Role Description Colaborar com membros da equipe para coletar requisitos de negócio e projetar modelos de dados. - Construir confiança em todas as interações e fornecer os dados mais completos, confiáveis e precisos para a empresa. - Projetar, desenvolver e estender código ETL e pipelines de dados para expandir o Data Lake Empresarial. - Criar e manter documentação de arquitetura e sistemas. - Manter conjuntos de dados principais ou produtos de dados atualizados no Catálogo de Dados para apoiar análises de Self-Service e Fonte Única da Verdade. - Desenvolver código que atenda aos nossos padrões internos de estilo, manutenibilidade e melhores práticas para um ambiente de dados de alta escala. - Manter e defender esses padrões através de revisão de código. - Aprovar mudanças em modelos de dados como Revisor da Equipe de Dados e ser responsável por conjuntos de dados específicos e esquemas de modelos de dados. - Compartilhar expertise em modelagem e transformação de dados para todas as equipes do iFood através de revisões de código, pareamento e treinamento para ajudar a entregar designs e consultas otimizados e escaláveis de conjuntos de dados ou produtos de dados no Databricks. Qualifications - Disposição para aprender coisas novas todos os dias. - Habilidade com SQL, Python e Spark. - Excelente comunicação: Alcançar consenso regularmente entre equipes técnicas e de negócio. - Capacidade demonstrada de comunicar de forma clara e concisa atividades complexas de negócio, requisitos técnicos e recomendações. - 2+ anos na área de Dados como analista, engenheiro ou equivalente. - 2+ anos de experiência projetando, implementando, operando e estendendo modelos de dados empresariais (dimensionais ou não). - 2+ anos trabalhando com Banco de Dados ou Data Warehouse de grande escala, preferencialmente em ambiente de nuvem. - Inglês técnico. - Desejável: Experiência com Databricks, Airflow e AWS. Requirements - Experiência prática em inteligência artificial. - Habilidade para gerar indicadores mensuráveis e identificar mudanças necessárias. - Capacidade de se adaptar rapidamente a novas tecnologias e desafios. - Interesse em promover a cultura de colaboração e troca de conhecimentos. Benefits - Buscamos uma pessoa apaixonada por tecnologia e dados, que esteja sempre em busca de novos aprendizados e que goste de desafios.

• Define and evolve data architecture standards for analytics and reporting, including data modeling, naming conventions, schema design, and documentation practices across the organization • Own the data catalog and metadata strategy, partnering with stakeholders to define, name, and organize data assets across multiple domains and source systems • Collaborate closely with Principal Data Engineering leadership and application engineering teams to align on ELT patterns, Snowflake usage, schema evolution, and analytical data modeling practices • Contribute hands‑on through SQL and Python, developing reference data models, prototypes, templates, and example implementations that demonstrate architectural intent • Support and enable data analysts by establishing consistent data usage, modeling standards, and shared definitions across a wide range of technical skill levels • Partner with application engineers on schema design to support rapid application development and reliable integration between operational and analytical data systems • Support PostgreSQL (including AWS Aurora) and Snowflake data modeling and analytical access patterns in collaboration with platform and database stakeholders • Establish and promote data governance practices covering data quality, ownership, lifecycle management, and schema change management • Drive incremental delivery of data architecture improvements, aligning short‑term progress with a clear long‑term architectural vision • Design high-ingestion pipelines (using tools like InfluxDB, Timescale, or Snowflake) capable of handling millions of data points per second from globally distributed battery sites • Ensure data can be seamlessly ingested from various industrial protocols such as Modbus, CAN bus, or DNP3, and translated into standardized cloud formats • Ensure data architectures comply with grid-specific regulations (like NERC CIP) and mandate on-site data storage for grid resilience • Help set the vision, roadmap and communicate the enterprise data strategy for the company

• Prepare technical architecture and design documents; • Manage the Databricks environment; • Manage cloud components on AWS, Azure, and GCP; • Develop solutions using Java, Python, Spark, and Scala; • Configure networking components in hybrid environments; • Define best practices for relational and non-relational data storage; • Implement improvements to Data Lake and Data Warehouse environments; • Implement and manage SQL and NoSQL databases; • Define and develop DevOps, Docker, and Kubernetes solutions; • Discuss and determine the best approaches for system integrations; • Support the creation of data governance processes; • Discuss the best solutions to support the company’s self-service BI strategy.

• Build shared platform services, tooling, and automation that support trusted data products across teams and domains • Develop reusable engineering patterns for ingestion, transformation, publishing, and operational workflows • Build and maintain platform components, automation, and engineering utilities using Python and other appropriate technologies • Contribute to internal tools and workflows that improve platform usability and reduce manual effort • Partner with senior engineers to implement scalable, maintainable platform solutions • Use infrastructure as code and CI/CD practices to improve consistency, repeatability, and maintainability • Support secure integration patterns for internally managed tools and connected SaaS solutions • Strengthen platform operability through observability, production-ready patterns, and practical automation • Collaborate with engineering and cross-functional stakeholders to turn platform needs into reliable technical solutions • Apply AI-assisted development practices where they improve engineering productivity and workflow efficiency • Contribute to strong engineering standards through thoughtful implementation, code quality, testing, and peer review