Engenheiro De Dados Júnior

Description
DESCRIÇÃO DA VAGA - ENGENHEIRO DE DADOS JÚNIOR

Como Engenheiro de Dados Júnior na , você será parte fundamental na construção da base tecnológica que transforma dados brutos em insights valiosos e produtos de dados para grandes empresas brasileiras. Trabalhando em um ambiente de aprendizado contínuo, você terá mentoria especializada e atuará com tecnologias de ponta do Modern Data Stack.

? PRINCIPAIS RESPONSABILIDADES Engenharia de Dados & Pipelines

• Desenvolver e manter pipelines de dados escaláveis e confiáveis utilizando arquitetura moderna de dados (Modern Data Stack)
• Implementar processos de ingestão de dados de múltiplas fontes (APIs, bancos de dados, arquivos, streaming)
• Realizar transformação e higienização de dados aplicando regras de negócio e garantindo qualidade
• Criar e otimizar fluxos ETL/ELT seguindo melhores práticas de performance e eficiência
• Trabalhar com orquestração de workflows para automatização de processos de dados

Requirements
Databricks & Lakehouse

• Desenvolver soluções na plataforma Databricks utilizando arquitetura Lakehouse
• Trabalhar com Delta Lake para garantir confiabilidade e qualidade dos dados
• Implementar estratégias de ETL/ELT no ambiente Databricks utilizando notebooks e jobs
• Aplicar melhores práticas de performance (particionamento, caching, otimização de queries)
• Integrar Databricks com outras ferramentas do ecossistema de dados

Modelagem & Transformação de Dados

• Criar e manter modelos de dados dimensionais (star schema, snowflake) para análises
• Desenvolver transformações de dados utilizando DBT (Data Build Tool)
• Implementar testes automatizados para garantir qualidade e confiabilidade dos dados
• Construir documentação técnica e metadados dos modelos de dados
• Aplicar técnicas de versionamento e deploy de transformações de dados

Qualidade & Governança

• Implementar frameworks de qualidade de dados e validações automáticas
• Aplicar data lineage para rastreabilidade de dados ao longo dos pipelines
• Contribuir com práticas de Data Governance (catalogação, classificação, políticas)
• Garantir conformidade e segurança no tratamento de dados sensíveis
• Monitorar pipelines e criar alertas para detecção de anomalias

DataOps & Boas Práticas

• Aplicar versionamento de código utilizando Git/GitHub (Gitflow, branches, pull requests)
• Implementar CI/CD para deploy automatizado de pipelines e transformações
• Realizar code reviews e contribuir para melhoria contínua do código
• Criar e manter testes unitários e de integração para validação de pipelines
• Documentar processos, procedimentos e arquitetura de soluções

Colaboração & Produtos de Dados

• Trabalhar em squads multidisciplinares com Analytics Engineers, Data Scientists, Analistas de BI e Arquitetos de Dados
• Participar do desenvolvimento de Data Products orientados a valor de negócio
• Colaborar na definição de arquitetura e design de soluções de dados
• Apoiar times de negócio no entendimento e consumo de dados
• Contribuir para a cultura de Data Literacy dentro da organização

Projetos & Clientes

• Atuar em projetos de grandes empresas dos setores financeiro, saúde, varejo, logística e outros
• Implementar Data Foundations em plataformas modernas (Databricks, cloud providers)
• Desenvolver soluções para casos de uso de Analytics, Machine Learning e IA
• Participar de discovery analítico e levantamento de requisitos técnicos
• Entregar incrementos de valor de forma ágil e iterativa

Desenvolvimento Contínuo

• Participar de mentorias especializadas semanais durante o primeiro ano
• Consumir treinamentos sobre novas tecnologias, ferramentas e metodologias
• Desenvolver projetos práticos para aplicação de novos conhecimentos
• Compartilhar aprendizados e contribuir com a comunidade técnica interna
• Evoluir gradualmente em complexidade de projetos e autonomia técnica

? ABORDAGEM DE TRABALHO

Você trabalhará seguindo os princípios da para Analytics & Data Engineering:

• Satisfação contínua do cliente: Entrega de insights e produtos de dados valiosos de forma rápida (minutos a semanas)
• Simplicidade: Maximizar valor com o mínimo de trabalho desnecessário
• Analytics como manufatura: Processos eficientes e padronizados para fabricação de insights
• Qualidade fundamental: Pipelines robustos com detecção automática de problemas
• Reuso: Evitar repetição de trabalho através de componentes reutilizáveis
• Melhoria do tempo de ciclo: Minimizar tempo entre necessidade do cliente e entrega de valor

Benefits

---