Missão
Liderar a transformação de inteligência artificial: Seja um protagonista na migração, modernização e escala da plataforma de dados para suportar produtos de negócios, análises avançadas e inteligência em larga escala.
Responsabilidades
1. Desenvolver e otimizar a arquitetura de dados:
o Definir padrões arquiteturais, práticas recomendadas e estratégias de eficiência como FinOps, governança de dados federada e inteligência prévia por design .
2. Habilitar casos de uso de alto impacto:
o Trabalhar em projetos estratégicos que transformam dados em ativos de negócio para personalização da jornada do cliente, automação operacional e inteligência analítica.
3. Impulsionar o uso estratégico de dados:
o Garantir que a plataforma de dados sirva como um diferencial competitivo, habilitando soluções que gerem valor real para o negócio.
O que é preciso para fazer parte do time?
1. Experiência sólida em engenharia de dados em larga escala.
2. Proficiência em arquitetura e modelagem de dados analíticos (Data Lake, Data Warehouse, Lakehouse, Data Mesh).
3. Forte domínio em big data e processamento distribuído (Spark, Hadoop, Flink).
4. Conhecimento avançado em SQL e otimização de consultas complexas.
5. Programação em Python (preferencial), Scala ou Java para pipelines e integrações.
6. Vivência em nuvem (AWS, GCP ou Azure) com foco em serviços de dados e práticas de FinOps
7. Experiência com ETL/ELT (dbt, Glue, Dataflow) e orquestração (Airflow, Step Functions, Prefect).
8. Vivência em Data Mesh e Data Products.
9. Atuação prévia em estratégias AI-ready (preparação de dados para ML/GenAI).
10. Familiaridade com microsserviços, APIs, containers e mensageria (Kafka, Kinesis).
11. Conhecimento em governança de dados, segurança e conformidade em ambientes críticos.
12. Experiência em arquiteturas híbridas e multimodelos (relacional e não-relacional: PostgreSQL, MongoDB, DynamoDB etc.).
13. Boas práticas de engenharia de software (versionamento, CI/CD, testes).
14. Capacidade de abstrair conceitos de negócio em métricas quantitativas (KPIs/OKRs).
15. Experiência em mentoria técnica e liderança de engenheiros de diferentes níveis.
16. Aproveitar oportunidades de desenvolvimento profissional dentro de uma empresa que prioriza inovação e excelência técnica.
17. Melhorar constantemente suas habilidades e conhecimentos em áreas como machine learning, ciência dos dados e tecnologias emergentes.