Engenheiro de Dados Sênior

Requisitos 5+ anos de experiência na carreira Inglês avançado Airflow Data Quality Data Modeling Delta Lake dbt Entity Resolution PySpark SQL Python Databricks Conhecimentos Desejáveis Terraform MLOps Data Observability Unity Catalog Data Products Data Reconciliation Delta Live Tables RAG Data Governance MCP Data Lineage GitHub Actions Postgres AWS Tarefas e Responsabilidades Sobre a vaga Buscamos um Engenheiro de Dados Sênior para liderar tecnicamente iniciativas de dados em escala nacional. Esta posição tem como foco central a resolução de entidades, governança de dados mestres e reconciliação de fontes de terceiros, garantindo a qualidade e observabilidade dos dados em toda a cadeia produtiva. Você será referência técnica para o time, conduzindo revisões de código com foco em correção, custo e manutenibilidade, além de aplicar engenharia assistida por IA com guardrails e rastreabilidade. Principais responsabilidades Definir regras de fonte única da verdade, lógica de sobrevivência, identificadores estáveis e overrides manuais para dados de licenças, escrituras, registros fiscais e dados comerciais. Reconciliar fontes de terceiros conflitantes em escala nacional e implementar observabilidade para detectar desvios na lógica. Atuar como steward de modelos de dados, aterrissando novas fontes e evoluindo modelos quando deixarem de atender às necessidades. Garantir qualidade de dados ponta a ponta: testes, monitoramento, alertas, lineage e análise de causa raiz de incidentes. Conduzir análises que orientem o roadmap, priorizando aquisições de fontes e datasets com base no impacto comercial. Colocar modelos de ciência de dados em produção, definindo contratos de dados e monitoramento de drift. Ser referência técnica do time em revisões de código e trade-offs de arquitetura. Aplicar engenharia assistida por IA com agentes, mantendo guardrails e rastreabilidade. O que buscamos SQL e Python sólidos aplicados em todo o ciclo de vida dos dados, da ingestão ao serving. Experiência hands-on com Databricks em produção: notebooks, jobs, workflows, Delta Lake e PySpark. Profundidade em modelagem de dados: dimensional, slowly changing dimensions, definição de grain e arquitetura em camadas como medallion. Experiência com resolução de entidades e reconciliação de dados. Conhecimento em qualidade e observabilidade de dados: testes, monitoramento, alertas e lineage. Familiaridade com frameworks de transformação e orquestração como dbt, Airflow e Databricks Workflows, com version control e CI/CD. Experiência com data products alimentando aplicações em produção, além de traduzir perguntas de negócio ambíguas em métricas acionáveis. Diferenciais Arquitetura de data products orientada a domínios em lakehouse. Arquiteturas de IA aplicadas a dados: pipelines para RAG, MCP para acesso padronizado por agentes e qualidade em sistemas agentic não determinísticos. Ecosistema avançado Databricks: Unity Catalog e Delta Live Tables. Governança de dados: controle de acesso, catalogação e lineage. MLOps avançado: model serving, monitoramento de drift e workflows de retreinamento. Stack tecnológico Python, SQL, PySpark, Databricks, Delta Lake, dbt, AWS, Terraform, Postgres, GitHub Actions e agentes de IA no dia a dia do desenvolvimento.