Engenheiro(a) de Dados Pleno

Description:

Sobre a posição:

Buscamos uma pessoa Engenheira de Dados Pleno para atuar no desenvolvimento e evolução de pipelines de dados ponta a ponta, garantindo integração entre fontes, qualidade, confiabilidade e performance das soluções. Essa pessoa será responsável por estruturar fluxos de ingestão e transformação de dados, apoiar a modelagem analítica e contribuir com boas práticas de engenharia de dados em ambientes escaláveis.

Principais responsabilidades:

• Desenvolver e manter pipelines de dados ponta a ponta em processos de ETL/ELT.
• Integrar novas fontes de dados, como APIs, bancos relacionais, arquivos e sistemas diversos.
• Modelar dados para consumo analítico, incluindo estruturas dimensionais e/ou orientadas a negócio.
• Garantir qualidade, consistência e integridade dos dados ao longo do fluxo.
• Implementar testes e rotinas de validação de dados.
• Atuar na otimização de consultas, performance de cargas e confiabilidade dos pipelines.
• Trabalhar em conjunto com times de analytics, BI, ciência de dados e produto para disponibilização de dados confiáveis.
• Apoiar a evolução da arquitetura de dados, observabilidade e governança técnica.

Requirements:

Requisitos obrigatórios técnicos:

• Experiência prática com engenharia de dados e construção de pipelines em produção.
• Domínio de SQL para transformação, consulta e otimização de dados.
• Experiência com pelo menos uma linguagem para dados, como Python ou Scala.
• Vivência com processos de ETL/ELT.
• Conhecimento em modelagem de dados analítica, incluindo modelo dimensional.
• Experiência com bancos relacionais e/ou data warehouses.
• Experiência com integração de dados via APIs, arquivos e múltiplas fontes.
• Conhecimento em qualidade de dados, validações, tratamento de erros e monitoramento de pipelines.
• Vivência com ambientes em nuvem, preferencialmente AWS, Azure ou GCP.
• Conhecimento em versionamento com Git e boas práticas de desenvolvimento.

Diferenciais técnicos:

• Experiência com ferramentas como Airflow, DBT, Spark, Databricks, Glue, BigQuery, Snowflake ou Redshift.
• Conhecimento em arquitetura Lakehouse ou Data Vault.
• Vivência com observabilidade de dados e monitoramento de pipelines.
• Experiência com testes automatizados de dados e frameworks de qualidade.
• Conhecimento em CI/CD aplicado a projetos de dados.
• Vivência com ambientes de alta volumetria e baixa latência.
• Experiência com governança, catálogo e linhagem de dados.

Entenda as etapas do processo: