por minuto. Buscan gente que pueda construir y mantener sistemas de datos que funcionen a una escala masiva, con latencia mínima.

No es un secreto que valoran la experiencia con ecosistemas de datos distribuidos. Piensa en Spark para procesamiento por lotes, Flink o Kafka Streams para procesamiento en tiempo real, y un almacenamiento robusto como BigQuery, Hive o Redshift. La nube es fundamental, y en su caso, principalmente Google Cloud Platform (GCP).

Cómo adaptar tu CV para el ATS de Uber#

Tu CV tiene que pasar primero el filtro automático. Si no contiene las palabras clave correctas, nunca llegará a un par de ojos humanos. No se trata de hacer un "spam" de tecnologías, sino de integrarlas de forma natural en tus logros.

Usa herramientas para asegurar que tu CV está bien optimizado. Puedes empezar por una herramienta como el analizador de CV para ATS gratuito para ver qué puntuación obtiene. Además, lee la descripción del puesto con detenimiento. Una herramienta como el decodificador de descripciones de puesto gratuito te ayudará a extraer los requisitos y habilidades clave que ellos mismos están pidiendo.

Aquí tienes un checklist para que tu CV hable el idioma de Uber:

• Incluye un resumen profesional corto (3-4 líneas) mencionando tu experiencia en datos a gran escala.
• Usa los términos exactos de la descripción del puesto: "data pipelines", "ETL/ELT", "streaming data", "data warehousing".
• Enumera tus habilidades técnicas en una sección clara: lenguajes (Python, SQL, Scala), frameworks (Spark, Flink), plataformas cloud (GCP, AWS), y herramientas de orquestación (Airflow).
• Cuantifica tus logros. No digas "mejoré un pipeline". Di "optimicé un pipeline de Spark que redujo el tiempo de procesamiento en un 30%".

El ejemplo práctico: un bullet point que marca la diferencia#

La diferencia entre un CV genérico y uno que consigue entrevista está en los detalles. No listes tareas, describe impactos. Piensa en cómo tu trabajo afectó al negocio o a la eficiencia del equipo.

Ejemplo de bullet point genérico:

• "Responsable de la creación de pipelines de datos en Spark".

Ahora, una versión reescrita para impresionar:

• "Diseñé y desplegué un pipeline de streaming en PySpark y Kafka para procesar 5 millones de eventos de telemetría de usuarios por minuto, alimentando el modelo de recomendación en tiempo real y aumentando la tasa de conversión en un 2%".

La segunda versión es específica. Menciona tecnologías concretas (PySpark, Kafka), da una cifra de escala (5 millones de eventos/minuto), y conecta tu trabajo con un resultado de negocio (aumento de conversión). Esto demuestra que no solo ejecutas tareas, sino que entiendes el propósito.

Prepárate para la entrevista técnica#

El proceso de entrevista en Uber para un rol de datos suele ser riguroso. Espera múltiples rondas: una inicial con RRHH, una o dos técnicas con ingenieros del equipo, y una conversación de "hiring manager" enfocada en el encaje cultural y la resolución de problemas.

La parte técnica se divide en tres bloques principales:

1. SQL: No esperes consultas simples. Te pondrán problemas que requieren window functions (ROW_NUMBER, LAG, LEAD), CTEs complejas y la habilidad de pensar en la eficiencia de la consulta con tablas de miles de millones de filas.
2. Algoritmos y estructuras de datos: Aunque es un rol de datos, a veces incluyen una ronda de coding estilo LeetCode, enfocada en problemas de manipulación de strings, arrays o grafos. Es una prueba de tu base como ingeniero.
3. Diseño de sistemas de datos: Esta es la ronda clave. Te pedirán que diseñes un sistema para un caso de uso real. Por ejemplo: "Diseña un sistema para detectar viajes fraudulentos en tiempo real" o "Cómo construirías un dashboard para que los directivos vean el crecimiento de la demanda por ciudad".

Cómo responder en la entrevista de diseño#

En la ronda de diseño, no buscan una solución perfecta. Quieren ver tu proceso de pensamiento. No te quedes en silencio. Habla, pregunta y estructura tu respuesta.

Imagina que te preguntan: "Diseña un sistema para calcular la tarifa dinámica (surge pricing) en una ciudad en tiempo real".

Una buena respuesta estructurada sería:

"Entiendo que el objetivo es ajustar los precios basándose en la oferta (conductores) y la demanda (pasajeros) en zonas geográficas específicas para maximizar la disponibilidad de viajes.

Primero, los requisitos: Necesitamos ingerir datos de ubicación de los conductores y solicitudes de los pasajeros con baja latencia. El cálculo debe ser en tiempo real, quizás recalculándose cada pocos segundos. La arquitectura debe ser escalable para manejar picos como la hora punta o eventos grandes.

Segundo, una arquitectura de alto nivel: Propondría un sistema basado en eventos.

• Ingesta: Un pipeline de alta velocidad con Kafka para recibir los eventos de ubicación y solicitud.
• Procesamiento: Un motor de streaming como Apache Flink para consumir los eventos. Flink es ideal aquí por su capacidad de manejar ventanas de tiempo y estado de forma eficiente.
• Lógica: El job de Flink dividiría la ciudad en una cuadrícula (geohash), mantendría un conteo de oferta y demanda por celda, y ejecutaría el algoritmo de surge para calcular un multiplicador de precio.
• Almacenamiento: Los multiplicadores calculados se guardarían en una base de datos clave-valor de baja latencia como Redis, para que el servicio de la app los consulte rápidamente.

Tercero, consideraciones adicionales: ¿Qué pasa con los límites de las zonas? Habría que suavizar los precios entre celdas adyacentes. También necesitaríamos un sistema para evitar picos de precios injustos. Y por supuesto, monitorización y alertas para saber si el sistema falla".

Esta respuesta demuestra que piensas en escalabilidad, en la elección tecnológica y en los problemas del mundo real.

Explora las ofertas de empleo para Data Engineer para ver qué piden otras empresas y comparar requisitos. También puedes encontrar más guías sobre el proceso de búsqueda de empleo en el blog.

Preguntas frecuentes#

¿Qué nivel de experiencia suelen pedir para este puesto?

Para un puesto de Mid-Level o Senior, suelen pedir entre 3 y 7 años de experiencia demostrable en roles de ingeniería de datos. Para puestos de Staff o Principal, la barra sube a más de 8 años, con experiencia liderando proyectos complejos y definiendo la estrategia técnica del equipo.

¿Es imprescindible saber GCP (Google Cloud Platform)?

No es un requisito excluyente en todos los casos, pero sí una ventaja enorme. Gran parte de la infraestructura de datos de Uber corre sobre GCP (BigQuery, Dataflow, Pub/Sub). Si tu experiencia principal es en AWS, asegúrate de que tus fundamentos de arquitectura en la nube sean sólidos y puedas transferir ese conocimiento.

¿Cuánto tardan en dar una respuesta después de la entrevista?

Los tiempos varían mucho, pero un proceso estándar puede durar entre 3 y 5 semanas desde la primera llamada hasta la oferta. Si no tienes noticias en 10 días laborables después de una entrevista, es razonable enviar un correo cortés a tu contacto de RRHH para pedir una actualización.

¿Puedo aplicar desde fuera de España o Latinoamérica?

Sí, Uber contrata a nivel global. Sinfero, ten en cuenta que la reubicación y el visado son procesos largos y no están garantizados. La oferta salarial se ajustará al mercado local del puesto. Investiga los rangos salariales típicos para tu nivel de experiencia en la ciudad donde se ubica el puesto, ya que pueden variar mucho.

¿Qué tipo de preguntas de comportamiento hacen?

Utilizan el método STAR (Situación, Tarea, Acción, Resultado). Prepárate con ejemplos concretos de situaciones de conflicto, proyectos que no salieron como esperabas, o momentos en los que tuviste que tomar una decisión técnica difícil con poca información. Quieren ver tu capacidad de comunicación, trabajo en equipo y resiliencia.