Fundada en 2020, Hit Ocean crea productos para compañías en múltiples industrias y países. Somos líderes en desarrollo y diseño centrado en el usuario y programación de nuevas tecnologías. Transformamos la idea en un proyecto y el proyecto en un producto digital.

El rol se sitúa en la intersección de la ingeniería de datos, la ciencia de datos y las operaciones de campo, con el objetivo de transformar datos brutos en conocimiento útil para la toma de decisiones automáticas o asistidas, aplicado a entornos industriales (Oil & Gas, energía o manufactura).

Habilidades Técnicas Esenciales

• Lenguajes de Programación: Dominio de Python (para desarrollo y ML) y SQL (para bases de datos).
• Bases de Datos: Experiencia avanzada con bases de datos relacionales y no relacionales.
• Big Data & Streaming: Conocimiento de Apache Spark, Kafka, Hadoop y herramientas de procesamiento en tiempo real.
• Cloud Computing: Familiaridad con plataformas AWS, Azure o Google Cloud, y servicios como S3/Blob Storage, Data Factory/Glue, EMR/Dataproc, Redshift/Synapse.
• MLOps: Experiencia en despliegue, monitoreo y gestión de modelos de ML en producción.
• Databricks: Diseño y optimización de flujos de datos en entornos distribuidos, integrando pipelines de ingestión y transformación.
• Sistemas Operacionales O&G: Comprensión de fuentes de datos específicas como OSIsoft PI, SCADA, Drilling Systems, Reservorios, etc.

Responsabilidades Clave

• Diseño de Arquitecturas de Datos (Data Pipelines): Diseñar, construir y mantener pipelines ETL/ELT robustos y escalables para el flujo de datos de sensores, IoT, SCADA, historiadores (PI, etc.) y sistemas ERP hacia Data Warehouses o Data Lakes.
• Gestión de Datos Operacionales: Asegurar la calidad, integridad y disponibilidad de los datos en tiempo real o casi real, críticos para el monitoreo y control operacional (por ejemplo, datos de perforación, producción y mantenimiento).
• Infraestructura para IA (MLOps): Colaborar con científicos de datos para preparar datasets e infraestructura para el entrenamiento, validación y despliegue de modelos de Machine Learning en entornos de producción.
• Modelos Matemáticos y Físicos: Diseñar, implementar e integrar modelos físicos y matemáticos en las arquitecturas de datos, automatizando procesos de ingestión, validación y ejecución a escala.
• Optimización de Operaciones: Aplicar y mantener soluciones de IA para casos de uso clave en la industria O&G, como:
• Mantenimiento Predictivo: Modelos para anticipar fallas en equipos (bombas, compresores, etc.).
• Optimización de Producción: Algoritmos para ajustar parámetros de pozos o plantas y maximizar la extracción.
• Simulación Asistida por IA: Modelos de reservorios o procesos de upstream.
• Seguridad y Gobernanza: Implementar políticas de seguridad, privacidad y gobierno del dato alineadas con las regulaciones de la industria y la empresa.