Descrição:Qualificações e Requisitos:Superior Completo em Ciência da Computação, Engenharia de Dados, Sistemas de Informação, Estatística ou Física;Mestrado ou MBA em Gestão de Dados, Ciência de Dados, Engenharia de Software ou áreas correlatas será um diferencial;Experiência anterior em engenharia ou gerenciamento de dados e liderança de equipes técnicas;Experiência comprovada na implementação de soluções de dados em ambientes complexos e de alta disponibilidade;Conformidade com regulamentações de proteção de dados (LGPD, GDPR);Experiência em integração de dados de sistemas heterogêneos;Domínios Avançados:Arquitetura de Dados: Experiência em arquitetura de Data Lakehouse, Data Mesh, Data Fabric, e arquiteturas orientadas a eventos; conhecimento em microserviços para dados e integração de dados na nuvem e multicloud.Engenharia de Dados: Construção e otimização de pipelines de dados.Big Data: Manipulação e processamento de grandes volumes de dados.Governança e Segurança de Dados: Conhecimento em políticas e processos para gerenciamento de disponibilidade e integridade de dados, incluindo proteção contra acessos não autorizados.Analytics Avançado: Aplicação de técnicas de estatística e aprendizado de máquina para análise de dados.Conhecimentos Técnicos e Habilidades:Linguagens de Programação: Proficiência em Python e SQL; conhecimentos em Scala e Java são diferenciais.Ferramentas e Tecnologias:Big Data: Hadoop, Spark, Kafka.Bancos de Dados: Relacionais (MySQL, PostgreSQL, Oracle) e Não Relacionais (MongoDB, Cassandra).ETL e Integração de Dados: Apache NiFi, Talend, Informatica PowerCenter.Computação em Nuvem: AWS (Redshift, S3, EMR), Azure (Data Lake, Synapse Analytics), Google Cloud (BigQuery, Dataflow).Data Warehousing e Data Lakes: Implementação e gerenciamento.Visualização de Dados: Tableau, Power BI, Grafana.Versionamento e Metodologias: Git, SVN; metodologias ágeis (Scrum, Kanban).Processos e Metodologias:Modelagem e Governança de Dados: Data Modeling (conceitual, lógico, físico), frameworks DAMA-DMBOK e COBIT.Gestão de Qualidade e Segurança de Dados: Técnicas de criptografia, mascaramento e políticas de acesso.DevOps e DataOps: Automação de processos de dados, CI/CD para pipelines de dados.Visão e Competências Comportamentais:Visão Estratégica: Capacidade de alinhar iniciativas de dados com os objetivos de negócios;Liderança e Gestão de Pessoas: Habilidade de inspirar e motivar equipes;Comunicação Eficaz: Excelentes habilidades para traduzir conceitos técnicos a públicos não técnicos;Pensamento Analítico e Solução de Problemas: Proatividade em identificar e solucionar desafios;Adaptabilidade: Flexibilidade para atuar em um ambiente dinâmico e em constante evolução.Diferenciais:Certificações Profissionais: CDMP, AWS Certified Big Data Specialty, Google Professional Data Engineer, Microsoft Certified: Azure Data Engineer Associate.Publicações e Palestras: Participação ativa em artigos, conferências e comunidades de dados;Conhecimento em IA e ML: Entendimento de como os dados alimentam modelos de IA e aprendizado de máquina.Principais Responsabilidades:Liderança Estratégica: Liderar os Squads de Coleta e Preparação de Dados e Análise de Dados e Insights, definindo e implementando a estratégia de gestão de dados.
Definir políticas e procedimentos que assegurem a qualidade, integridade e segurança dos dados.Gerenciamento de Equipe: Gerenciar, orientar e desenvolver uma equipe de engenheiros e analistas de dados, promovendo um ambiente colaborativo e incentivando a inovação e a melhoria contínua.Arquitetura e Engenharia de Dados: Projetar e implementar arquiteturas de dados escaláveis e eficientes, como Data Warehouses e Data Lakes.
Supervisionar processos de ETL (Extração, Transformação e Carregamento) para integrar dados de diversas fontes.Governança e Conformidade: Garantir a conformidade com regulamentações de proteção de dados, incluindo LGPD.
Implementar práticas de governança de dados para assegurar consistência e confiabilidade das informações.Colaboração Interdisciplinar: Trabalhar em colaboração com equipes de Machine Learning, Inteligência Artificial e DevOps para alinhar as necessidades de dados e facilitar a comunicação entre stakeholders técnicos e não técnicos.Inovação e Melhores Práticas: Manter-se atualizado com as últimas tendências e tecnologias em gestão de dados.
Identificar e adotar novas ferramentas e metodologias que aprimorem os processos de dados.Monitoramento e Relatórios: Desenvolver KPIs para monitorar o desempenho dos sistemas de dados.
Preparar relatórios e apresentações para a alta administração e stakeholders, garantindo uma visão clara e estratégica dos processos de dados.#J-18808-Ljbffr