Dev Analytics Engineer / Data Analyst

Moot It Consulting; São Paulo; Hybrid; BRL 180,000 - 300,000; Full time

Job summary

A Moot It Consulting está à procura de um profissional de Analytics Engineering para atuação híbrida com 2 dias presenciais em São Paulo. O(a) candidato(a) deverá ter Graduação concluída e experiência sólida em modelagem dimensional, Databricks, CI/ETL e validação de paridade de dados.

Esperam-se habilidades em Python/PySpark, SQL avançado e práticas de Data Quality para garantir entregas de métricas confiáveis. Inglês técnico é desejável; atuação em projetos de TI e inovação.

Qualifications

• Experiência sólida em camada de consumo com modelagem dimensional/marts.
• Conhecimento de Databricks, Spark SQL, Delta Lake e arquitetura medalhão.
• Reapontamento de BI e integração de dados com APIs e ETL.
• SQL avançado para reconciliação e comparação de bases em escala.
• Unity Catalog, lineage e documentação de métricas.

Skills

Analytics Engineering

Databricks

Modelagem dimensional

SQL avançado

PySpark

Data Quality

Education

Graduação Concluída

Tools

Power BI

Tableau

Job description

Somos uma consultoria com mais de 12 anos de experiência em TI, Inovação, Otimização de Processos, Softwares de Gestão, Desenvolvimento e Suporte a Sistemas, e Recrutamento de Profissionais de TI. Comprometidos com qualidade e inovação, oferecemos projetos de tecnologia sob medida, atendendo com excelência todo o Brasil.

Requisitos necessários:

• Analytics Engineering: experiência sólida em camada de consumo — modelagem dimensional/marts, camada semântica e métricas certificadas.
• Databricks: Spark SQL em produção, Delta Lake e arquitetura medalhão (bronze, silver, gold).
• Reapontamento de BI (Power BI, Tableau ou similar): troca de fontes, refatoração de datasets e validação de paridade de números.
• Integrações sistêmicas de dados: APIs, extrações batch e cargas entre sistemas, incluindo contratos de interface e planos de rollback.
• SQL avançado: técnicas de reconciliação e comparação de bases em escala.
• Unity Catalog (lineage, descoberta e documentação de métricas e modelos de consumo).
• Modelagem dimensional (Kimball/star schema) e boas práticas de marts por domínio.
• Python e PySpark para automação de validações de paridade e rotinas de reapontamento.
• Data Contracts e Data Quality (expectations, DQ gates) aplicados à camada de consumo.

Atuação:

Hibrido 2 dias pressenciais - SP

Formação:

Graduação Concluída

Idioma:

Inglês Avançado