Plataformas de datos que cuestan menos, corren más rápido y responden en lenguaje natural.

Soy Victor Urquiola, Senior AI Data Engineer con más de 8 años construyendo lakehouses en Snowflake y AWS, y llevando IA a producción sobre ellos.

Decisión. La ingesta escribe en S3 Iceberg y el warehouse lo lee, en lugar de cargar todo en el warehouse.

Contrapartida. De tres opciones, esta logró el 85% del ahorro con una complejidad casi nula. Salir del warehouse ahorraba más, pero sumaba scripts y errores de escritura.

Trabajo destacado

Cómo integro las herramientas, y para qué tipo de solución.

Plataforma de conocimiento con IA

Para equipos cuyo conocimiento está disperso entre reuniones, tickets y repos.

Cualquiera puede preguntar en lenguaje natural y recibir respuestas basadas en ese conocimiento, sin interrumpir a un ingeniero.

Modelo elegido por prueba A/B: 4× más rápido en P95, éxito de herramientas 100% frente a 50%.

  • RAG
  • Vector DB
  • Búsqueda híbrida
  • Agente ReAct
  • Observabilidad de LLM

Lakehouse gobernado en AWS

Para organizaciones que necesitan compartir datos bajo reglas de seguridad estrictas.

Un solo lugar gobernado para modelar y consultar datos, con la orquestación y los controles de calidad automatizados.

Datasets limpios, alineados con los requisitos de seguridad y cumplimiento.

  • S3
  • Glue Catalog
  • Athena
  • dbt
  • Airflow
  • Lake Formation

Plataforma analítica multicanal

Para negocios que venden en varios canales.

Unifica stock y ventas de todos los canales, incluso fuentes sin API que solo envían hojas de cálculo por email.

Actualización de los datos: de 24 horas a unos 60 segundos.

  • Snowflake Streams
  • Dagster
  • dbt
  • Fivetran
  • n8n

Runner de issue a PR

Proyecto personal. Para equipos de ingeniería que quieren agentes en trabajo real.

Lleva un issue refinado hasta un pull request revisado, sin sacar a la persona del merge.

Primer hito entregado en septiembre de 2026. Cada intento queda trazado y evaluado.

  • Agentes
  • Claude Code
  • Git worktrees
  • Langfuse

Operaciones de finanzas personales

Proyecto personal, en uso desde julio de 2026.

Reemplaza leer los extractos de la tarjeta línea por línea y rehacer una hoja de cálculo cada mes.

De horas a unos 6 minutos al mes, según mi propia medición.

  • Python
  • FastAPI
  • HTMX
  • Postgres
  • DuckDB

Lakehouse open source en Kubernetes

Laboratorio personal. Para equipos que quieren un lakehouse sin quedar atados a un proveedor.

Las mismas capas Bronze, Silver y Gold que un warehouse en la nube, construidas solo con piezas open source sobre Kubernetes.

Desplegado desde Git con Argo CD y Helm, en un clúster creado con Terraform.

  • Trino
  • Iceberg
  • Nessie
  • MinIO
  • dbt + Cosmos
  • Kubernetes
  • Argo CD
  • Terraform

También entregué: pipelines por eventos en Azure Databricks

El envío de un formulario dispara un job de Databricks que procesa los datos y avisa al equipo en Teams. Desplegado con Asset Bundles y CI/CD en Azure DevOps.

  • Databricks
  • Delta Lake
  • Logic Apps
  • Azure DevOps

Cómo trabajo

Tres principios que guían cómo resuelvo problemas.

  • Kaizen

    Mejora continua y aprendizaje constante.

    Ataco un problema en iteraciones pequeñas, mido cada una y me quedo con lo que funciona: cada iteración es una oportunidad de ser mejor que antes.

  • Kodawari

    Atención al detalle y excelencia en la ejecución.

    Antes de dar algo por terminado, busco los casos borde, las formas de fallar y las pequeñas inconsistencias. Lo pequeño define la calidad del todo, por eso desacoplo cada problema en partes más pequeñas.

  • Ownership

    Pensar como dueño del producto y del resultado.

    Sigo un problema más allá de mi parte hasta que está resuelto, y respondo por el resultado, no solo por la entrega técnica.

Stack

Arquitectura de plataformas de datos, pipelines, lakehouse, analytics engineering y automatización con IA.

Plataformas

  • Snowflake
  • Databricks
  • Postgres
  • DuckDB
  • Iceberg
  • Delta Lake
  • Trino

Transformar y orquestar

  • dbt
  • Airflow
  • Dagster
  • Python

Ingesta

  • Airbyte
  • Fivetran
  • n8n

Nube e infraestructura

  • AWS
  • Azure
  • Google Cloud
  • Docker
  • Kubernetes
  • Argo CD
  • Terraform
  • GitHub Actions

IA

  • Snowflake Cortex
  • Vector DB
  • Anthropic
  • OpenAI
  • Langfuse
  • Claude Code

Consumo

  • Power BI
  • Looker
  • Superset
  • Streamlit
  • FastAPI

Sobre mí

Empecé en 2018 escribiendo jobs de ETL. Hoy me encargo de plataformas de datos e IA de punta a punta: arquitectura, construcción, despliegue y operación.

Me importa cuánto cuesta un sistema, cómo falla y si alguien puede confiar en sus números.

Español, portugués e inglés.

Certificaciones en LinkedIn
  1. desde 2026Victor Urquiola Labs, Senior AI Data Engineer (Independiente)
  2. desde 2024Mutt Data, Senior Data Engineer
  3. 2021 a 2024Cobli, Data Engineer
  4. 2019 a 2021RockingData, Junior Data Engineer
  5. 2018 a 2019Logyt, Junior ETL Developer