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