Analytics Engineer Sênior

Meu Home

Brasil

On-site

BRL 180,000 - 300,000

Full time

2 days ago

Be an early applicant

Get a reply from this employer

Your resume and cover letter, tailored to exactly what they’re hiring for.

Get past ATS filters

Benefits offered by this job

VR e VA

Assistência médica

Assistência odontológica

Bônus variável anual

Auxílio creche

Auxílio home office

Wellhub + App Ginastica Laboral

Seguro de vida

Day Off no mês de Aniversário

Vale Transporte ou Estacionamento

Campanha de Vacinação

TelePsicologia e Nutrição Online

Massagem no escritório para modelo in%

Emendas de Feriado

Guapeco

Acesso aos nossos produtos

Snacks no escritório

Job summary

Meu Home busca um Analytics Engineer Sênior para transformar dados brutos em modelos de negócio confiáveis, bem documentados e fáceis de consumir, com qualidade e origem rastreável.

Você projetará modelos de dados, desenvolverá transformações ELT com testes, construirá pipelines integrando fontes diversas e traduzirá regras de negócio em métricas consistentes, atuando com LGPD e governança de dados. Também apoiará dashboards e mentoring de colegas.

Qualifications

Experiência sólida em engenharia de dados ou analytics engineering com modelagem e transformação de dados em produção.
SQL avançado (window functions, CTEs, merge/upsert, tuning) em data warehouse na nuvem.
Domínio de modelagem dimensional (Kimball, SCD, granularidade).
Experiência com ferramentas de transformação como dbt ou Dataform — modelos incrementais, testes e documentação.
Python para desenvolvimento de pipelines, automação e validação de dados.
Experiência com orquestração de workflows, como Apache Airflow.
Conhecimento de arquitetura de data lake/lakehouse em camadas e formatos como Parquet e Avro.
Prática com qualidade e observabilidade de dados.
Git, code review e CI/CD aplicados a dados.
Conhecimento em segurança de dados e LGPD.
Boa comunicação para traduzir necessidades de negócio em especificações técnicas.

Responsibilities

Projetar e construir modelos de dados analíticos escaláveis organizados por domínio de negócio.
Desenvolver e manter transformações de dados (ELT) com versionamento, testes automatizados e documentação.
Construir e sustentar pipelines de dados, integrando fontes diversas (bancos transacionais, APIs e arquivos).
Traduzir regras de negócio em definições de métricas consistentes, em parceria com áreas de negócio.
Implementar testes de qualidade e reconciliação de dados (unicidade, completude, integridade).
Monitorar e sustentar modelos e pipelines em produção — diagnóstico de falhas e desvios.
Otimizar performance e custo de consultas e armazenamento (particionamento, clusterização, materialização incremental).
Aplicar LGPD e segurança de dados, com mascaramento e controle de acesso com menor privilégio.
Apoiar a construção de camadas semânticas e dashboards.
Revisar código, definir padrões de modelagem e mentorar profissionais menos experientes.

Skills

SQL avançado

Modelagem dimensional

Python

Git & CI/CD para dados

Comunicação com negócios

LGPD & governança de dados

Cloud data stack

Data storytelling

Data quality & testing

Mentoring

Tools

dbt

Dataform

Apache Airflow

Looker/LookML

BigQuery

Dataplex

Kafka

Flink

Job description

Analytics Engineer Sênior

Sua missão:

Buscamos um(a) Analytics Engineer Sênior para transformar dados brutos em modelos de negócio confiáveis, bem documentados e fáceis de consumir — garantindo qualidade, padronização de indicadores e que cada número usado na empresa tenha uma definição clara e uma origem rastreável.

Suas principais responsabilidades

Projetar e construir modelos de dados analíticos (fatos, dimensões, agregados e snapshots) escaláveis e organizados por domínio de negócio.
Desenvolver e manter transformações de dados (ELT) com versionamento, testes automatizados e documentação.
Construir e sustentar pipelines de dados, integrando fontes diversas (bancos transacionais, APIs e arquivos), garantindo dados limpos, deduplicados e corretamente tipados.
Traduzir regras de negócio em definições de métricas consistentes, em parceria com as áreas de negócio, eliminando divergências entre relatórios.
Implementar testes de qualidade e reconciliação de dados (unicidade, completude, integridade referencial, paridade com a origem).
Monitorar e fazer a sustentação dos modelos e pipelines em produção — diagnóstico de falhas, desvios de volume e atrasos.
Otimizar performance e custo de consultas e armazenamento (particionamento, clusterização, materialização incremental).
Aplicar práticas de segurança e conformidade (LGPD) — classificação de dados sensíveis, mascaramento e controle de acesso com menor privilégio.
Apoiar a construção de camadas semânticas e dashboards quando necessário.
Revisar código, definir padrões de modelagem e mentorar profissionais menos experientes.

O que buscamos

Experiência sólida em engenharia de dados ou analytics engineering, com modelagem e transformação de dados em produção.
SQL avançado (window functions, CTEs, merge/upsert, tuning de consultas) em data warehouse na nuvem.
Domínio de modelagem dimensional (Kimball, SCD, granularidade, chaves substitutas).
Experiência com ferramentas de transformação como dbt ou Dataform — modelos incrementais, testes e documentação.
Python para desenvolvimento de pipelines, automação e validação de dados.
Experiência com orquestração de workflows, como Apache Airflow.
Conhecimento de arquitetura de data lake/lakehouse em camadas e formatos como Parquet e Avro.
Prática com qualidade e observabilidade de dados.
Git, code review e CI/CD aplicados a dados.
Conhecimento em segurança de dados e conformidade com a LGPD.
Boa comunicação para traduzir necessidades de negócio em especificações técnicas.

Diferenciais

Experiência com nuvem, principalmente Google Cloud (BigQuery, Cloud Composer, Cloud Storage, Dataplex).
Ferramentas de camada semântica e BI, como Looker/LookML.
Conceitos de CDC e processamento em tempo real (Datastream, Debezium, Flink, Kafka).
Experiência com migração de ambientes legados de dados.
Vivência com negócios de assinatura e recorrência (MRR, churn, cohort).
Dados para machine learning (feature store).
Certificações como Google Cloud Professional Data Engineer ou dbt Analytics Engineering.
Fome por automação com IA — uso de agentes e skills (ex.: Claude Code, GitHub Copilot, MCP) para acelerar desenvolvimento, documentação, testes e sustentação de dados, transformando tarefas repetitivas em fluxos automatizados e reutilizáveis.