Ingeniero/a de Software, Facturación y Monetización
Datasnipper, una empresa del sector consultoría, agencias y servicios empresariales, tiene una vacante de Software Engineer, Billing & Monetization. Es un puesto híbrido en New York City, Estados Unidos. Lo clasificamos como un puesto de nivel intermedio en ingeniería de software (general). El stack de la oferta incluye PostgreSQL, MongoDB, Azure, GCP, LLM y Python. Se requieren 4+ años de experiencia. Hay 19 puestos abiertos de Datasnipper en este sitio, 9 de ellos en IT e ingeniería.
Publicado hace 9 días · Última revisión: 2026-10-23
Sobre Datasnipper
Consultoría, agencias y servicios empresariales Empresa no tecnológica con equipo IT 19 puestos abiertos, 47% en IT e ingeniería. Roles con más ofertas: Ventas (5), Ingeniería de software (general) (5), Operaciones y administración (2).
Empleos similares
empleos de ingeniería de software (general) en Estados Unidos: 3840 abiertos
- Forward Deployed Engineer, Triage (SF) — AssemblyAI, San Francisco
- Software Engineer, Red Platform — RVO Health, Minneapolis, MN
- Desarrollador/a ServiceNow Senior - Autorización Public Trust — LIGHTFEATHER IO LLC, United StatesOriginal: Senior ServiceNow Developer - Public Trust Clearance
- Ingeniero/a de CMDB de ServiceNow Senior — LIGHTFEATHER IO LLC, Washington, DC Original: Senior ServiceNow CMDB Engineer
- Technical Program Manager, Safety — Bedrock Robotics Inc, San Francisco, CA
- Desarrollador/a ServiceNow Lead — LIGHTFEATHER IO LLC, United StatesOriginal: Lead ServiceNow Developer
- Ingeniero/a de Despliegue Avanzado — Sola, New York CityOriginal: Forward Deployed Engineer
- Engineering Manager, Compiler & Runtime — Normal Computing Corporation, Mountain View | New York
| Modalidad | Híbrido |
| Nivel | Intermedio |
| Rol | Ingeniería de software (general) |
| Países | Estados Unidos |
| Lenguajes | Python |
| Tipo de empleo | FullTime |
| Datos clave | Stack: Python, PostgreSQL, MongoDB, Azure, GCP, LLM · Experiencia: 4+ años |
La descripción completa está en la oferta original. Las etiquetas se asignan automáticamente y pueden tener errores. Sobre los datos