Pessoa Engenheira de Dados Júnior

VAGAS; United States; Remote; USD 70,000 - 110,000; Full time

Benefits offered by this job

Vale alimentação

Convênio Sesi e Sesc

Descontos em cursos e programas educa

Auxílio para certificações

Job summary

A VAGAS, banco digital em plena expansão, busca uma Pessoa Engenheira de Dados Júnior para atuar dedicada na construção e 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, lidando com o ciclo completo dos dados — da ingestão e transformação em PySpark até a disponibilização em camadas de Data Lake / Lakehouse — com orientação de engenheiras sêniores e exposição a arquitetura moderna e

Qualifications

• Experiência prática em Python aplicado a dados.
• Conhecimento de SQL (joins, agregações, CTEs e janelas).
• Noções de Apache Spark / PySpark (DataFrames, transformações).
• Familiaridade com Data Lake/Data Warehouse/Data Lakehouse; Git e CI/CD.
• Conhecimento de serviços AWS (S3, Glue, Athena, EMR) e metodologias ágeis.

Responsibilities

• Desenvolver e manter pipelines de dados em Python / PySpark.
• Escrever consultas SQL para ETL e validação de dados.
• Ingestão de dados de várias fontes para Data Lake na AWS (S3, Glue, Athena, EMR).
• Construir DAGs de orquestração no Airflow, com orientação técnica.
• Aplicar modelagem Bronze/Silver/Gold e formatos Parquet/Delta.
• Implementar validações, qualidade de dados e documentação.
• Utilizar Git e CI/CD para versionamento e deploy.
• Monitorar pipelines em produção e apoiar correções.
• Participar de cerimônias ágeis e estimativas.

Skills

Python para dados

SQL

PySpark

Data Lake / Lakehouse concepts

Metodologias ágeis

Education

Bacharelado em Ciência da Computação, Engenharia, SI, Estatística ou áreas correlatas

Tools

Airflow

Git

Docker

Kubernetes

Terraform

Trino / Presto

Databricks

AWS (S3, Glue, Athena, EMR)

Job description

Descrição da vaga

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 gradativamente e evoluir tecnicamente.

Responsabilidades e atribuições

• 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.

Requisitos e qualificações

• Experiência prática em Python aplicado a dados, ainda que em projetos de menor porte, estágio ou acadêmicos.
• Conhecimento de SQL: joins, agregações, CTEs e funções de janela.
• Noções de Apache Spark / PySpark (DataFrames, transformações e ações).
• Familiaridade com conceitos de Data Lake, Data Warehouse e Lakehouse.
• Familiaridade com Git e fluxo de branches / pull requests.
• Noções de serviços de dados em nuvem, preferencialmente AWS (S3, Glue, Athena ou EMR).
• Vivência ou interesse em metodologias ágeis (Scrum/Kanban).
• Formação em andamento ou concluída em Ciência da Computação, Engenharia, Sistemas de Informação, Estatística, Análise e Desenvolvimento de Sistemas ou áreas correlatas.

Diferenciais

• Experiência ou estágio no setor financeiro, bancário ou fintech.
• Contato com Airflow ou outra ferramenta de orquestração.
• Noções de Kafka ou outras plataformas de streaming de dados.
• Contato com Docker, Kubernetes ou Terraform.
• Conhecimento de Trino / Presto ou Databricks.
• Noções de qualidade de dados, testes de pipeline e observabilidade.
• Certificações em AWS ou Databricks (Cloud Practitioner, Data Engineer Associate ou similares).
• Uso de ferramentas de IA no fluxo de desenvolvimento.
• Inglês para leitura de documentação técnica.

Informações adicionais

• Vale Alimentação e/ou Vale Refeição;
• Convênio Sesi e Sesc, oferecendo acesso a serviços de saúde, bem-estar e lazer;
• Parceria com Instituições de Ensino, com descontos exclusivos em cursos e programas educacionais;
• Auxílio para Certificações;
• Possibilidade de crescimento na empresa e de participação em projetos estratégicos;
• Oportunidade de trabalhar em uma empresa do mercado em plena expansão.