A complete application in a minute
Tailored resume and cover letter, ready to send.
Enlizt, consultoria líder em Analytics e GenAI no Brasil, busca profissional para atuar com pipelines de dados, ETL/ELT e integração de fontes diversas. O papel envolve modelagem de dados, Data Lakes/Warehouses e colaboração com equipes de Data Science.
A vaga é remoto com contratação em tempo integral, salário negociável, e foco em práticas ágeis. Requisitos incluem SQL avançado, linguagem Python/Scala/Java/R e experiência com nuvem.
Na Aquarela temos o propósito de aumentar a inteligência do mundo. Somos uma consultoria especializada em Analytics, Inteligência Artificial, Machine Learning e GenAI, traduzindo problemas complexos de maneira inovadora e assertiva para soluções e produtos estratégicos para nossos clientes. Aqui, você irá trabalhar com extração, transformação e carga de grandes volumes de dados em diversos clientes e contextos tecnológicos, adaptando-se rapidamente a diferentes stacks e ambientes, contribuindo para a construção e manutenção de Data Lakes e Data Warehouses robustos, utilizando tecnologias modernas e dando suporte a projetos de AI/ML.
Atividades:
Desenvolver e manter pipelines de dados confiáveis;
Criar e otimizar processos de ETL/ELT;
Manipular e integrar dados de diferentes fontes e sistemas;
Contribuir para a modelagem de dados e arquitetura de soluções;
Trabalhar com grandes volumes de dados em Data Lakes e Data Warehouses;
Implementar boas práticas de qualidade e documentação de dados;
Colaborar com times de Data Science, Analytics e GenAI;
Automatizar tarefas e processos repetitivos;
Participar de code reviews e contribuir com melhorias;
Documentar soluções para facilitar handover e manutenção.
Requisitos:
Conhecimento avançado em Linguagem SQL (PostgreSQL, MySQL, SQL Server, BigQuery, Trino, Presto, Apache Drill, Athena);
Conhecimento intermediário/avançado em linguagens de programação como Python, Scala, Java e R;
Conhecimento intermediário em ferramentas de versionamento e GitOps (Git, Github, GitLab, CI/CD);
Conhecimento intermediário em Linux;
Experiência com bancos de dados relacionais e NoSQL (PostgreSQL, MongoDB, Redis, etc);
Conhecimento intermediário em modelagem de dados Dimensional (Kimball, Star Squema, Snowflake Schema), Medallion (Bronze, Silver e Gold), Data Vault e Inmon;
Conhecimento básico/intermediário em containerização com Docker;
Conhecimento básico/intermediário em orquestração de pipelines com Airflow, Dagster e Prefect;
Conhecimento básico em Cloud Computing (AWS, GCP ou Azure);
Conhecimento básico em plataformas de dados como Databricks e Snowflake;
Experiência com metodologias ágeis (Scrum ou Kanban).
Desejáveis:
Conhecimento em processamento distribuído (Spark, PySpark, Trino, AWS EMR, Azure Synapse, Google Dataflow);
Conhecimento em formatos de arquivos otimizados (Parquet, Avro, Delta, Iceberg)
Conhecimento em transformação de dados (dbt, AWS Glue, Azure Data Factory)
Noções de Data Quality;
Conhecimento em Object Storage (S3, GCS, Azure Blob Storage, Azure Data Lake);
Conhecimento em sistemas de arquivos distribuídos (HDFS, MinIO);
Conhecimento em serviços de dados gerenciados (AWS RDS, Azure SQL Database, Cloud SQL);
Noções de Kubernetes (EKS, AKS, GKE);
Conhecimento em ferramentas de analytics local (DuckDB, Polars);
Conhecimento em ferramentas de codificação assistida por GenAI (GitHub Copilot, Cursor, Codeium, Claude Code, etc).
Tempo integral
Negociável
Trabalho remoto