* Salário: R$ 3.000 a R$ 6.000 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: Junior
Sobre a M7 Soluções Financeiras:
A M7 está em um momento de expansão acelerada da sua estrutura de dados. Buscamos um(a) profissional com visão técnica sólida, maturidade arquitetural e capacidade de construir soluções escaláveis em um ambiente de alta complexidade. Se você busca protagonismo na evolução de um stack tecnológico moderno e quer causar impacto direto na estratégia de uma empresa do setor financeiro, seu lugar é aqui.
O que buscamos?
Formação: Graduação concluída em Ciência da Computação, Engenharia da Computação, Sistemas de Informação, Ciência de Dados ou áreas correlatas (Exatas/Tecnologia).
Cloud: Vivência consolidada em ambientes AWS, GCP ou Azure.
Linguagens e SQL: Domínio em Python aplicado a dados e SQL avançado para otimização de consultas.
Ferramentas Modernas: Experiência com orquestradores (Airflow, Dagster ou Prefect), dbt e plataformas como Snowflake ou Databricks.
Engenharia e Streaming: Conhecimento em CI/CD, DataOps e tecnologias de streaming (Kafka, Kinesis ou Spark Streaming).
Experiência: Perfil sênior com maturidade para tomada de decisão técnica.
Principais Responsabilidades:
Desenvolver e evoluir pipelines de dados em ambientes cloud-native.
Atuar na modelagem de dados analítica e transacional, focando em escalabilidade, governança e performance.
Projetar soluções para ingestão, processamento, transformação e disponibilização de dados.
Participar de decisões sobre arquitetura de dados e evolução do stack tecnológico.
Construir pipelines com foco em qualidade, observabilidade e boas práticas de engenharia.
Apoiar iniciativas de Open Finance/Open Banking, analytics e aplicações com IA.
Traduzir requisitos de negócio em soluções de dados robustas.
Mentorar e contribuir para a evolução técnica do time.
Diferenciais:
Conhecimento em governança de dados, catálogo e lineage.
Vivência com feature store e pipelines para Machine Learning.
Experiência com arquiteturas para IA Generativa (RAG, embeddings e vector databases).
Background em ambientes regulados e tratamento de dados sensíveis.
§