Analytics Engineer Sênior

A Caju é uma empresa brasileira de tecnologia, que busca dar mais sabor à vida profissional, transformando a relação entre empresas e colaboradores por meio de soluções mais inovadoras e seguras como o Cartão Multi Benefícios, Solução em Despesas Corporativas, Premiações e Caju Ciclos.

Aqui na Caju, aprendemos sempre, e nos tornamos cada vez melhores em um ambiente colaborativo e divertido!

São muito bem-vindas candidaturas de pessoas negras/pretas, mulheres, indígenas, LGBTQIA+, ou outros grupos minorizados.

Inscreva-se e conheça mais sobre nosso time 🧡

• Construir e manter modelagens de dados robustas utilizando DBT, aplicando boas práticas de desenvolvimento como testes, documentação e versionamento de modelos.
• Desenvolver tabelas fato, dimensão e data marts orientados às necessidades das áreas de negócio, seguindo padrões de modelagem dimensional (Star Schema/Snowflake Schema).
• Atuar como elo entre as equipes de negócio e a engenharia de dados, realizando levantamento de requisitos, interpretando regras de negócio e traduzindo demandas analíticas em soluções de dados confiáveis e escaláveis.
• Documentar os modelos desenvolvidos, incluindo definições de métricas, regras de negócio aplicadas, glossário de dados e lineage, garantindo rastreabilidade e entendimento por toda a organização.
• Implementar e manter pipelines de orquestração no Databricks e Airflow, assegurando a confiabilidade e o monitoramento dos fluxos de dados.
• Desenvolver soluções em Python e SQL para transformação, tratamento e agregação de dados no ambiente Databricks.
• Implementar testes de qualidade de dados nos modelos DBT e camadas analíticas, garantindo consistência, completude e acurácia das informações entregues às áreas de negócio.
• Estruturar monitorias e alertas sobre os pipelines e modelos de dados, atuando proativamente na identificação e resolução de inconsistências.
• Conduzir projetos complexos de modelagem de ponta a ponta, desde o entendimento da dor do negócio até a entrega das camadas analíticas em produção.
• Aplicar estratégias de particionamento, clustering e materialização adequadas para garantir performance e eficiência de custo no processamento dos dados.
• Colaborar com squads de produto e negócio para garantir que as soluções de dados suportem decisões estratégicas e operacionais da empresa.
• Utilizar GitHub para versionamento de código, revisão de pull requests e manutenção de boas práticas de engenharia no time.

Modelagem e Arquitetura de Dados

• Domínio em modelagem de dados analíticos: Star Schema, Snowflake e OBT (One Big Table)
• Conhecimento sólido em arquiteturas de camadas como Medallion Architecture (Bronze, Silver, Gold).
• Capacidade de definir e aplicar contratos de dados entre camadas, garantindo consistência e previsibilidade para os consumidores.

Performance e Otimização

• Experiência com estratégias de materialização no DBT (tables, views, incremental models e snapshots), sabendo escolher a abordagem mais adequada para cada camada e volume de dados.
• Conhecimento em particionamento de dados por colunas de data ou outras chaves de alta cardinalidade, reduzindo o volume lido nas queries e otimizando custo e desempenho no Databricks.
• Familiaridade com técnicas de clustering e Z-Ordering no Databricks/Delta Lake para otimização de leitura em tabelas de grande volume.
• Capacidade de identificar e corrigir gargalos de performance em queries SQL, como evitar full table scans, uso eficiente de joins, agregações e window functions.
• 
  
• Capacidade de estimar e gerenciar o impacto de modelos complexos no custo de processamento em cloud, propondo soluções que equilibrem performance e eficiência operacional.

Ferramentas e Tecnologias

• Domínio de DBT (dbt Core ou dbt Cloud), incluindo criação de modelos, testes, macros e documentação.
• Experiência com Databricks e Delta Lake, incluindo funcionalidades como Time Travel, VACUUM e OPTIMIZE.
• Habilidades avançadas em SQL para construção de queries complexas e modelagem analítica.
• Conhecimento em Python para automação, transformação de dados e desenvolvimento de scripts de suporte às pipelines.
• Experiência com orquestração de pipelines utilizando Apache Airflow e Databricks.
• Experiência com versionamento de código utilizando GitHub, incluindo fluxos de revisão e colaboração em equipe.

Habilidades Comportamentais

• Pensamento crítico e autonomia para conduzir projetos complexos com múltiplos stakeholders.
• Capacidade de comunicação clara com áreas de negócio não-técnicas, traduzindo necessidades analíticas em soluções de dados.
• Forte senso de dono sobre a qualidade e confiabilidade dos dados entregues.

Diferenciais

• Experiência com Unity Catalog ou outras ferramentas de governança e catalogação de dados.
• Conhecimento em ferramentas de observabilidade de dados, como Elementary ou Monte Carlo.
• Familiaridade com ferramentas de BI como Metabase, Explo, GoodData, Luzmo ou Power BI, entendendo o consumo dos modelos pelas áreas analíticas.
• Conhecimento em Terraform ou IaC para provisionamento de ambientes de dados em nuvem.
• Vivência em ambientes de fintech e benefícios.