Key Responsibilities

1. Architectural Strategy & Design

    • Architect and scale modern data solutions (ETL/ELT pipelines, data lakes, and data warehouses) across multiple major cloud platforms like Databricks, Snowflake, BigQuery, or Microsoft Fabric.
    • Define standard patterns for integrating operational application layers with analytical data systems seamlessly.

2. Hands-on Execution & Engineering Excellence

    • Maintain a hybrid approach by remaining hands-on with architecture blueprints, system design, prototyping, and high-impact code reviews.
    • Lead by example to champion clean code, robust CI/CD pipelines, containerization (Kubernetes/Docker), and reliable distributed systems.
    • Troubleshoot complex architectural bottlenecks across application and data layers.

3. AI & Intelligent Automation

    • Drive the production deployment of Agentic AI frameworks, autonomous workflows, and sophisticated prompt engineering protocols.
    • Architect robust Retrieval-Augmented Generation (RAG) pipelines that bridge enterprise application microservices with large-scale analytical data stores safely and securely.

4. Technical Leadership & Calibration

    • Mentor, guide, and upskill senior engineers, tech leads, and software architects.
    • Collaborate closely with Practice Owners and Business Leaders to align engineering capabilities with client demands and emerging technology trends.

Technical Requirements & Qualifications

Core Experience

    • 12–15+ years of progressive experience in software engineering and enterprise architecture.
    • Proven track record of operating at a Director, Principal Architect, or Chief Architect level, managing complex multi-system environments.

Application Engineering & Frameworks

    • Advanced, deep-dive expertise in .NET Core and/or Java/Spring Boot.
    • Extensive hands-on experience with Microservices architectures, domain-driven design (DDD), and distributed systems.
    • Deep knowledge of Event-Driven Frameworks and messaging infrastructure (e.g., Kafka, RabbitMQ, AWS Kinesis).

Enterprise Data Ecosystems

    • Deep, practical knowledge of Enterprise Data Architecture, data modeling, and robust ETL/ELT engineering.
    • Production-grade, hands-on experience in at least 2 to 3 of the following modern platforms:
    • Databricks (Delta Lake, Unity Catalog, Spark)
    • Snowflake (Snowpark, Streamlit, Data Sharing)
    • Google BigQuery
    • Microsoft Fabric

Generative AI & Automation

    • Foundational or production experience deploying Agentic AI systems (e.g., LangChain, AutoGen, CrewAI, or semantic kernels).
    • Strong capability in structured prompt engineering, vector database implementation (e.g., Pinecone, Milvus, pgvector), and securing LLM-orchestrated applications.