Engenheiro (a) de Dados Sênior

A Engenharia de Dados é uma área corporativa responsável por construir, gerenciar e disponibilizar produtos de dados com qualidade para fins analíticos. Trata-se de uma área estratégica da TI, que habilita o trabalho com dados com abordagem transversal.

Responsibilities

• Referência Técnica: Atuar como referência técnica de Engenharia de Dados, orientando times, disseminando boas práticas e impulsionando a evolução tecnológica.
• Arquitetura e Design E2E: Desenhar, construir e manter arquiteturas resilientes e fluxos de integração (batch e streaming), garantindo a confiabilidade do dado da origem ao destino.
• Visão Holística e de Negócio: Prover visão 360 no contexto de dados, traduzindo requisitos de negócio em arquiteturas técnicas de alto impacto e mitigações de riscos.
• Alinhamento Institucional: Alinhar soluções com as áreas corporativas de TI (Arquitetura, Segurança da Informação, FinOps, Operações/DevOps), garantindo conformidade e governança.
• Modelagem e Otimização: Realizar estudos de impacto em modelos compartilhados, evitando redundâncias, garantindo alta performance e zelando pela integridade da informação.
• Gestão Financeira Cloud (FinOps): Acompanhar e otimizar custos computacionais e de armazenamento em nuvem, garantindo eficiência orçamentária dos projetos.
• Gestão de Fornecedores e Qualidade: Direcionar a atuação de Fábricas de Software/Fornecedores, garantindo o cumprimento de prazos, padrões de arquitetura e qualidade dos entregáveis.
• Gestão de Mudanças e Estabilidade: Coordenar procedimentos de Gestão de Mudanças (GMUD), monitorar a estabilidade, performance e aplicar medidas preventivas e corretivas.
• Exposição de Dados e APIs: Desenvolver e manter interfaces (APIs, conectores e camadas semânticas) para consumo seguro de dados por sistemas de BI, Analytics e Machine Learning.
• Sustentação e Operação de Soluções Críticas: Assegurar a estabilidade, performance e observabilidade dos pipelines em produção, atuando prontamente no diagnóstico e resolução de incidentes críticos para garantir os SLAs acordados com o negócio.
• Disponibilidade e Resposta a Incidentes: Atuar em intervenções pontuais de manutenção ou resolução de incidentes excepcionalmente fora do horário comercial.

Requirements

• Formação Acadêmica: Graduação completa em Ciência da Computação, Engenharia da Computação, Sistemas de Informação, Análise de Sistemas ou áreas correlatas de TI.
• Arquitetura Cloud (GCP): Domínio comprovado do ecossistema de dados na Google Cloud Platform (BigQuery, Cloud Storage, Dataflow, Cloud Composer/Airflow, Pub/Sub e Dataproc).
• Linguagens e Manipulação de Dados: Forte experiência e fluência em Python e SQL Avançado para construção, otimização e manutenção de pipelines de dados complexos.
• Processamento Distribuído: Vivência prática em processamento de dados em lote (batch) e tempo real (streaming) utilizando Apache Spark (PySpark) ou frameworks equivalentes.
• Modelagem de Dados: Domínio em modelagem de dados (Dimensional, Star Schema, Snowflake, Medallion Architecture / Lakehouse) e conceitos estruturais de Data Warehouses e Data Lakes.
• Orquestração e Qualidade: Experiência prática na criação de DAGs/pipelines com Apache Airflow e implementação de testes automatizados e regras de qualidade de dados.
• Entrega E2E (Ponta a Ponta): Experiência completa no ciclo de vida de produtos de dados, desde o levantamento e especificação de requisitos junto às áreas de negócio até a implantação, observabilidade e sustentação em produção.
• Versionamento e DataOps: Conhecimento prático em Git, controle de versão e conceitos de integração/entrega contínua (CI/CD / DataOps).

Será legal também se você tiver:

• Especialização: Pós-graduação, MBA ou Especialização em Engenharia de Dados, Arquitetura de Dados, Big Data ou Cloud Computing.
• Ecossistema Multi-Cloud: Experiência prática ou conhecimento nas plataformas Microsoft Azure (Synapse, Data Factory, Databricks) e/ou Oracle Cloud Infrastructure (OCI).
• Transformação Moderna de Dados: Experiência com a ferramenta dbt (data build tool) para transformação, modelagem e documentação na camada de Analytics.
• Infraestrutura como Código (IaC): Conhecimento em provisionamento e automação de infraestrutura utilizando Terraform.
• Certificações Oficiais: Certificações ativas de nuvem, tais como GCP Professional Data Engineer ou Azure Data Engineer Associate.
• Metodologias Ágeis: Vivência prática de trabalho em ambientes ágeis (Scrum / Kanban).