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

Descrição da vaga

Você é movido(a) por tecnologia, dados e inovação? 🚀 

Na Triggo.ai, transformamos desafios complexos em soluções inteligentes. Somos uma empresa brasileira focada em Analytics, IA e transformação digital, ajudando organizações a tomar decisões mais estratégicas e gerar impacto real nos negócios. 

Trabalhamos com diferentes setores do mercado, sempre combinando tecnologia de ponta, visão de negócio e execução ágil. 

Se você quer construir soluções que fazem a diferença e crescer junto com um time de alta performance, seu lugar pode ser aqui. 

👉 Vem para a Triggo.ai e construa o futuro com a gente. 

Responsabilidades e atribuições

• 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 e qualificações

Requisitos / Experiência:

• 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 de Dados Analítica:

• Modelagem dimensional;
• Definição de tabelas fato e dimensão;
• Modelagem para Data Warehouse, Data Marts e ambientes Lakehouse.

Arquitetura e Organização de Dados:

• Experiência com camadas de dados Medalhão (Raw/Bronze, Trusted/Silver, Curated/Gold);
• Organização de dados para consumo analítico e operacional.

Tecnologias e Linguagens:

• 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.

Cloud & Ferramentas:

• 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 e Arquitetura:

• Integração de dados via APIs, microsserviços e containers;
• Experiência com mensageria (Kafka, Kinesis);

Governança e Qualidade:

• Conhecimento em governança, segurança, compliance e controle de acesso;
• Experiência com observabilidade e qualidade de dados (monitoramento, auditoria, rastreabilidade e linhagem).

Boas Práticas:

• Versionamento de código, CI/CD, testes automatizados e code review.

Negócio & Liderança:

• Capacidade de traduzir conceitos de negócio em métricas, KPIs e OKRs;
• Experiência em liderança técnica, mentoria e desenvolvimento de times.

Diferenciais:

• 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.