Responsabilidades:

Projetar, desenvolver e manter pipelines de dados (ETL/ELT), garantindo escalabilidade, segurança e eficiência.

Integrar dados de múltiplas fontes (internas e externas), estruturadas e não estruturadas.

Criar e gerenciar data lakes, data warehouses e bases relacionais/não relacionais.

Implementar práticas de governança, qualidade e confiabilidade de dados.

Apoiar analistas e cientistas de dados, garantindo que os dados estejam disponíveis e organizados.

Monitorar performance, custo e disponibilidade da infraestrutura de dados.

Automatizar processos de ingestão, transformação e armazenamento.

Trabalhar junto a times de tecnologia e negócio para atender demandas estratégicas.

Requisitos:

Formação em Engenharia de Computação, Ciência da Computação, Sistemas de Informação ou áreas correlatas.

Experiência prática com bancos de dados relacionais (SQL Server, PostgreSQL, MySQL) e não relacionais (MongoDB, Cassandra, DynamoDB).

Conhecimento avançado em Databricks, focado mais em desenvolvimento e rotinas de cargas ETL.

Conhecimentos sólidos em SQL e programação (Python ou Java).

Vivência com ferramentas de processamento de dados em larga escala (Spark, Hadoop, Databricks, Kafka).

Experiência em Cloud (AWS, Azure ou GCP) — principalmente serviços de dados (BigQuery, Redshift, Snowflake, Data Factory etc.).

Princípios de arquitetura de dados, modelagem e governança.

Diferenciais:

Experiência em arquiteturas de streaming em tempo real (Kafka, Kinesis, Pub/Sub).

Conhecimento em DevOps/MLOps (CI/CD, Docker, Kubernetes).

Experiência com Data Mesh ou DataOps.

Certificações em cloud (AWS Data Analytics, Google Cloud Data Engineer, Azure Data Engineer).

Experiência com segurança e compliance de dados (LGPD, GDPR).

Vivência em ambientes ágeis e colaborativos.