Estamos em busca de um(a) Engenheiro(a) de Dados Sênior para atuar no time de Data Engineering, com o desafio de evoluir a plataforma de dados da Mevo, garantindo escala, confiabilidade e governança para suportar o crescimento do negócio e a tomada de decisão orientada a dados.
Essa pessoa será responsável por construir e manter pipelines de dados em larga escala, desenhar a arquitetura do nosso data lakehouse, e estabelecer padrões técnicos que elevem a maturidade de dados da empresa. É uma posição que combina mão na massa em engenharia, visão arquitetural e influência técnica, atuando próximo a stakeholders de negócio.
Projetar, construir e manter pipelines de dados em larga escala (batch e streaming) usando Python, SQL, Spark/PySpark e ferramentas do ecossistema AWS;
Desenhar e evoluir a arquitetura do nosso data lake/lakehouse, definindo padrões de modelagem, particionamento e camadas (raw, trusted, refined);
Implementar pipelines de streaming/tempo real com Kafka/Kinesis para casos de uso que exigem baixa latência;
Otimizar performance e custos da plataforma de dados (Databricks, AWS), identificando gargalos e propondo melhorias contínuas;
Implementar práticas de governança, qualidade e observabilidade de dados (data contracts, testes, lineage, monitoramento);
Mentorar pessoas do time, definir padrões técnicos e participar ativamente de code reviews e decisões de arquitetura;
Trabalhar próximo a stakeholders de negócio e times de produto para entender necessidades e traduzir em soluções de dados que gerem valor.
Sólida experiência prática como Engenheiro(a) de Dados, com vivência em projetos de larga escala e alta complexidade;
Domínio avançado de Python e SQL para construção de pipelines e transformações de dados;
Experiência consistente com Spark/PySpark para processamento distribuído;
Vivência com o ecossistema AWS para dados;
Experiência com plataformas modernas de dados como Databricks e/ou Snowflake;
Experiência com pipelines de streaming usando Kafka ou tecnologias similares;
Conhecimento em modelagem de dados (dimensional, Data Vault ou similares) e arquiteturas de data lake/lakehouse (medallion, Delta Lake, Iceberg);
Capacidade de tomar decisões arquiteturais bem fundamentadas, considerando trade-offs de performance, custo e manutenibilidade;
Boa comunicação para colaborar com times técnicos e de negócio, e didática para mentorar outras pessoas.
Experiência com Infrastructure as Code (Terraform);
Conhecimento em ML/MLOps e suporte a pipelines de Machine Learning em produção;
Experiência com dbt e práticas de Analytics Engineering;
Experiência em ambientes regulados (saúde, financeiro), com atenção a compliance e privacidade de dados.
- ️ Benefício TotalPass;
- Vale Refeição e Vale Alimentação;
- Seguro de Vida;
- Plano de saúde;
- Plano Odontológico;
- Benefício de farmácia;
- Benefício Petlove;
- Bônus (conforme atingimento de metas);
