Analista de Dados Sênior

O Grupo Daycoval é formado por um time de pessoas engajadas e de bom astral. Todos imbuídos de fazer diferença nas vidas de nossos clientes. Sabemos o quanto o mercado financeiro é desafiador e de alta demanda - é disso que gostamos.

Venha fazer parte de uma equipe inovadora e em constante evolução tecnológica

Nossa área está sempre na vanguarda das tecnologias mais avançadas, com um foco contínuo na melhoria do fornecimento de dados e da experiência do usuário.

No nosso dia a dia, lidamos com palavras que moldam o futuro, como IA Generativa, Copilot, ChatGPT, Machine Learning, Azure, Data Fabric, Power Platform, CDP e Databricks.

Estamos diante de desafios grandiosos e empolgantes para os próximos anos e não poderíamos estar mais animados com os desenvolvimentos que estão por vir.

Se você é apaixonado por tecnologia e busca crescer em um ambiente dinâmico e inovador, junte-se a nós nessa jornada de transformação
**Responsabilidades e atribuições** Responsabilidades e atribuições**:

- Extração de Dados: Obter dados de diversas fontes, como bancos de dados, APIs, planilhas, e plataformas online.
- Integração de Dados: Integrar dados provenientes de diferentes sistemas para criar conjuntos de dados completos e utilizáveis.
- Limpeza de Dados: - Tratamento de Dados: Identificar e corrigir inconsistências, erros, duplicações e valores ausentes nos dados.
- Transformação de Dados: Preparar os dados para análise através de técnicas como normalização, agregação e transformação de formatos. Análise de Dados
- Exploração de Dados: - Análise Exploratória de Dados (EDA): Utilizar técnicas estatísticas e visuais para explorar os dados e entender suas características principais. - Identificação de Padrões: Detectar padrões, tendências e anomalias nos dados.
- Modelagem de Dados: - Modelos Estatísticos: Desenvolver e aplicar modelos estatísticos para testar hipóteses e prever resultados.
- Machine Learning: Construir, treinar e validar modelos de aprendizado de máquina para predição e classificação. Visualização de Dados.
- Criação de Relatórios e Dashboards: - Visualização de Dados: Utilizar ferramentas como Tableau, Power BI ou matplotlib para criar gráficos e dashboards interativos que apresentam os insights de maneira clara e compreensível.
- Automação de Relatórios: Configurar relatórios automáticos que atualizem os dados em tempo real ou em intervalos regulares. Comunicação e Apresentação.
- Apresentação de Insights: - Storytelling com Dados: Contar histórias com dados para comunicar insights e recomendações de forma eficaz a diferentes públicos, incluindo executivos e equipes não técnicas.
- Relatórios Detalhados: Elaborar relatórios detalhados que documentem metodologias, descobertas e recomendações. Suporte à Tomada de Decisão.
- Análise de Desempenho: - Monitoramento de KPIs: Monitorar indicadores-chave de desempenho (KPIs) e métricas de negócios para avaliar o desempenho e identificar áreas de melhoria.
- Estratégia e Planejamento: - Suporte à Estratégia: Utilizar dados para apoiar a estratégia de negócios, desenvolvimento de produtos, marketing, e outras áreas funcionais.
- Planejamento e Forecasting: Participar do planejamento e previsão de demandas, vendas e outras métricas importantes. Manutenção e Governança de Dados.
- Governança de Dados: - Gerenciamento de Dados: Assegurar a conformidade com políticas de governança de dados e práticas de segurança.
- Qualidade de Dados: Implementar processos e controles para garantir a qualidade e a integridade dos dados.
- Melhoria Contínua: - Otimização de Processos: Identificar oportunidades para melhorar processos de coleta, análise e uso de dados.
- Atualização Tecnológica: Manter-se atualizado com as últimas ferramentas, tecnologias e técnicas de análise de dados.

**Requisitos e qualificações** Requisitos e qualificações**:

- Superior na área de Tecnologia da Informação.
- Capacidade de interpretar e extrair insights significativos dos dados.
- Conhecimento sólido em métodos estatísticos para analisar tendências e padrões nos dados.
- Conhecimento em linguagens de programação como Python, R ou SQL para manipulação de dados e automação de análises.
- Experiência em ferramentas como Tableau, Power BI ou Matplotlib para criar visualizações claras e eficazes.
- Conhecimento em Machine Learning: Entendimento de técnicas de aprendizado de máquina para construir modelos preditivos.
- Habilidade para trabalhar com grandes volumes de dados, incluindo o uso de ferramentas como Hadoop, Spark ou pandas.
- Experiência com bancos de dados relacionais (SQL) e não relacionais (NoSQL).
- Capacidade de abordar problemas complexos e desenvolver soluções baseadas em dados.
- Habilidade para comunicar insights e recomendações de maneira clara e concisa para stakeholders não técnicos.
- Habilidade para gerenciar pro