Engenheiro de Dados Sr.

UOL EdTech; São Paulo; Híbrido; BRL 180 000 - 340 000; Tempo integral

Vantagens oferecidas por esta oferta de emprego

Modelo híbrido (3x/semana)

Resumo da oferta

A UOL EdTech, com atuação em São Paulo, busca Engenheiro(a) de Dados Sênior para definir, evoluir e sustentar a arquitetura de dados (Data Lake / Data Warehouse / Lakehouse) e o desenho em camadas, assegurando governança, segurança, qualidade e confiabilidade das informações.

Você projetará e implementará pipelines (ETL/ELT) batch e streaming, integrará múltiplas fontes, desenvolverá com dbt e Databricks em AWS, promovendo DataOps, observabilidade e padrões de engenharia para consumo downstream

Qualificações

• Experiência sólida como Engenheiro(a) de Dados Sênior em plataformas e pipelines de dados em ambiente corporativo.
• Experiência prática com Databricks em AWS, incluindo notebooks, jobs e pipelines.
• Domínio de SQL, Python e PySpark/Spark para transformações complexas.

Responsabilidades

• Definir, evoluir e sustentar a arquitetura de dados (Data Lake/Data Warehouse/Lakehouse) com padrões de governança, segurança, qualidade e confiabilidade.
• Projetar e implementar pipelines de dados (ETL/ELT), batch e streaming, integrando múltiplas fontes com foco em performance e observabilidade.
• Promover DataOps, CI/CD, documentação e padrões de engenharia; apoiar integrações com IA/ML por bases limpas e estáveis.

Conhecimentos

Engenharia de Dados Sênior

Databricks em AWS

SQL, Python e PySpark

Lakehouse, Delta Lake, Medallion

AWS S3/IAM/AWS Glue

Orquestração de dados (CDC)

DataOps, Git/PRs, CI/CD

Arquitetura de dados e Kimball

Qualidade de dados e Data Contracts

Git e CI/CD de dados

Ferramentas

Databricks Workflows

Lakeflow Jobs

Descrição da oferta de emprego

• Definir, evoluir e sustentar a arquitetura de dados (Data Lake / Data Warehouse / Lakehouse) e o desenho em camadas (Medallion), garantindo padrões de governança, segurança, qualidade e confiabilidade.
• Projetar e implementar pipelines de dados (ETL/ELT) em batch e streaming, integrando múltiplas fontes (APIs, bancos, eventos e arquivos) com foco em performance, monitoramento e observabilidade.
• Atuar de forma protagonista na entrega da camada analítica conectando integração/refino (Silver) a produtos de dados reutilizáveis para negócio, analytics e ciência de dados.
• Desenvolver e evoluir transformações com dbt, priorizando código modular, versionado, testável e documentado (incluindo macros e modelos incrementais quando aplicável).
• Implementar Data Contracts, testes automatizados e práticas que reduzam rupturas em consumo downstream (dashboards, datasets e aplicações) por mudanças inesperadas na origem.
• Atuar como referência técnica no time, promovendo DataOps, Git/PRs, CI/CD, documentação e padrões de engenharia; apoiar integrações com IA/ML por meio de bases limpas, estáveis e bem definidas.

Requisitos e qualificações

• Experiência sólida como Engenheiro(a) de Dados Sênior em plataformas e pipelines de dados em ambiente corporativo.
• Experiência prática com Databricks em AWS, incluindo desenvolvimento, operação e monitoramento de notebooks, jobs, workflows e pipelines de dados.
• Domínio de SQL, Python e PySpark/Spark, com capacidade de escrever consultas performáticas e desenvolver transformações complexas para processamento e análise de dados.
• Experiência com arquitetura Lakehouse, Delta Lake e arquitetura Medallion (Bronze/Silver/Gold), incluindo processamento incremental, evolução de schema e otimização de performance.
• Conhecimento dos principais serviços AWS utilizados em plataformas de dados, especialmente Amazon S3, IAM e AWS Glue, incluindo desenho e operação em nuvem.
• Experiência com ingestão e orquestração de dados em batch, incremental e streaming, incluindo CDC e uso de Databricks Workflows/Lakeflow Jobs ou ferramentas equivalentes.
• Experiência com governança e segurança de dados em Databricks, especialmente Unity Catalog, controle de acesso, lineage e organização de catálogos e schemas.
• Experiência com arquitetura de dados e modelagem dimensional (Kimball/Star Schema), além de integração com bancos relacionais (SQL Server, Oracle) e não relacionais (MongoDB).
• Experiência com qualidade e confiabilidade de dados, incluindo Data Contracts, testes automatizados, monitoramento e observabilidade de pipelines.
• Domínio de Git e processos de Pull Request / code review, além de CI/CD aplicado a projetos e pipelines de dados.

Informações adicionais

Para se destacar nessa posição, seria legal se você também tivesse:

• Mindset de engenharia -paixão por automação, qualidade de código e documentação; forte ownership sobre dados e plataforma.
• Conhecimento em Python para automações, integrações e rotinas de engenharia de dados.
• Conhecimento em práticas de DataOps e governança (LGPD).
• Disponibilidade para atuar em modelo híbrido (3x na semana) em São Paulo - SP.