Engenheiro(a) de Dados

Другое

•  
• Transforme sua carreira com o iFood! Somos uma empresa brasileira de tecnologia referência na América Latina. Por meio de soluções inovadoras, conectamos milhares de restaurantes a milhões de consumidores diariamente com uma média de 100 milhões de pedidos mensais. Além do delivery de comida, também somos Mercado, Farmácia e Pet. Temos também o iFood Pago, nossa Fintech, que engloba o iFood Benefícios, o vale alimentação e refeição do iFood e o próprio iFood Pago, o banco do restaurante. Junte-se a nós e faça parte de uma equipe que está sempre à frente com tecnologia de ponta e inovação constante.
• Construir e manter pipelines, datasets analíticos e a camada semântica do domínio: garantindo que a   infraestrutura de dados sustente decisões, produtos analíticos e agentes de IA com confiabilidade e freshness  dentro do SLA acordado.
• Tratar dados como produto com ownership real: projetar modelos dimensionais com documentação, contratos e SLAs  claros para cada asset, criando ou transformando data products que se tornam referência organizacional.
• Criar e manter a fonte única da verdade para métricas e indicadores: construir métricas confiáveis a partir do entendimento profundo da estrutura de dados, suas inter-relações e regras de negócio e eliminar ativamente ambiguidades nos dados.
• Validar a integridade do consumo de dados em toda a cadeia: identificar quando agentes, dashboards ou  relatórios estão consumindo tabelas no grão errado, com agregações incorretas ou premissas inválidas e agir para correção.
• Instrumentar e curar dados para consumo por agentes de IA: projetar arquitetura que assume agent-first com convenções de API para agentes, contexto semântico, descrições e metadados estruturados que permitam consultas com precisão.
• Dar forma aos investimentos da organização em dados: articular value narrative com liderança sênior sobre quais pipelines e datasets geram maior retorno, a fim de direcionar e priorizar com visão de ROI de forma proativa.
• Projetar flywheels de dados que influenciam o roadmap: arquiteturas auto-melhoráveis onde consumo gera  telemetria, que informa priorização e por fim, que melhora o produto de dados.
• Monitorar qualidade e drift: operar checks de freshness, volume, schema e unicidade integrados ao fluxo com novos patterns de observabilidade e data contracts em escala organizacional.
• Estabelecer e disseminar os padrões de engenharia analítica da organização: liderar RFCs e ADRs em escala de org, fazer code review, definir convenções de modelagem 
• Modelagem de dados em profundidade: domínio de modelagem dimensional, normalização e desnormalização consciente com capacidade de projetar schemas que equilibram performance de query, manutenção e evolução.
• DBT como framework de excelência: fluência avançada em modelos, testes, macros, snapshots, documentação inline  e materialização estratégica (incremental, ephemeral, table), sabendo quando cada abordagem é a certa e os trade-offs de cada decisão.
• Camada semântica e governança de métricas: experiência na construção e manutenção de métricas centralizadas, catálogo de dados, linhagem e políticas de acesso a fim de garantir que consistência e confiança nos números não dependam de uma pessoa, mas de um sistema.
• Pipelines resilientes com qualidade integrada: desenho de pipelines com orquestração, retry, alertas e checks  de qualidade incorporados ao fluxo como parte do contrato de entrega.
• Instrumentação para agentes de IA: capacidade de curar metadados, descrições semânticas e contexto estruturado  que permitam a LLMs e agentes consultar dados com precisão, entendendo como modelos de linguagem interpretam esquemas e onde a ambiguidade vira alucinação.
• AI-first como referência na prática: ser referência organizacional em usar AI para acelerar o próprio trabalho  de engenharia analítica, com workflows AI-powered.
• Cost-saving em escala organizacional: referência em eficiência, com histórico de eliminar waste em processamento de dados com impacto mensurável.
• Stack em escala real: proficiência em Spark, Python, SQL, Databricks e AWS como ferramentas do dia a dia, com capacidade de otimizar queries, debugar jobs e operar workloads de dados em volume e complexidade reais. 
•  Dados como produto com alcance cross-company: Cada decisão de modelagem conectada ao impacto downstream.
• Visão de futuro com influência em estratégia: antecipa capabilities e influência a estratégia de dados da  organização com visão de AI.
• Mentoria escalável: Mentora pessoas que crescem de verdade, cria conteúdo e padrões que ajudam muita gente de uma vez 
• Buscamos uma pessoa apaixonada por dados e inovação, que esteja sempre em busca de novos aprendizados e que goste de desafios. Se você se identifica com este perfil, adoraríamos conhecer você!
•