Analista de People Analytics II

Um dos maiores grupos de beleza do mundo, o Grupo Boticário é uma empresa brasileira presente em mais de 40 países. É dono das marcas O Boticário, Eudora, Quem Disse, Berenice?, Vult, O.U.i, Dr. JONES, Tô.que.tô, TRUSS, e do marketplace Beleza na Web, além de atuar com produtos licenciados como Australian Gold, Bio Oil, Nuxe, e Pampers e sua divisão para o mercado B2B. Essa interação entre diferentes marcas, ativos, plataformas, rede de franqueados, representantes, distribuidores, varejistas, sellers e fornecedores formam o ecossistema de beleza do Grupo Boticário que oferece, ainda, soluções digitais de gestão de negócio para o varejo brasileiro por meio das suas marcas Mooz, Casa Magalhães e GAVB. São mais de 19 mil colaboradores diretos, com mais de 4 mil lojas em 1.780 cidades brasileiras.

Vem fazer beleza com a gente! 

Pipeline e Arquitetura de Dados de RH: Desenvolver, manter e otimizar pipelines de dados (ETL/ELT) integrando diferentes dados de RH.

Modelagem de Dados: Criar e dar manutenção a modelos de dados relacionais e não-relacionais (Data Warehouse / Data Lake) focados nas métricas do ciclo de vida do colaborador (Atração, Performance, Turnover, Engajamento, Remuneração).

Automação e Qualidade: Automatizar rotinas de extração de dados e implementar testes de validação para garantir a integridade, consistência e confiabilidade dos dados (Data Quality e Governance).

Conformidade e Segurança: Garantir a aplicação das normas de privacidade de dados (LGPD) em todas as bases e pipelines de RH.

Suporte e Disponibilização de Dados: Criar views e tabelas otimizadas para consumo direto dos time de Analytics do RH além de desenvolver dashboards avançados quando necessário.

Documentação: Documentar as fontes de dados, fluxos de ETL, dicionários de dados e regras de negócio da área de Pessoas.

SQL Avançado: Domínio em consultas complexas, manipulação, otimização de queries e criação de tabelas/views.

Linguagem de Programação: Experiência intermediária/avançada com Python para automação de rotinas, consumo de APIs e tratamento de dados..

ETL / ELT e Modelagem: Experiência prática na construção de fluxos de integração de dados e modelagem multidimensional (Star Schema, Snowflake).

Cloud & Data Warehouse: Conhecimento prático em ambientes de nuvem (AWS, GCP ou Azure) e ferramentas de Data Warehouse (ex: BigQuery, Snowflake, Redshift).

Visualização de Dados: Conhecimento em ferramentas de data viz (Power BI, Tableau, Looker) para construção de modelos e painéis.