Analista De Machine Learning Pl

Banco Bbc Digital; São Paulo; On-site; BRL 134,000 - 268,000; Full time

Job summary

O Banco BBC Digital busca um engenheiro de dados para construir bases analíticas robustas, modelar dados e manter pipelines de ingestão e transformação. Você trabalhará com equipes para transformar dados brutos em insights acionáveis, usando Airflow, Spark e práticas modernas de engenharia de dados.

O candidato ideal possui formação superior em áreas relacionadas, 2 anos de experiência e domínio em Python/SQL, com foco em qualidade de dados e escalabilidade.

Qualifications

• Formação superior em Ciência da Computação, Engenharias, Matemática Aplicada, Sistemas de Informação ou áreas afins.
• Cerca de 2 anos de experiência em engenharia de dados, com construção de bases para consumo analítico.
• Python e SQL em nível avançado.
• Atenção a detalhes e capacidade de traduzir regras de negócio em lógica de dados.
• Conhecimento de modelagem de dados, orquestração de pipelines (ex.: Airflow) e processamento distribuído (ex.: Spark).
• Versionamento de código (Git).

Responsibilities

• Construir tabelas estruturadas para consumo analítico, a partir de dados brutos de diferentes sistemas, respeitando granularidade, chaves e regras de negócio definidas.
• Enriquecer as informações com o cruzamento de fontes internas e externas (ex.: bureaus) e a criação de variáveis derivadas.
• Validar se os conceitos criados nas tabelas correspondem aos conceitos esperados (ex.: inadimplência, exposição, safra, atraso), por meio de testes, conciliações com relatórios oficiais e alinhamento com as áreas consumidoras.
• Desenvolver e manter pipelines de ingestão, transformação e disponibilização de dados, em lote e, quando necessário, em tempo real.
• Implementar controles de qualidade de dados (consistência, completude, duplicidade), monitoramento e alertas dos pipelines.
• Documentar fontes, regras de negócio, dicionário de dados e linhagem.
• Apoiar os cientistas de dados no acesso, preparação e otimização de dados.
• Aplicar ferramentas de IA generativa para ganho de produtividade em desenvolvimento, documentação e automações.

Skills

Python

SQL

Data modeling

Data pipelines

Airflow

Spark

Git

Education

Formation superior em Ciência da Computação, Engenharias, Matemática Aplicada, Sistemas de Informação ou áreas afins

Tools

Airflow

Spark

Git

Docker

Job description

Somos um banco que entende as pessoas, as empresas e os profissionais do transporte.

O Banco BBC Digital é para todos que precisam de mais simplicidade e menos burocracia, unindo tradição e modernidade para conectar os clientes ao ecossistema de mobilidade e reinventar a relação das pessoas com suas vidas financeiras.

Além de uma Conta Digital sem mensalidade, com app e cartão pré-pago, nós oferecemos Financiamento (CDC) e Leasing para veículos leves e pesados, atendendo a todos que precisam.

Somos uma Empresa diversa e que promove a diversidade em todas as vagas independente de gênero, orientação sexual, raça, religião ou deficiência.

/n

• Formação superior em Ciência da Computação, Engenharias, Matemática Aplicada, Sistemas de Informação ou áreas afins;
• Cerca de 2 anos de experiência em engenharia de dados, com construção de bases para consumo analítico;
• Python e SQL em nível avançado;
• Atenção a detalhes e capacidade de traduzir regras de negócio em lógica de dados;
• Conhecimento de modelagem de dados, orquestração de pipelines (ex.: Airflow) e processamento distribuído (ex.: Spark);
• Versionamento de código (Git).

Diferenciais

• Mestrado ou doutorado em Ciência da Computação, Matemática Aplicada, Estatística ou Engenharias;
• Experiência com ambientes em nuvem (Oracle, AWS, Azure ou GCP);
• Conhecimento de CI/CD, containers (Docker) e boas práticas de engenharia de software;
• Uso prático de LLMs / IA generativa no dia a dia;
• Vivência em instituições financeiras ou risco de crédito.

/n

• Construir tabelas estruturadas para consumo analítico, a partir de dados brutos de diferentes sistemas, respeitando granularidade, chaves e regras de negócio definidas;
• Enriquecer as informações com o cruzamento de fontes internas e externas (ex.: bureaus) e a criação de variáveis derivadas;
• Validar se os conceitos criados nas tabelas correspondem aos conceitos esperados (ex.: inadimplência, exposição, safra, atraso), por meio de testes, conciliações com relatórios oficiais e alinhamento com as áreas consumidoras;
• Desenvolver e manter pipelines de ingestão, transformação e disponibilização de dados, em lote e, quando necessário, em tempo real;
• Implementar controles de qualidade de dados (consistência, completude, duplicidade), monitoramento e alertas dos pipelines;
• Documentar fontes, regras de negócio, dicionário de dados e linhagem;
• Apoiar os cientistas de dados no acesso, preparação e otimização de dados;
• Aplicar ferramentas de IA generativa para ganho de produtividade em desenvolvimento, documentação e automações.