
Pessoa Engenheira de Dados Sênior (Azure & AWS)
- Brasil
- Permanente
- Período integral
- Projetar e implementar pipelines de ingestão, transformação e consumo de dados em ambientes Azure (Data Factory, Synapse, Databricks, etc.) e AWS (Glue, Redshift, EMR, S3, etc.).
- Desenvolver e otimizar arquiteturas de Data Lake e Data Warehouse, promovendo boas práticas de particionamento, versionamento e catalogação.
- Garantir qualidade, consistência e integridade dos dados em todas as etapas do ciclo de vida.
- Implementar práticas de Data Governance, segurança de dados e compliance (LGPD, GDPR).
- Atuar em colaboração com cientistas de dados, engenheiros de software e equipes de negócio, promovendo uma cultura orientada a dados.
- Avaliar novas tecnologias, frameworks e ferramentas de Big Data e Cloud para melhoria contínua da plataforma.
- Apoiar a definição de arquiteturas híbridas e multi-cloud, integrando serviços de Azure e AWS quando necessário.
- Experiência comprovada em engenharia de dados (mínimo de 6–8 anos).
- Domínio em Azure Data Services: Data Factory, Synapse, Databricks, Azure Data Lake Storage, Event Hub, Functions.
- Domínio em AWS Data Services: Glue, Redshift, Athena, EMR, S3, Kinesis, Lambda.
- Forte conhecimento em linguagens de programação e query: Python, SQL, Spark (PySpark/Scala).
- Experiência com arquiteturas distribuídas e processamento de grandes volumes de dados.
- Conhecimentos de modelagem de dados (relacional, dimensional e Data Vault).
- Experiência em CI/CD para dados (Azure DevOps, GitHub Actions, CodePipeline, Terraform).
- Experiência com governança de dados e catálogos (Unity Catalog, Glue Catalog, Purview).
- Desejável certificações em Azure Data Engineer e/ou AWS Data Analytics.
- Perfil colaborativo e capacidade de atuar em times multidisciplinares.
- Habilidade de comunicação clara para traduzir requisitos técnicos em valor de negócio.
- Proatividade na resolução de problemas complexos.
- Capacidade de mentorar profissionais mais juniores e liderar iniciativas técnicas.
- Experiência com arquiteturas em tempo real (Kafka, Kinesis, Event Hub).
- Conhecimento em Machine Learning Ops (MLOps).
- Experiência prévia em ambientes multi-cloud e estratégias de migração de dados.
- Atuação em consultoria ou grandes clientes corporativos.