Analista de Performance e Dados

Sobre a Fintalk:

A Fintalk é uma startup de inteligência artificial conversacional, referência em bots de cobrança, atendimento e vendas. A Mesa de Performance é a área que olha para o que acontece depois que o bot sobe: se o cliente final consegue resolver o que veio resolver, quanto isso custa e o que dá pra melhorar. Aqui o brio, determinação, qualidade e capricho são altamente valorizados. Queremos trabalhar com pessoas inconformadas, com perfil "builder" e que não se importam com cargos e nomes bonitos, mas sim em entregar um trabalho impressionante. Aquele que você tem orgulho de dizer que fez parte.

Visão

Nossos bots conversam com milhões de pessoas por mês em operações de varejo, serviços financeiros, crédito, cobrança e muitos outros. Cada uma dessas conversas deixa rastro: onde o cliente entrou, onde travou, o que o bot entendeu errado, quanto custou cada mensagem.
Essa vaga existe pra transformar os dados gerados pelas interações do cliente em camada de inteligência e recomendações de ações. Alguém que pegue a análise que hoje é feita sob demanda e transforme em modelo de dado, pipeline que roda sozinho e dashboard que o cliente abre sem pedir. 
Perfil

• Escreve SQL de verdade e sabe que warehouse não é planilha grande, entende que query mal escrita custa dinheiro e tempo de todo mundo.
• Se incomoda genuinamente de refazer o mesmo relatório na mão múltiplas vezes, e para pra automatizar em vez de continuar.
• Não entrega número solto: entrega número com a pergunta de negócio que ele responde do lado.
• Júnior ou pleno em analytics com pé em engineering, mas com fome de ser a pessoa que colocou de pé a camada de dados de uma operação inteira, e não de executar ticket de dashboard.

Responsabilidades

• Construir relatórios recorrentes de Performance, hoje sob demanda, em pipeline automatizado que roda sozinho e chega pronto.
• Modelar o evento bruto de conversa em tabelas confiáveis: sessão, jornada, etapa, desfecho, custo. Definir e evoluir contratos de dados.
• Construir e manter dashboards que o cliente e times internos usam de verdade, com métrica documentada, não com número que ninguém sabe de onde saiu.
• Rodar as análises específicas que o negócio pede: por que a conversão caiu nessa etapa, quanto custa cada passo da jornada, onde dá pra tirar uma mensagem sem perder resultado. Transformar aprendizados em conhecimento registrado.
• Desenhar e ler teste A/B em jornada de bot: do desenho da hipótese à leitura do resultado com recomendações.
• Instrumentar qualidade de conversa em escala: pegar o que hoje é leitura manual de amostra e transformar em métrica que cobre o volume inteiro.
• Colocar de pé a camada de transformação e orquestração da área. Qual ferramenta, qual padrão, qual arquitetura, a decisão vai ser sua, construída junto com Operações e Produto.
• Entregar o recorte pronto e defensável pra quem leva ao cliente. Você não vai apresentar todo material que produz, mas todo material que produz vai parar na mesa do cliente. O padrão de capricho é o de quem assina.

Requisitos essenciais

• SQL analítico sólido em volume grande, em warehouse colunar (usamos BigQuery). Sabe o que sua query custa antes de rodar.
• Python pra manipular dado e escrever rotina que roda sem você por perto.
• Já construiu dashboard que outra pessoa usa no dia a dia (usamos Superset; ter vindo de Metabase, Looker ou Power BI resolve).
• Sabe lidar com dado pessoa: CPF e telefone passam por aqui todo dia. LGPD não é detalhe do jurídico, é parte do seu trabalho.
• Consegue explicar em português claro o que o número quer dizer, por escrito, pra quem não é de dados.

O que a gente espera

• Que pergunte "pra quê?" antes de sair fazendo. Análise sem pergunta por trás é desperdício caro.
• Que entregue número auditável: sabe de onde veio, sabe refazer, sabe defender quando o cliente questionar.
• Que converse com Operações antes de propor mudança. Ideia boa que vira gargalo pro time de entrega não é ideia boa.
• Curiosidade legítima por negócio. Cobrança, cartão, crédito e varejo têm lógica própria, e sem entender essa lógica o dado não vira recomendação.
• Que trate automação como a entrega, não como o que sobra depois. O que ficar manual em janeiro continua manual em dezembro.

Quem não vai bem aqui

• Quem precisa de requisito mastigado e escopo fechado pra começar. Aqui o problema chega como pergunta de negócio, não como especificação.
• Quem acha modelagem e pipeline trabalho menor, e só quer chegar na parte de IA e modelo preditivo.
• Quem se ofende com revisão de query e de metodologia. A gente revisa o trabalho um do outro, e vai acontecer de você estar errado.
• Quem quer ficar só na camada técnica e não tem interesse em entender por que o cliente liga, por que não paga, por que desiste no meio.
• Quem se acomoda em rodar o relatório do mês e considerar o mês entregue.

Por que vale a pena

• A camada de dados está em fases iniciais de construção. O que você automatizar não morre num relatório: vira o jeito padrão de analisar todo cliente novo que entra. Seu trabalho escala sozinho depois que você sai da frente.
• Dado real de operação em escala, em bots de cobrança, cartão, crédito e atendimento de grandes operações de varejo com serviços financeiros. Volume, desafio e consequência de verdade.
• Impacto visível e rápido: a análise que você faz hoje vira decisão do cliente amanhã, com dinheiro e experiência de milhões de pessoas do outro lado.
• Autonomia real pra decidir como construir, com o contrapeso saudável de Operações antes de aplicar.
• Acesso às melhores ferramentas de IA: ChatGPT Plus, Claude, Devin, Cursor, Lovable e Gemini.
• Você terá acesso direto aos fundadores. Sua ideia não passa por cinco camadas antes de chegar em quem decide.
• Plano de Saúde (SulAmérica com coparticipação), day off de aniversário, notebook pra trabalho e incentivo aos estudos.

Local de trabalho: Híbrido em São Paulo — SP, em Pinheiros.