Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions.
Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy.
Somos 8.000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias.
Estamos em busca de um(a) Engenheiro(a) de Dados Sênior para atuar em um projeto estratégico de alto impacto, voltado à construção e evolução de uma plataforma de dados de grande escala e alta criticidade.
Nessa posição, você será responsável por estruturar e manter a camada analítica de dados, desenvolvendo pipelines robustos, modelando indicadores de desempenho e garantindo que as informações estejam sempre atualizadas, confiáveis e prontas para suportar decisões estratégicas do negócio.
Responsabilidades:
- Desenvolver scripts e pipelines para carregamento de dados na camada Gold, garantindo qualidade, consistência e rastreabilidade das informações consolidadas;
- Estruturar tabelas com indicadores de desempenho, uso e disponibilidade da plataforma, criando modelos analíticos otimizados para consumo por times de negócio e gestão;
- Assegurar padrões de qualidade, versionamento e documentação dos pipelines e modelos de dados produzidos;
- Atuar de forma próxima com times de produto, operações e gestão, traduzindo necessidades de negócio em soluções de engenharia de dados eficientes.
Requisitos para este desafio:
- Experiência sólida com engenharia de dados e construção de pipelines no ecossistema Azure;
- Domínio de SQL avançado para manipulação, transformação e análise de dados;
- Experiência com Python e/ou PySpark para desenvolvimento de scripts de ingestão e transformação;
- Vivência com Azure Databricks (Spark, PySpark e Spark SQL);
- Experiência com Azure Data Factory (ADF) para orquestração e automação de pipelines;
- Experiência com KPIs e indicadores do ramo financeiro (setor bancário);
- Vivência com arquitetura em camadas (Bronze, Silver, Gold / Medallion) e Delta Lake;
- Conhecimento em modelagem de dados para analytics (Star Schema, OBT, tabelas fato/dimensão);
- Familiaridade com ambientes de Data Lakehouse e operações de MERGE/UPSERT;
- Experiência com qualidade e governança de dados.
Diferencial:
- Conhecimento em Delta Lake avançado (time travel, schema evolution, otimização de performance);
- Experiência com Azure Purview ou outras ferramentas de catálogo e governança de dados;
- Vivência com CI/CD para dados (ex: Azure DevOps);
- Experiência com streaming de dados (Spark Structured Streaming ou Azure Event Hubs);
- Vivência com projetos de grande escala e alta criticidade;
- Experiência com ferramentas de BI (ex: Power BI, Metabase) para validação de indicadores;
- Experiência com times de growth marketing, apoiando análises de aquisição, ativação e retenção;
- Certificações Azure relevantes (ex: DP-203, Databricks Certified Data Engineer);
- Vivência em metodologias ágeis.
#LI-JN1
Projeta e opera plataformas de dados orientadas a eventos na AWS, desenvolvendo pipelines Kafka e PySpark, definindo arquitetura e garantindo performance, rastreabilidade e confiabilidade em ambiente financeiro regulado.
Design and optimize scalable data pipelines and cloud-native architectures that support Data & AI initiatives, collaborating across teams to deliver secure, high-performing data solutions.
Construa e opere um hub de dados centralizado no Google Cloud, integrando fontes corporativas e entregando dados confiáveis e modelados para análises, painéis e soluções de IA e machine learning.
Design and support scalable data solutions for a Manufacturing BI team, building pipelines, integrations, data models, and Power BI reporting while ensuring reliable performance and data quality.
Define data architecture and integration standards, builds and maintains cloud data pipelines, strengthens governance and DevSecOps practices, and mentors teammates while integrating AI and machine learning solutions.
