Especialista de Prevencao a Fraude I

Role Overview

Job description

Especialista de Engenharia de Dados I (Graph Data Engineer | Inteligência Relacional e Fraud Analytics) Descrição da empresa

A Serasa Experian é a primeira e a maior Datatech do Brasil. Líder em soluções de inteligência para análise de riscos e oportunidades, com foco nas jornadas de crédito, autenticação e prevenção à fraude.

Com tecnologia de ponta, inovação e os melhores talentos, transformamos a incerteza do risco na melhor decisão, ajudando pessoas a realizarem seus sonhos e empresas de todos os portes e segmentos a prosperarem.

Temos 22.000 pessoas operando em 32 países e investimos continuamente em tecnologia, dados e inovação para impulsionar o crescimento de nossos clientes.

Descrição da vaga

Estamos buscando uma pessoa para assumir uma posição estratégica de Especialista de Engenharia de Dados, atuando na sustentação, evolução e escalabilidade da Teia de Relacionamento, uma das principais iniciativas de inteligência relacional da Serasa Experian.

A Teia é uma plataforma baseada em tecnologia de grafos que conecta centenas de milhões de entidades e relacionamentos, apoiando processos de prevenção à fraude, compliance, investigação, risco e inteligência de negócios. O produto já opera em ambiente produtivo e está em fase de expansão para novas verticais e casos de uso.

Buscamos alguém com forte experiência em engenharia de dados, arquitetura cloud e modelagem de dados complexos, capaz de liderar tecnicamente a evolução dos pipelines, garantir qualidade e governança dos dados e apoiar a construção da próxima geração de capacidades analíticas e relacionais da plataforma.

Principais responsabilidades

• Ser referência técnica de dados para a plataforma Teia de Relacionamento.
• Liderar a evolução dos pipelines de ingestão e atualização das bases do produto.
• Garantir qualidade, consistência, rastreabilidade e governança dos dados.
• Evoluir a modelagem de dados orientada a grafos e relacionamentos complexos.
• Apoiar a escalabilidade da plataforma para novas verticais e produtos.
• Definir e implementar padrões de Data Quality, Observabilidade e Monitoramento.
• Trabalhar em conjunto com Engenharia, Produto, Arquitetura e Segurança.
• Apoiar iniciativas de otimização de performance e custos em ambiente AWS.
• Contribuir para novas capacidades analíticas, APIs e serviços de inteligência relacional.
• Participar da definição da arquitetura futura da plataforma de dados.
• Apoiar estratégias de integração com modelos de IA, analytics e agentes inteligentes.

Requisitos obrigatórios Experiência

• Experiência sólida em Engenharia de Dados.
• Experiência atuando como referência técnica ou líder técnico de dados.
• Experiência em ambientes de alta volumetria.
• Experiência em arquitetura de dados em cloud.

Linguagens e Ferramentas

• Python avançado.
• SQL avançado.
• Apache Airflow.
• Git.
• APIs REST.

Cloud

• AWS avançado.
• S3.
• IAM.
• CloudWatch.
• DynamoDB.
• Athena ou serviços equivalentes de analytics.

Engenharia de Dados

• ETL e ELT.
• Data Quality.
• Data Lineage.
• Data Governance.
• Modelagem de dados.
• Observabilidade de dados.
• Otimização de pipelines.

Competências

• Forte capacidade analítica.
• Visão arquitetural.
• Autonomia técnica.
• Capacidade de influenciar decisões.
• Facilidade para atuar em ambientes multidisciplinares.
• Excelente comunicação com áreas técnicas e de negócio.

Diferenciais Muito desejável

• Neo4j.
• Amazon Neptune.
• Graph Databases.
• Graph Analytics.
• Relationship Intelligence.
• Entity Resolution.

Desejável

• Fraud Analytics.
• Compliance Analytics.
• PLD/FT.
• Identity & Fraud.
• CI/CD para plataformas de dados.
• Databricks.
• Spark.
• OpenSearch.
• Knowledge Graphs.
• GenAI aplicada a dados.
• MCP e integração com LLMs.

O que esperamos dessa pessoa nos primeiros 12 meses

• Estruturar a governança e qualidade dos dados da Teia.
• Industrializar os pipelines de atualização das bases.
• Evoluir a observabilidade e monitoramento da plataforma.
• Apoiar a expansão para novas verticais de negócio.
• Reduzir riscos operacionais relacionados a dados.
• Tornar-se a principal referência de dados para o produto.