Engenheiro(a) de Dados Pleno (Intermediate) | Dados & Pipelines | Híbrido/Remoto

Sobre a Vaga

Buscamos um(a) Engenheiro(a) de Dados Pleno para apoiar o desenvolvimento e a manutenção de pipelines de dados, rotinas de ingestão e transformações para analytics. Você atuará em conjunto com engenheiros sênior para garantir qualidade, conformidade e confiabilidade dos dados.

Responsabilidades

• Desenvolver e manter pipelines de dados, processos de ingestão e transformações
• Construir e manter consultas SQL e scripts em Python para processamento e análise
• Trabalhar com workloads baseados em Spark para rotinas de transformação e processamento
• Auxiliar no troubleshooting de falhas em pipelines, problemas de qualidade e incidentes operacionais
• Implementar mapeamentos de schema, regras de validação e lógica de transformação
• Garantir que datasets atendam schemas esperados, data contracts e padrões de qualidade
• Apoiar a gestão de metadados, documentação de datasets e atividades de lineage
• Contribuir com a manutenção de informações de classificação de dados conforme padrões da empresa
• Automatizar tarefas operacionais e de gestão de dados para aumentar eficiência e confiabilidade
• Participar de monitoramento, alertas e suporte operacional de pipelines e workflows
• Executar testes, incluindo unit tests, validações de transformação e checagens de qualidade

Requisitos

• Graduação em áreas como Ciência da Computação, Engenharia da Computação, Sistemas de Informação, Ciência de Dados, Engenharia de Software ou correlatas
• Inglês básico a intermediário
• Até 2 anos de experiência em Engenharia de Dados, Engenharia de Software, Data Analytics ou áreas relacionadas
• Conhecimento de SQL e Python
• Entendimento de conceitos ETL/ELT e processos de transformação de dados
• Noções de bancos relacionais e conceitos de data warehouse
• Conhecimento básico de Spark, Databricks ou frameworks de processamento distribuído
• Familiaridade com Git e fluxo de versionamento
• Noções de cloud (AWS, Azure ou Google Cloud)
• Conceitos de automação e scripting para eficiência operacional
• Noções de qualidade de dados e práticas de validação
• Conhecimento de governança de dados (metadados, ownership, stewardship e documentação)
• Entendimento de classificação de dados (Public, Internal, Confidential, Restricted)
• Noções de lineage e rastreabilidade de dados
• Boas práticas de segurança (controle de acesso, gestão de segredos e princípio do menor privilégio)
• Boa capacidade analítica, resolução de problemas e comunicação
• Postura de aprendizado contínuo e colaboração entre times

Beneficios

• Atuação em projetos de dados com foco em confiança, confiabilidade e excelência operacional
• Ambiente colaborativo com revisão de código e compartilhamento de conhecimento
• Oportunidade de evoluir em tecnologias como Databricks, dbt e automações de operação