Senior Manager – Data Engineering

🕒 Maio 27

🇺🇸 Estados Unidos – Remoto (EUA)

💵 $130.000 - $150.000 / ano

⏰ Tempo Integral

🟠 Sênior

🚰 Engenheiro de Dados

👻 Score fantasma 23%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Magna Legal Services

SiteLinkedInTodas as Vagas

501 - 1000 funcionários

Fundada em 2007

💼 Consultoria

🛡️ Seguros

📦 Logística

💰 Debt financing em 2020-02

Consulting • Insurance • Logistics

A Magna Legal Services é uma fornecedora, com sede nos EUA, de serviços de suporte completo para contencioso para escritórios de advocacia, seguradoras, corporações e agências governamentais. A empresa oferece serviços de court reporting e depoimentos virtuais, recuperação de registros, serviços de citação, serviços investigativos e de idiomas, monitoramento de redes sociais, pesquisa e consultoria de jurados (JuryConfirm, JuryEvaluator, JuryScout), apresentação de julgamento e gráficos, e suporte relacionado ao julgamento. A Magna também produz conferências jurídicas e programas de CLE/CE e oferece ferramentas online e agendamentos em toda a nação para apoiar o litígio desde a fase de discovery até o julgamento.

Descrição

• Serve as the internal authority on Snowflake architecture, performance tuning, cost governance, and security (RBAC, data masking, network policies). • Design and maintain a scalable, well-documented warehouse structure including database, schema, and object hierarchy standards. • Drive Snowflake feature adoption — dynamic tables, Snowpark, data sharing, and emerging capabilities. • Own the dbt project end-to-end: modeling conventions, testing strategy, documentation standards, and CI/CD integration. • Establish and enforce a layered modeling approach (staging → intermediate → marts) that downstream teams can trust and self-serve. • Lead the design and operation of data pipelines on Azure, including Azure Data Factory • Ensure reliable, monitored data movement from source systems into Snowflake with clear SLAs and alerting. • Manage, mentor, and grow a team of data engineers — running regular 1:1s, setting performance goals, and building a culture of engineering excellence. • Own hiring, onboarding, and career development for the data engineering function. • Translate business requirements from stakeholders into well-scoped, prioritized engineering work. • Define and enforce organization-wide ETL/ELT best practices, naming conventions, and code review standards. • Champion data quality, observability (e.g., dbt tests), and lineage across the platform. • Proactively identify opportunities for data process improvements and lead initiatives to implement these changes.

🎯 Requisitos

• Bachelor’s degree in computer science, Information Technology, Engineering, or a related field • 7+ years in data engineering, with at least 2 years in a team lead or management role • Deep, production-grade Snowflake expertise — you have designed warehouse architectures, optimized query performance, managed costs, and implemented enterprise security controls • Fluency with dbt: you have built and maintained dbt projects at scale and can articulate opinionated best practices • Hands-on Azure Data Factory experience • Strong SQL skills and proficiency in Python for data pipeline development and automation • Proven ability to lead and grow a small team while remaining technically engaged • Strong communicator who can translate complex data concepts to non-technical stakeholders and contribute to strategic planning conversations