Engenheiro de Dados Pleno (Azure/Databricks)

No Grupo Stefanini, acreditamos no poder da colaboração. Co-criamos soluções inovadoras em parceria com nossos clientes, combinando tecnologia de ponta, inteligência artificial e a criatividade humana. Estamos na vanguarda da resolução de problemas de negócios, proporcionando impacto real em escala global.

Ao se juntar à Stefanini, você se torna parte de uma jornada global de transformação. Estamos empenhados em criar impacto positivo não apenas nos negócios, mas também na vida de nossos colaboradores. Se você procura uma oportunidade de crescimento profissional em uma empresa que valoriza inovação, respeito, autonomia e parceria, você encontra aqui!

Junte-se a nós e seja parte da mudança!

Atuação Hibrida 2x na semana Morumbi/SP.

#LI-JS2

Responsibilities

• Projetar, desenvolver e otimizar pipelines de dados (ETL/ELT) escaláveis e de alta performance;
• Modelar e estruturar bancos de dados, Data Warehouses e Data Lakes seguindo as melhores práticas de design de dados;
• Trabalhar na integração e processamento de grandes volumes de dados utilizando ecossistema Big Data e nuvem;
• Aplicar conceitos matemáticos e estatísticos para suporte a análises avançadas e preparação de dados para modelos de Machine Learning;
• Garantir a governança, qualidade e monitoramento do fluxo de dados por meio de ferramentas de observabilidade;
• Colaborar com equipes de Analytics, BI e Ciência de Dados para suportar a arquitetura e disponibilização das informações.

Requirements

• Linguagens de Programação: Domínio sólido em SQL e Python; conhecimento básico em Java;
• Big Data & Processamento: Experiência prática com Apache Spark e plataforma Databricks;
• Ambiente Cloud: Conhecimento e vivência na nuvem Microsoft Azure (Azure Data Factory, Azure Synapse, ADLS, etc.);
• Arquitetura & Engenharia de Dados:
  • Domínio dos conceitos de Big Data, Data Warehouse (DW), Data Lake e ETL/ELT;
  • Conhecimento em modelagem, design de banco de dados e mineração de dados (data mining);

  • Compreensão de padrões de design de arquitetura de dados;

• Matemática & Estatística / ML: Compreensão dos conceitos básicos de cálculos matemáticos, estatísticos e algoritmos de Machine Learning;
• Observabilidade: Conhecimento em ferramentas e práticas de monitoramento e observabilidade de dados/pipelines.