Arquiteto de Dados (Perfil Hands-On / Especialista de Dados)

Vaga não está no LinkedIn

🕒 Junho 26

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

SysMap Solutions

SiteLinkedInTodas as Vagas

1001 - 5000 funcionários

Fundada em 1999

A SysMap Solutions é uma empresa de serviços dedicada a oferecer desenvolvimento tecnológico aos seus clientes desde 1997.

Descrição

• Desenhar, definir e evoluir arquiteturas de dados corporativas, estabelecendo padrões, boas práticas e estratégias que garantam escalabilidade, desempenho, resiliência, segurança e eficiência de custos; • Atuar na concepção de soluções de dados ponta a ponta, desde o entendimento da necessidade com áreas de negócio até a definição da arquitetura técnica, garantindo aderência aos requisitos funcionais e não funcionais; • Projetar modelos de dados analíticos e arquiteturas de consumo, incluindo modelagem dimensional, definição de fatos e dimensões, Star Schema, camadas de curadoria e estruturas para analytics e BI; • Definir estratégias de armazenamento e processamento de dados em ambientes Data Lake, Data Warehouse, Lakehouse e Data Mesh, considerando volume, latência, governança e custo; • Criar e evoluir pipelines de ingestão, transformação e disponibilização de dados, com foco em resiliência, escalabilidade, observabilidade e automação; • Aplicar práticas de DataOps e FinOps, promovendo eficiência operacional, monitoramento contínuo, qualidade de dados e otimização do uso de recursos em nuvem; • Garantir integração entre plataformas de dados e iniciativas de IA, suportando casos de uso de analytics avançado, Machine Learning e GenAI; • Definir padrões de modelagem, catálogo, linhagem, qualidade e governança de dados, assegurando consistência e confiabilidade da informação; • Apoiar times técnicos e áreas de negócio na tradução de regras de negócio em estruturas analíticas, métricas, KPIs, indicadores e modelos de dados sustentáveis; • Atuar como referência técnica, promovendo mentorias, revisões de arquitetura e direcionamento de boas práticas para o time de engenharia de dados.

🎯 Requisitos

• Sólida experiência em engenharia de dados em ambientes de média e grande escala; • Forte atuação em arquitetura de dados e desenho de soluções analíticas. • Modelagem dimensional; • Definição de tabelas fato e dimensão; • Modelagem para Data Warehouse, Data Marts e ambientes Lakehouse. • Experiência com camadas de dados Medalhão (Raw/Bronze, Trusted/Silver, Curated/Gold); • Organização de dados para consumo analítico e operacional. • Domínio de Big Data e processamento distribuído (especialmente Apache Spark); • Conhecimento avançado em SQL (tuning e otimização de queries complexas); • Programação avançada em Python e PySpark. • Experiência com serviços AWS (Glue, EMR, Lake Formation, Redshift, S3, Step Functions, entre outros); • Vivência com pipelines ETL/ELT (dbt, Glue); • Orquestração com Airflow e/ou Step Functions. • Integração de dados via APIs, microsserviços e containers; • Experiência com mensageria (Kafka, Kinesis); • Conhecimento em governança, segurança, compliance e controle de acesso; • Experiência com observabilidade e qualidade de dados (monitoramento, auditoria, rastreabilidade e linhagem). • Versionamento de código, CI/CD, testes automatizados e code review. • Capacidade de traduzir conceitos de negócio em métricas, KPIs e OKRs; • Experiência em liderança técnica, mentoria e desenvolvimento de times. • Experiência em ambientes de IA (preparação de dados para Machine Learning e GenAI); • Vivência com Data Mesh, arquitetura orientada a domínios e produtos de dados; • Conhecimento em catálogo de dados, data lineage, data quality frameworks e governança federada; • Experiência com modelagem de dados para o setor financeiro.

🏖️ Benefícios

• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •