Engenharia de Dados Sênior | Híbrido/SP

• Saber trabalhar na estrutura de hub-spoke
• Projetar, construir e manter pipelines de ingestão e transformação orquestrados em Apache Airflow, com padrões consistentes de retry, idempotência, alerta e SLA.
• Desenvolver e evoluir modelos de transformação em dbt sobre o data warehouse, organizando as camadas (staging → intermediate → marts) com testes e documentação.
• Implementar ingestões de fontes heterogêneas: bancos transacionais, APIs de terceiros (custodiantes, distribuidores, provedores de mercado), arquivos regulatórios e planilhas operacionais.
• Instrumentar observabilidade dos dados: freshness, volumetria, quebras de contrato, reconciliação entre origem e destino.
• Definir e defender o modelo de dados do warehouse (dimensional, Data Vault ou híbrido — com justificativa), incluindo chaves, granularidade, historização (SCD) e tratamento de correções retroativas.
• Estabelecer padrões de distribuição, ordenação e particionamento no MPP (DISTKEY, SORTKEY, compressão em Redshift; equivalentes em outras engines) e garantir que sejam seguidos.
• Fazer o desenho de camadas e contratos de dados entre times: o que é fonte da verdade, quem pode escrever onde, o que é exposto para BI e o que é interno.
• Conduzir tuning de performance e custo: análise de planos, filas/WLM, concorrência, manutenção (VACUUM/ANALYZE ou equivalente), rewrite de queries e materializações.
• Avaliar e recomendar tecnologias (formatos de tabela, lakehouse, streaming, catálogo, ferramentas de qualidade) com análise de trade-off explícita, incluindo custo e custo de saída.
• Trabalhar com dados vetorizados
• Implementar controles de qualidade automatizados e reconciliações que sustentem números usados em relatórios a clientes e em respostas a reguladores.
• Garantir linhagem e rastreabilidade ponta a ponta: de um número no painel até a origem e a versão do código que o produziu.
• Aplicar controles de acesso, segregação por sensibilidade e conformidade com LGPD e com as normas aplicáveis ao setor (CVM, BACEN, BSM, políticas internas de compliance).
• Documentar decisões arquiteturais (ADRs) e manter o dicionário de dados vivo.
• Atuar como referência técnica para engenheiros(as) pleno e júnior: code review, pareamento, definição de padrões e mentoria.
• Traduzir demandas de negócio (Wealth Management, Comercial, Risco, Compliance, Operações) em desenho de dados sustentável — inclusive dizendo "não" a atalhos que criam dívida.
• Participar do planejamento técnico e estimar com honestidade escopo, risco e prazo.

• Experiencia comprovada em engenharia de dados com responsabilidade arquitetural (saber desenhar o modelo, não só implementar de outra pessoa).
• Histórico comprovado de ter levado ao ar e operado em produção uma plataforma de dados analítica — com incidentes, plantão e consequências reais.
• SQL avançado de verdade: window functions, CTEs recursivas, leitura de plano de execução, diagnóstico de skew e de spill em disco.
• Python para engenharia de dados: código modular, testável e versionado (não apenas notebooks).
• Familiaridade com pandas/polars, tipagem e testes automatizados.
• Apache Airflow em produção: autoria de DAGs, sensores, backfill, gestão de dependências e de falhas.
• Data warehouse MPP em nuvem — Redshift preferencialmente; Snowflake, BigQuery ou Databricks são aceitos com disposição para se aprofundar em Redshift.
• DBT ou ferramenta equivalente de transformação versionada, com testes.
• Modelagem dimensional (Kimball) com domínio real: fato vs. dimensão, granularidade, SCD tipos 1/2, tabelas ponte, snapshots.
• Git e cultura de code review; CI/CD aplicado a dados.
• Modelagem e diagnóstico de performance: saber explicar por que uma query está lenta e provar a correção com números antes e depois.
• Rigor com correção numérica.
• Comunicação escrita clara/documentação.
• Autonomia para investigar do dashboard até a origem sem pedir permissão a cada passo.
• Disponibilidade de atuação hibrida 2 a 3x presencial - Região Vila Olimpia

• Experiência no mercado financeiro: investimentos, wealth management, custódia, renda fixa/variável, fundos, cálculo de rentabilidade (TIR/TWR), posição e movimentação.
• Vivência com dados regulatórios: CVM, BACEN, BSM, ANBIMA — inclusive prazos e formatos de entrega.
• Infra como código (Terraform), AWS (S3, Glue, Lambda, IAM, Step Functions).
• Formatos de tabela abertos (Iceberg, Delta) e arquitetura lakehouse.
• Streaming / CDC (Kafka, Debezium, Kinesis).
• Ferramentas de qualidade e catálogo (Great Expectations, Soda, DataHub, OpenMetadata).
• Experiência com camada semântica e ferramentas de BI (Power BI, Metabase, Looker).
• Ter conduzido uma migração relevante (legado → moderno, on-prem → nuvem, ou planilha/VBA → pipeline versionado) com validação de paridade.

Descrição comportamental:

Procuramos uma pessoa que:

Goste de trabalhar em equipe e seja colaborativa em suas atribuições;

Tenha coragem para se desafiar e ir além, abraçando novas oportunidades de crescimento;

Transforme ideias em soluções criativas e busque qualidade em toda sua rotina;

Tenha habilidades de resolução de problemas;

Possua habilidade e se sinta confortável para trabalhar de forma independente e gerenciar o próprio tempo;

Tenha interesse em lidar com situações adversas e inovadoras no âmbito tecnológico.

Big enough to deliver – small enough to care.

#VempraGFT

#LetsGoBeyond

#ProudToBeGFT