Resumo da Posição
Estamos em busca de um(a) pessoa Lead de Infraestrutura e Conectividade para atuar na construção, evolução e sustentação de pipelines de dados em Azure, com foco em Lakehouse, confiabilidade e boas práticas de engenharia de dados, conduzindo alinhamentos com stakeholders e apoiando decisões arquiteturais da plataforma.

Responsabilidades e Atribuições da Posição
Construir, manter e orquestrar pipelines de dados utilizando Azure Data Factory (ADF), Databricks e stack Azure
Construir e evoluir arquiteturas Lakehouse aplicando boas práticas como arquitetura Medallion (Bronze, Silver, Gold)
Atuar em modelagem de dados e manipulação de bancos relacionais e distribuídos, garantindo consistência e escalabilidade
Desenvolver soluções com SQL e Spark SQL para processamento de grandes volumes de dados, com foco em performance
Evoluir e sustentar pipelines já consolidados e altamente estáveis, garantindo previsibilidade e baixo risco operacional
Desenvolver dashboards e soluções analíticas em Power BI quando necessário para suportar necessidades do negócio
Integrar APIs e manipular dados para projetos diversos da companhia, garantindo rastreabilidade e confiabilidade ponta a ponta
Participar de projetos envolvendo IA aplicada, incluindo automações e integrações com modelos inteligentes
Conduzir reuniões com stakeholders e áreas clientes com autonomia, alinhando escopo, prioridades e critérios de sucesso
Criar, gerir e acompanhar demandas no Jira, garantindo visibilidade, priorização e cadência de entrega
Apoiar decisões arquiteturais da plataforma de dados, contribuindo com trade-offs, padrões e governança

Requisitos Obrigatórios
Experiência sólida com Azure Data Factory (ADF) ou ferramentas equivalentes de orquestração de dados
Forte domínio de modelagem de dados e bancos relacionais/distribuídos
Excelente domínio de SQL e Spark SQL
Experiência prática com Databricks e arquitetura Lakehouse
Conhecimento aprofundado da stack Azure (foco em dados)
Experiência com pipelines escaláveis, monitoramento, observabilidade e confiabilidade
Vivência com boas práticas de engenharia de dados: versionamento, qualidade, observabilidade, governança e monitoramento
Capacidade de atuar com autonomia técnica e participar de decisões arquiteturais
Boa lógica de programação e facilidade com integração de APIs

Requisitos Diferenciais
Experiência com Machine Learning e integração de pipelines com modelos
Python aplicado a dados e IA
MLflow
Git/GitFlow
CI/CD e DataOps/DevOps
Azure DevOps
Infraestrutura como código
Governança, catálogo e linhagem de dados (Unity Catalog)
Vivência em projetos envolvendo IA aplicada ao negócio