Role Description Buscamos um(a) profissional para atuar como referência técnica em Engenharia de Dados, liderando a evolução da plataforma de dados e garantindo a entrega de soluções escaláveis, eficientes e alinhadas às necessidades do negócio. - Atuar como referência técnica na arquitetura de dados, com foco em ambientes Databricks e AWS. - Ser responsável pelos pipelines críticos de dados, incluindo ingestão, processamento e disponibilização (serving). - Garantir a adoção de padrões de engenharia, assegurando qualidade de código, testes, observabilidade, governança e cumprimento de SLAs. - Liderar decisões de arquitetura e design técnico, considerando aspectos de escalabilidade, performance, segurança e otimização de custos. - Atuar ativamente em iniciativas de FinOps, promovendo a eficiência operacional e a melhor utilização dos recursos da plataforma. - Orientar e desenvolver engenheiros de dados por meio de mentoria, code reviews e disseminação de boas práticas. - Trabalhar em parceria com stakeholders de negócio, produto e tecnologia para traduzir demandas em soluções robustas e escaláveis. - Apoiar a priorização técnica do roadmap, equilibrando necessidades de entrega, sustentabilidade da plataforma e redução de dívida técnica. - Liderar a gestão e resolução de incidentes críticos, contribuindo para a evolução da maturidade operacional do ambiente de dados. - Promover a melhoria contínua dos processos, ferramentas e práticas da área de Engenharia de Dados. Qualifications - Experiência consolidada em engenharia de dados (+5 anos). - Experiência prévia em papel de liderança técnica ou como referência dentro do time. - Forte domínio de SQL, Python e/ou Scala. - Experiência com arquiteturas modernas de dados (Data Lake / Lakehouse). - Experiência prática com Spark / Databricks (ou similar). - Experiência com cloud (preferencialmente AWS). - Conhecimento sólido em modelagem de dados (analítica e operacional). - Experiência com CI/CD, versionamento e boas práticas de engenharia. Requirements - Experiência com governança em escala (ex: Databricks Unity Catalog). - Implementação de Data as a Product / Data Mesh / Embedded Data. - Experiência com streaming (Kafka, Kinesis). - Data Observability e Data Quality frameworks. - Experiência com FinOps aplicado a dados. - Uso de IA para aumento de produtividade em engenharia de dados. Soft Skills - Capacidade de influenciar sem autoridade formal. - Comunicação clara com áreas técnicas e de negócio. - Tomada de decisão baseada em trade-offs (custo, prazo, qualidade). - Capacidade de estruturar problemas complexos. - Mentalidade de dono (ownership) sobre a plataforma. Benefits - Cultura inclusiva e ambiente equilibrado entre carreira e compromissos pessoais. - Reconhecimento como uma das melhores empresas para se trabalhar no país. - Certificações de mercado, incluindo Great Place To Work™ e Top Employers. - Avaliação de 4,6 no Glassdoor.

• Design, own, and scale the data foundation powering AI-driven workflows • Architect the governed context layer for AI agents • Establish intelligent feedback loops to drive continuous learning • Deliver advanced analytical products to measure performance

**Data Pipeline Development:** - Design and build ETL pipelines using Microsoft Fabric (Dataflow Gen2, Notebooks, or equivalent tools) - Write optimized SQL queries and transformations for data ingestion from designated source systems - Apply data quality rules and validation logic at each pipeline stage - Implement incremental loads and manage refresh schedules for performance - Escalate to Lead for architectural decisions or complex transformation patterns **Data Quality & Validation:** - Define and implement data quality checks at ingestion, transformation, and output stages - Perform ongoing data validation to ensure pipeline outputs align with business logic and source system expectations - Identify, document, and escalate data quality issues with root cause analysis - Maintain data quality dashboards and SLA monitoring - Support UAT for new data sources or transformation logic **Transformation & Modeling:** - Build and maintain data transformations using Power Query, SQL, or Python as appropriate - Develop dimensional models and define aggregation logic aligned with analytics requirements - Optimize data structures for performance and maintainability - Document transformation logic, lineage, and assumptions per team standards - Collaborate with Lead to define semantic **Operational Support:** - Troubleshoot pipeline failures and performance issues; coordinate resolution with IT/Engineering - Respond to data discrepancy reports from business users and analysts - Maintain documentation of data sources, data dictionaries, and transformation specifications - Support capacity planning and optimization of Fabric environments and pipelines models and calculated metrics

• Drive execution against the product roadmap for core retail platforms, integrations, and data foundations; contribute to roadmap prioritization in partnership with the Director of Product. • Translate complex operational and business needs into scalable, reusable platform capabilities rather than bespoke solutions. • Lead product execution for OMS-adjacent capabilities including order lifecycle management, inventory visibility, fulfillment orchestration, routing, splits, cancellations, and returns. • Define and evolve integration patterns, APIs, and data contracts across OMS, POS, ERP, WMS, CEP, CDP, and analytics platforms. • Own requirements for eventing, instrumentation, and data quality standards; define and maintain the governance model for core data domains (customer, order, product, inventory). • Partner with Data and Analytics teams to enable reliable reporting, agent-enabled insights, self-serve analytics, and downstream activation for experimentation, measurement, and AI use cases. • Research, evaluate, and scorecard platform and vendor solutions with a critical eye on architecture, scalability, integration complexity, and total cost of ownership; provide feasibility analysis to inform build-vs-buy decisions. • Identify where AI or automation can reduce operational cost, improve data quality, or accelerate fulfillment outcomes. Evaluate solutions pragmatically and make the case for prioritizing them.