Senior Analytics Engineer

Sobre o Desafio
Estamos em busca de uma pessoa Senior Analytics Engineer qualificada e proativa para se juntar ao nosso time de Dados. Se você é um profissional apaixonado por transformar dados brutos em ativos estratégicos, domina as melhores práticas de engenharia de software aplicadas ao mundo analítico e quer construir uma arquitetura de dados escalável, seu lugar é aqui!

Responsabilidades e Atribuições

• Modelagem & dbt: Liderar o desenvolvimento de modelos analíticos escaláveis utilizando dbt, garantindo padrões de modelagem (dimensional/relacional) e as melhores práticas de engenharia analítica.
• Qualidade e Governança: Criar, testar e documentar transformações assegurando a confiabilidade, rastreabilidade (lineage) e governança dos dados.
• Orquestração & DataOps: Desenvolver e manter pipelines complexos aplicando versionamento, modularidade, observabilidade e práticas de CI/CD.
• Performance & Custos: Otimizar consultas e estruturas em nosso Data Warehouse (BigQuery), aplicando técnicas avançadas de performance tuning, particionamento e clustering para eficiência de custo e processamento.
• Habilitação de Dados: Atuar como ponte para Analistas e Cientistas de Dados, garantindo o consumo de datasets confiáveis, bem documentados e semanticamente organizados.
• Cultura Técnica: Evangelizar padrões técnicos e boas práticas de transformação dentro da organização, participando ativamente da evolução da nossa arquitetura de dados em GCP.
• Visualização: Apoiar a criação de produtos analíticos e camadas semânticas em ferramentas de BI (foco em Looker).

Requisitos

• Experiência Sólida: Histórico comprovado como Analytics Engineer, Engenheiro(a) de BI ou de Dados em ambientes de alta escala.
• Domínio de SQL & Modelagem: Expertise em SQL avançado e profundos conhecimentos em modelagem dimensional (Star Schema, Snowflake).
• Ecossistema dbt: Experiência profissional com dbt em produção (macros, testes, pacotes e documentação).
• Orquestração: Experiência com construção de DAGs, gestão de retries e monitoramento.
• Cloud Data Warehouse: Vivência avançada em BigQuery (preferencial) ou similares (Snowflake/Redshift), incluindo gestão de IAM e estratégias de armazenamento.
• BI & Camada Semântica: Proficiência em ferramentas de visualização, com destaque para a construção de camadas semânticas (LookML é um diferencial forte).

Diferenciais

• Python: Conhecimento para automação de tarefas e construção de pipelines customizados.
• Arquiteturas Modernas: Vivência com conceitos de Data Lakehouse, Data Mesh ou Data Vault.
• Cloud Nativo: Familiaridade com serviços GCP (Cloud Storage, Cloud Functions, IAM).
• DataOps: Experiência com testes automatizados de dados e esteiras de deploy (GitLab CI/GitHub Actions).