12847372 - Analytics Engineer Sênior

Stefanini; United States; Remote; USD 120,000 - 180,000; Full time

Job summary

A Stefanini está contratando um Analista de Engenharia de Dados Sênior para liderar a camada de transformação de dados no GCP. O papel foca em modularidade, confiabilidade e eficiência dos modelos, com ênfase em IA para acelerar a criação de modelos.

Você definirá padrões, criará camadas semânticas, integrará fontes de dados para BI e garantirá a qualidade de dados por meio de testes automatizados, trabalhando de forma colaborativa com equipes técnicas e de negócio.

Qualifications

• Domínio de SQL avançado no BigQuery, incluindo funções de janela e UNNEST.
• Experiência com Dataform (JavaScript) e/ou dbt com Jinja.
• Modelagem de dados para data warehouses, com SCD Tipo 2, particionamento e clustering.
• Integração de fontes de dados para BI com Looker Studio e BI Engine.
• Criação de testes de dados (esquema, integridade, volume).
• Capacidade de comunicar regras de negócio a público técnico e não técnico.
• Código limpo, modular e bem documentado; colaboração pragmática.
• Investigar causas raiz de divergências entre sistemas e modelos de dados.

Responsibilities

• Definir padrões de engenharia SQL no BigQuery com Dataform e/ou dbt.
• Estruturar cargas incrementais e reprocessamentos idempotentes.
• Implementar testes e controles de qualidade de dados.
• Criar modelos de referência para geração de novos modelos com IA.
• Desenvolver camadas semânticas e Data Marts para Looker Studio.
• Colaborar com áreas consumidoras para traduzir regras de negócio em modelos de dados.

Skills

SQL BigQuery

Dataform

dbt with Jinja

Data modeling (Cloud DW)

Looker Studio / Looker BI

BI Engine

Data quality tests

Código limpo / modular

Root cause analysis

Tools

BigQuery

Dataform

dbt

Looker Studio

LookML

Cube

dbt Semantic Layer

Job description

No Grupo Stefanini, você fará parte de uma jornada de transformação que combina tecnologia, inteligência artificial e colaboração para criar soluções com impacto real. Nesta posição de Analytics Engineer Sênior, você liderará a evolução da camada de transformação de dados no GCP, tornando os modelos mais modulares, confiáveis e eficientes. Seu trabalho também ajudará a estabelecer padrões para acelerar a criação de modelos com apoio de IA.

Responsabilidades

• Definir e implementar padrões de engenharia SQL no BigQuery com Dataform e/ou dbt, promovendo modularidade, reuso de código e modelagem eficiente.
• Estruturar cargas incrementais e reprocessamentos idempotentes, reduzindo atualizações completas desnecessárias.
• Implementar testes e controles de qualidade de dados, incluindo auditorias e mecanismos para impedir a propagação de dados inconsistentes.
• Criar e documentar modelos de referência para apoiar a geração padronizada de novos modelos de dados com IA.
• Desenvolver camadas semânticas e Data Marts para ferramentas de BI, especialmente Looker Studio, com foco em desempenho, custo e consistência de indicadores.
• Colaborar com as áreas consumidoras para transformar regras de negócio em modelos de dados claros e confiáveis.

Requisitos obrigatórios

• Domínio de SQL avançado no BigQuery, incluindo funções de janela, QUALIFY, manipulação de UNNEST e ARRAY_AGG e scripting procedural.
• Experiência com ferramentas de transformação modular, como Dataform, incluindo JavaScript, e/ou dbt com Jinja.
• Experiência em modelagem de dados para Cloud Data Warehouses, incluindo modelagem dimensional, campos aninhados, SCD Tipo 2, particionamento, clustering e cargas incrementais.
• Experiência na integração e otimização de fontes de dados para ferramentas de BI, especialmente Looker Studio e BI Engine.
• Vivência na criação de testes automatizados de dados, como testes de esquema, integridade referencial, volume e atualização.
• Capacidade de comunicar regras de negócio e estruturas de dados para públicos técnicos e não técnicos.
• Rigor na produção de código limpo, modular e bem documentado, com abordagem colaborativa e pragmática.
• Capacidade de investigar causas raiz de divergências entre sistemas e modelos de dados.

Diferenciais

• Experiência na migração de pipelines legados para arquiteturas modulares em Dataform ou dbt.
• Conhecimento de ferramentas de camada semântica, como LookML, Looker, Cube ou dbt Semantic Layer, ou de práticas para padronização de métricas.
• Experiência com análise de grafos de linhagem para identificar gargalos de SLA e aprimorar dependências entre modelos.

O que esperamos

Esperamos que você trate tabelas e camadas semânticas como produtos de dados, com atenção a qualidade, documentação, prazos de atualização e confiança de quem utiliza as informações. Você terá espaço para aplicar seu rigor técnico, colaborar com diferentes áreas e contribuir para uma arquitetura de dados mais consistente e preparada para crescer.