Engenheiro(a) de Dados Sênior

Você quer fazer parte de um grande time em uma empresa que não para de crescer?Se você está dentro dos requisitos abaixo, venha participar do nosso processo seletivo para Engenheiro(a) de Dados Senior. Vamos adorar te conhecer!

• Desenhar, construir e manter pipelines de dados (ETL/ELT) no Databricks (Spark, Delta Lake, Workflows)
• Contribuir para decisões de arquitetura de dados (lakehouse, modelagem medallion, padrões de integração) com visão de médio e longo prazo
• Provisionar e versionar infraestrutura de dados como código (Terraform)
• Evoluir esteiras de CI/CD no GitLab (pipelines de deploy, testes automatizados, qualidade de código)
• Modelar e catalogar dados seguindo a arquitetura medallion (bronze/silver/gold) e o Unity Catalog
• Garantir qualidade e confiabilidade dos dados (testes, validações, observabilidade de pipelines em produção)
• Explorar a IA como facilitadora do time, com agentes e skills que aceleram tarefas recorrentes de engenharia, geração e revisão de código e documentação
• Revisar código de outros engenheiros (Merge Requests) e disseminar boas práticas de engenharia de dados
• Colaborar com as áreas de negócio, BI e Ciência de Dados para disponibilizar dados confiáveis e bem documentados.Requisitos e qualificações Sólida experiência em engenharia de dados, com pipelines batch (e, idealmente, streaming/structured streaming)
• Experiência com Databricks: Spark (PySpark/SQL), Delta Lake, Workflows/Jobs e Unity Catalog
• Experiência com arquitetura de dados (lakehouse/data lake em escala, decisões de design e trade-offs)
• Terraform ou outra ferramenta de infraestrutura como código
• CI/CD com GitLab (pipelines, MRs, deploys automatizados)
• Python e SQL avançados (queries complexas, otimização, modelagem dimensional)
• Experiência em cloud (AWS ou equivalente) como infraestrutura subjacente
• Formação em Engenharia, Ciência da Computação ou áreas correlatas.

Sólida experiência em engenharia de dados, com pipelines batch (e, idealmente, streaming/structured streaming); Experiência com Databricks: Spark (PySpark/SQL), Delta Lake, Workflows/Jobs e Unity Catalog; Experiência com arquitetura de dados (lakehouse/data lake em escala, decisões de design e trade-offs); Terraform ou outra ferramenta de infraestrutura como código; CI/CD com GitLab (pipelines, MRs, deploys automatizados); Python e SQL avançados (queries complexas, otimização, modelagem dimensional); Experiência em cloud (AWS ou equivalente) como infraestrutura subjacente; Formação em Engenharia, Ciência da Computação ou áreas correlatas.