Engenheiro(a) de Dados Sênior

Quem nós buscamos?

Buscamos um(a) Engenheiro de Dados cujo sangue é dados, mas que já opera no presente, não no passado.

Alguém que domina fundamentos

Sólidos em engenharia de dados e, ao mesmo tempo, abraça o modern data stack (Snowflake, dbt, Fivetran) e o uso de IA como parte natural do trabalho. Para nós, pipeline bem-feito é aquele em que o time de negócio confia, e não apenas o que processa GBs sem travar.

Vivemos uma virada de mercado: os dados deixaram de servir apenas a dashboards e pessoas e passam a alimentar consumidores autônomos, agentes de IA, motores de decisão e fluxos automatizados que interpretam, raciocinam e agem sobre a informação.

Isso eleva a régua da engenharia de dados: além de confiáveis, os pipelines precisam ser ricos em contexto, semanticamente consistentes e legíveis por máquina.

Você entrará em um momento de transição intencional: estamos evoluindo de uma arquitetura Datalake clássica (AWS/PySpark) para um stack mais moderno, orientado à produtividade, governança e IA. Você

Será parte ativa dessa mudança — não apenas executor(a), mas co-arquiteto(a).

Mais do que escrever pipelines, esperamos alguém que atue como designer de sistemas, dono(a) de governança e provedor(a) de contexto para IA, usando IA generativa e agentes de código (ex.: Snowflake Cortex) como alavanca de produtividade no dia a dia. A posição integra a área de Data & Intelligence, com forte trânsito entre Produto, Risco, Financeiro e Engenharia.

O que você precisa conhecer:

• SQL avançado com foco em performance: modelagem dimensional, tuning de queries, particionamento/clustering e leitura de query plans.
• Engenharia de software aplicada a dados: Git, CI/CD, code review e testes automatizados (incluindo data tests).
• ELT em escala: domínio de ferramentas de integração (Fivetran, Airbyte ou similares) e de padrões de ingestão idempotente e incremental.
• Data warehouse em cloud em produção: Snowflake (nosso atual), com experiência transferível de Redshift ou BigQuery — incluindo gestão de performance e custo (compute/storage).
• Ownership de qualidade e confiabilidade de dados: data contracts, testes de qualidade, observabilidade e rastreabilidade de linhagem (lineage).
• Modelagem de camadas semânticas (staging, intermediária, marts) que sustentem tanto BI quanto features para IA.

O que pode alavancar sua aplicação:

• dbt (Core ou Cloud) em produção: modelagem, testes, macros e documentação.
• Domínio de Snowflake além do básico: warehouses, stages, tasks, Streams, Snowpipe e Cortex.
• Orquestração e ambientes event-driven / streaming (Airflow/Dagster, Kafka/Kinesis), cada vez mais exigidos por casos de uso de IA em produção.
• IA/ML aplicada a dados: embeddings, feature stores e pipelines para LLMs e RAG.
• Background em AWS (S3, Glue, Athena, EMR)
• Terraform ou outra IaC Classificação Interna
• Experiência em fintechs ou ambientes de alta criticidade e volume de dados