Descrição Geral dos Serviços

• Este serviço compreende a criação e manutenção de Processos de Coleta e Armazenamento de Dados, que transformam dados brutos de várias fontes dados em um formato adequado para análise;
• Manter a infraestrutura necessária para o funcionamento contínuo dos pipelines;
• Garante que os dados sejam coletados no momento certo e com os níveis de segurança exigidos pela empresa, seguindo a Metodologia de Consumo de dados;
• Disponibilização de dados em camada utilizável por diversos consumidores de dados;

Atividades Básicas

• Projetar e implementar Pipeline de Dados que coletam, armazenam e organizam dados brutos de várias fontes;
• Manter os pipelines de dados para que executem seguindo programações, prazos e qualidade dos dados;
• Identificar gargalos, otimizar o desempenho e garantir que os dados estejam disponíveis quando necessário, capturados de maneira eficiente e segura;
• Integrar diversas fontes de dados em camada analítica disponível para consumo;
• Transformador e limpar os dados antes de disponibilizá-los para uso;
• Projetar a arquitetura de sistemas distribuídos que suportam a coleta, armazenamento e análise de dados.
• Escolher em conjunto com o gestor técnico, tecnologias adequadas e definir padrões para garantir escalabilidade e confiabilidade, para construir soluções eficazes;
• Realizar levantamento e detalhamento das fontes de dados fonte e alvo do pipeline de dados;
• Elaborar e manter atualizado os artefatos definidos na Metodologia de Consumo de Dados;
• Realizar outras tarefas, não especificadas acima, inerentes à função;

Requisitos Básicos dos Perfis

• Curso superior completo, preferencialmente na área de informática ou em área afim (tecnologia da informação);

Experiência em Projetos de Dados, na função de Engenheiro de Dados, que comprovem a experiência prática em:

• Tecnologias e ferramentas associadas a bancos de dados relacionais (Ex.: IBM DB2/SQL Server);
• Desenvolvimento de processos ETL, para ingestão, transformação e consumo de dados em ambientes big data;
• Sistemas de processamento distribuído com paralelismo e tolerância a falhas (Ex.: Apache Spark) de alta performance, disponibilidade e escalabilidade;
• Framework de armazenamento e processamento distribuídos para grandes conjuntos de dados em cluster (Ex.: Apache Hadoop);
• Ferramentas de Integração de Dados (ex.: IBM DataStage, Pentaho Data Integration, entre outras.);
• Modelagem de dados Entidade e Relacionamento, Esquema Estrela ou Multidimensional;
• Análise de dados estruturados e semiestruturados;
• Linguagens Python, Scala, Java ou Pyspark;
• Trabalho em times ágeis utilizando metodologia Scrum ou Kanban.