Pessoa Engenheira de Dados Júnior

Extractta; Brasil; Teletrabalho; BRL 90 000 - 130 000; Tempo integral

Resumo da oferta

Extractta procura um(a) Engenheiro(a) de Dados Júnior para atuar em um banco digital de grande porte, contribuindo na construção de pipelines de dados e na evolução de modelos de negócio. Você fará parte de uma plataforma de dados em AWS, com ingestão e transformação em PySpark até disponibilização em Data Lake/Lakehouse, sob supervisão de engenheiras sêniores.

O papel oferece aprendizado progressivo, exposição a arquitetura de dados em escala e uso de IA aplicada ao dia a dia da engenharia.

Qualificações

• Engenheiro(a) de Dados Júnior com foco em construção e evolução de pipelines.
• Experiência com PySpark, SQL e boas práticas de qualidade de dados.
• Conhecimento básico de AWS e ferramentas de orquestração (Airflow).
• Capacidade de trabalhar com pipelines ETL/ELT no Lakehouse.

Responsabilidades

• Desenvolver e manter pipelines de dados em Python / PySpark, seguindo padrões do time.
• Escrever e ajustar consultas SQL para extração, transformação e validação de dados.
• Apoiar ingestão de dados de várias fontes para o Data Lake na AWS.
• Participar de DAGs no Airflow e executar CI/CD para deploy de pipelines.
• Aplicar modelagem de dados (bronze, prata, ouro) e formatos Parquet/Delta.
• Realizar validações de qualidade de dados e documentar regras.

Conhecimentos

Python/PySpark

SQL

Airflow

AWS

Git

CI/CD

Parquet

Delta

Data Lake

S3/Athena/Glue/EMR

IA aplicada ao desenvolvimento

Ferramentas

PySpark

SQL

Airflow

AWS

Git

CI/CD

Parquet

Delta

Data Lake

Descrição da oferta de emprego

Buscamos uma Pessoa Engenheira de Dados Júnior para atuar dedicada em um banco digital de grande porte, em plena expansão, contribuindo na construção e na evolução de pipelines de dados que sustentam produtos, análises e modelos de negócio do banco. Você fará parte de um time de plataforma de dados em ambiente AWS, participando do ciclo completo dos dados — da ingestão e transformação em PySpark à disponibilização em camadas de Data Lake / Lakehouse — com acompanhamento de pessoas engenheiras sêniores, exposição a arquitetura moderna de dados em escala e uso de IA aplicada ao dia a dia de engenharia. É uma posição de crescimento, com espaço para aprender, assumir responsabilidades gradualmente e evoluir tecnicamente.

Responsabilidades

• Desenvolver e manter pipelines de dados em Python / PySpark, seguindo padrões definidos pelo time.
• Escrever e ajustar consultas SQL para extração, transformação e validação de dados.
• Apoiar a ingestão de dados de diferentes fontes (bancos relacionais, APIs, eventos) para o Data Lake em AWS (S3, Glue, Athena, EMR).
• Participar da construção e manutenção de DAGs de orquestração no Airflow, sob orientação técnica.
• Aplicar boas práticas de modelagem em arquitetura medalhão (bronze, prata, ouro) e formatos colunares (Parquet / Delta).
• Implementar validações e checagens de qualidade de dados, documentando regras e resultados.
• Utilizar Git e a esteira de CI/CD para versionamento, revisão (code review) e deploy dos pipelines.
• Apoiar o monitoramento dos pipelines em produção, identificando falhas e ajudando na correção.
• Participar de cerimônias ágeis, refinamento de demandas e estimativas junto ao time.
• Utilizar ferramentas de IA aplicadas ao desenvolvimento (GitHub Copilot, Claude Code ou similares) para acelerar codificação, testes e documentação, com senso crítico sobre o resultado gerado.