* Salário: R$ 6.000 a R$ 11.000 por mês (estimado)
* O valor exibido é uma estimativa calculada com base em dados públicos e referências do mercado. Não garantimos que este seja o salário oferecido para esta vaga específica.
Área: Tecnologia da Informação
Nível: Pleno
Buscamos uma pessoa Data Engineer para atuar na construção de uma infraestrutura moderna de dados, conectando arquitetura, engenharia de software e inteligência artificial.
Você será responsável por construir pipelines e uma base de dados robusta que será consumida por agentes de IA em produção.
💻 O que você vai fazer
🔹 Arquitetura & Ingestão
• Projetar a arquitetura do GTM Data Lake em Medallion (Bronze, Silver e Gold) sobre nekt.ai e, nos casos de desenvolvimento no ambiente do cliente, GCP, AWS ou Azure.
• Construir pipelines de ingestão via APIs REST, lidando com paginação, rate limits e OAuth:
- HubSpot (CRM e Marketing Hub)
- Omie ERP
- Google Sheets
• Ingerir dados via webhooks (Fathom) e fontes não estruturadas como:
- Transcrições
🔹 Transformação & Modelagem
• Modelar métricas de receita em dbt:
- MRR
- NRR
- GRR
- LTV
- CAC
- Ciclo de vendas
- Conversão MQA → SQL
• Aplicar MDM (Master Data Management) para unificar entidades (contas, contatos e deals) entre fontes com identificadores inconsistentes.
🔹 Qualidade & Confiabilidade
• Garantir data quality:
- Validações
- Testes
- Alertas de freshness
- Tratamento de nulls e duplicados
• Definir e monitorar SLAs de atualização por fonte.
🔹 Consumo por IA
• Expor a camada Gold via MCP Server para consumo direto pelos agentes do GTM OS.
• Documentar decisões arquiteturais, trade-offs e dicionário de dados.
🔹 Entrega
• Trabalhar em planos incrementais (P0, P1 e P2), com entregas por sprint e valor mensurável em cada etapa.
🎯 O que esperamos de você
Aqui fazemos engenharia de software de verdade — não apenas scripts.
Você vai construir infraestrutura que agentes de IA consomem em produção. Isso exige:
✔ Código limpo, testável e mantível
✔ Versionamento disciplinado (Git)
✔ Testes automatizados
✔ Code review
✔ Tratamento robusto de erros e retries
✔ Idempotência em pipelines
✔ Capacidade de refatorar sem quebrar o que já está rodando
Pipelines não são notebooks descartáveis. São software.
Requisitos técnicos:
• 2 a 4 anos de experiência com Engenharia de Dados em produção
• Python sólido para ingestão, transformação e orquestração:
- Estruturação de código em módulos
- Funções testáveis
- Boas práticas (typing, logging, packaging)
• Experiência prática com APIs REST:
- Paginação
- Rate limits
- OAuth
- Tratamento de falhas
- Reprocessamento
• Conhecimento em CRMs como HubSpot ou Salesforce (uso ou coleta de dados dessas ferramentas)
• Arquitetura Medallion (Bronze/Silver/Gold) ou equivalente
• dbt para modelagem e transformações SQL, com testes e documentação
• Lakehouse:
- BigQuery (preferência)
- Snowflake
- Redshift
• Cloud Storage:
- GCS
- AWS S3
- Azure
• Capacidade de documentar decisões arquiteturais e comunicar trade-offs.
⭐ Diferenciais
Será um plus se você tiver experiência com:
• MCP Server (Model Context Protocol): exposição de dados para consumo por LLMs e agentes
• APIs Omie, Pipedrive ou outros sistemas de receita
• Orquestração com Airflow ou Prefect
• Dados não estruturados:
- Chunking
- Embeddings
- Transcrições
• RevOps e métricas SaaS:
- NRR
- GRR
- LTV
- CAC
- Cohort Analysis
• Pipelines integrados com AI/ML
• Containerização (Docker) e automação (n8n)
• Familiaridade com harness de agentes como OpenClaw, Claude Code ou Hermes
🛠 Stack
Python | dbt | BigQuery | nekt.ai | GCS | S3 | Azure | HubSpot API | Omie API | MCP Server | Docker | n8n | Airflow | Prefect
Se você gosta de construir soluções de dados escaláveis, com impacto real no negócio e conectadas ao futuro da IA, queremos conversar com você. 🚀