← Voltar para vagas

Senior Data Engineer

ecore

Remoto BR
Dados

Score da Vaga

100 pontos
Modelo remoto (+90) Dados (+10)

Be yourself, be your best!

A e-Core atua no desenvolvimento de soluções digitais e iniciativas estratégicas por meio de projetos específicos, conectando experiência especializada às necessidades de cada entrega.

Para um projeto determinado, buscamos pessoa jurídica prestadora de serviços, com experiência técnica compatível com o escopo descrito abaixo, para atuação orientada a resultados e entregas previamente acordadas.

Contexto do projeto

O cliente é o maior varejista especializado em esqui e snowboard do Colorado, com mais de 59 unidades nos EUA. O pipeline de dados deles atualmente roda dentro de uma instância Snowflake gerenciada por terceiros, quando o pipeline falha, a recuperação exige a abertura de um chamado de suporte com o fornecedor. Não há opção de reinício self-service.
O prestador Engenheiro de Dados será responsável por toda a entrega técnica, desde a construção do pipeline até a transferência de conhecimento.

Esse é um projeto de engenheiro único — toda a entrega técnica é sua responsabilidade: decisões de arquitetura, qualidade do build e garantir que o handover saia redondo. Coordenação direta com o time técnico interno do cliente desde o dia 1 — a disponibilidade deles é uma dependência real do cronograma.

Escopo da prestação de serviços

A prestação de serviços compreenderá, de forma não exclusiva:

Fase 1 — Fundação & Pipeline de EL (Semanas 1–6)

  • Projetar e implementar o pipeline de EL do Data Share Snowflake do provedor de ERP para a instância Snowflake própria do Cliente no Azure East US;
  • Configurar Snowflake Tasks;
  • Construir contratos de schema em dbt, testes automatizados (contagem de linhas, verificação de nulos, integridade referencial) e catálogo de dados auto-gerado — aplicação de qualidade, não transformação;
  • Implementar a carga histórica completa inicial a partir do Snowflake do provedor de ERP, seguida de execuções incrementais diárias — a arquitetura deve suportar aumento de frequência (2x/dia ou a cada 8 horas) sem necessidade de rearquitetura;
  • Apoiar o redirecionamento de feeds não relacionados ao ERP (sistema de aluguel, RH, outras integrações) do Snowflake do provedor de ERP para a instância Snowflake própria do Cliente — trabalhando junto à equipe interna do Cliente, que executará as mudanças.

Fase 2 — QA, Documentação & Handover (Semanas 5–9)

  • Validar a qualidade completa dos dados nas 159 tabelas — fidelidade de schema, contagem de linhas, precisão das execuções incrementais;
  • Produzir runbooks operacionais completos: como monitorar o pipeline, reiniciar tasks com falha, adicionar novas tabelas e estender o cronograma de incrementais;
  • Conduzir sessões estruturadas de transferência de conhecimento (KT) com a equipe interna do Cliente — o objetivo é independência total a partir do primeiro dia (Day 1);
  • Apoiar o período de hypercare de 30 dias — responder a problemas no pipeline, monitorar alertas e encerrar o engajamento.

As atividades serão realizadas com autonomia técnica e operacional, respeitando o escopo, os prazos e os critérios de aceite acordados entre as partes.

Perfil profissional aderente ao projeto

Este projeto se conecta com profissionais que tem as seguintes habilidades e experiências:

  • Snowflake na prática — já ter construído e operado pipelines em produção, com Snowflake Tasks, dynamic tables e modelagem de schema;
  • Snowflake especificamente no Azure (East US ou equivalente) — experiência só com AWS não cobre esse projeto;
  • dbt — experiência em produção utilizando dbt para contratos de schema, testes automatizados e geração de documentação (não apenas transformação);
  • Domínio sólido de padrões de EL/ETL: carga incremental, change data capture, agendamento de pipeline;
  • SQL — nível avançado de SQL no Snowflake; capacidade de validar dados em escala e escrever queries incrementais eficientes;
  • Inglês — inglês escrito e falado em nível avançado;
  • Conhecimento de rede no Azure: private endpoints, configuração de VNet e como isso tudo se conecta com o Snowflake.
  • Documentação de dados — experiência na produção de documentação de mapeamento de campos e runbooks operacionais que stakeholders não-técnicos consigam seguir;
  • Design de pipeline incremental — experiência prática no design de pipelines que suportem aumento de frequência (diário → múltiplas vezes ao dia) sem necessidade de reconstrução.

Diferenciais desejáveis

Será considerado um diferencial se a pessoa prestadora de serviços tiver:

  • Experiência em ambientes de dados de varejo, e-commerce ou ERP (SAP, Oracle Retail ou similar);
  • Snowflake Data Share — experiência consumindo ou produzindo Snowflake Data Shares;
  • Python — para scripts relacionados a orquestração de pipeline ou validação de dados.

Modelo de atuação

  • Modalidade: 100% remoto
  • Regime: Pessoa Jurídica (PJ)
  • Forma de atuação: Prestação de serviços
  • Dedicação estimada: full-time pelas 9 semanas do projeto
  • Prazo do projeto: 9 semanas

A prestação de serviços não estabelece vínculo empregatício, subordinação, habitualidade ou exclusividade, sendo regida por contrato específico entre as partes.

Privacidade

Ao enviar uma inscrição, reconheço que li e entendi a Política de Privacidade da e-Core.
Privacy Policy (EN) / Política de Privacidade (PT-BR)

O objetivo de tudo o que fazemos é conectar pessoas e tecnologia para construir um futuro melhor juntos!

Sobre a área de Dados

A área de Dados passou por uma transformação radical com a ascensão da Inteligência Artificial Generativa. Profissionais de dados são fundamentais para tomada de decisão baseada em evidências em todas as indústrias.

As principais especializações incluem Data Engineering, Data Science, Business Intelligence, Machine Learning Engineering e Analytics. Ferramentas como SQL, Python, Spark, dbt e plataformas de cloud (AWS, GCP, Azure) são essenciais.

O mercado de dados continua com alta demanda e salários entre os mais competitivos do setor de tecnologia, com muitas oportunidades para trabalho remoto.

Guias de Carreira

Guia de Carreira em Tecnologia

Planejamento, habilidades, entrevistas e crescimento profissional em TI, Ciência de Dados, DevOps e Produto.

Ler guia completo →

Guia de Carreira em Design

UX/UI, Design Gráfico, Design de Produto. Portfólio, ferramentas, entrevistas e crescimento na área de Design.

Ler guia completo →

Guia de Carreira em Marketing

SEO, Mídia Paga, Growth, Marketing de Conteúdo. Certificações, ferramentas e estratégias para crescer no Marketing Digital.

Ler guia completo →

Guia de Carreira em Finanças

Mercado financeiro, investimentos, finanças corporativas, certificações e estratégias para crescer na área financeira.

Ler guia completo →

Guia de Carreira em Comunicacao

Jornalismo, RP, Comunicacao Corporativa, Marketing de Conteudo e Producao Multimidia.

Ler guia completo →

Guia de Carreira em Administracao

Gestao de Empresas, RH, Logistica, Consultoria, Gestao de Projetos e Empreendedorismo.

Ler guia completo →

Guia de Carreira em Dados

Ciencia de Dados, Engenharia de Dados, BI, Machine Learning e IA. Da formacao ao mercado.

Ler guia completo →

Guia de Carreira em Produto

Product Management, Product Ownership, Agile, Scrum e OKRs. Da estrategia a execucao.

Ler guia completo →

Dica do Especialista

Por que IA e Dados são a Nova Moeda do Mercado

Historicamente, o departamento financeiro de uma empresa operava olhando pelo espelho retrovisor. O trabalho consistia em fechar o mês, consolidar planilhas, reconciliar contas e relatar aos acionistas o que havia acontecido. Em 2026, esse modelo não apenas envelheceu, ele se tornou um risco estrutural para qualquer negócio. A nova exigência do mercado não é a documentação do passado, mas a predição cirúrgica do futuro.

A união entre Inteligência Artificial (IA) e Ciência de Dados criou o que o mercado hoje chama de "Profissional de Finanças Aumentado" (Augmented Finance Professional). Profissionais que não dominam essas ferramentas estão sendo rapidamente rebaixados a funções operacionais de baixo valor, enquanto os fluentes em dados assumem as cadeiras de tomada de decisão (C-Level).

1. De Historiador a Estrategista de Negócios

O FP&A (Financial Planning & Analysis) sofreu a maior revolução desde a criação do Excel. Até poucos anos atrás, criar cenários de planejamento exigia semanas de compilação manual. Hoje, modelos de Machine Learning ingerem terabytes de dados não-financeiros — clima, sentimento em redes sociais, cadeias de suprimentos globais, flutuações cambiais em tempo real — para criar previsões de receita altamente precisas em segundos.

O profissional de finanças moderno precisa saber fazer as perguntas certas à máquina (Engenharia de Prompts) e validar a integridade dos dados (Data Governance). O valor do humano não está em construir o gráfico, mas em traduzir os insights algorítmicos em estratégia de alocação de capital.

2. IA Generativa: O Fim do "Trabalho Braçal" Financeiro

Com a maturidade de Modelos de Linguagem de Larga Escala (LLMs) especializados em finanças (como os derivados do BloombergGPT e soluções fechadas da Microsoft e OpenAI), a elaboração de relatórios narrativos de desempenho e a análise de contratos complexos foram automatizadas.

"A Inteligência Artificial não vai substituir o CFO. Mas o CFO que utiliza IA certamente substituirá aquele que se recusa a adotá-la."

Ferramentas de IA generativa em 2026 já são capazes de ler o balanço patrimonial, compará-lo com as metas trimestrais e gerar a primeira versão do DRE (Demonstrativo de Resultados) comentado, com alertas de anomalias, liberando o analista para investigar por que as variações ocorreram, em vez de perder tempo descrevendo-as.

O Stack Tecnológico do Profissional Financeiro em 2026

Saber Excel avançado e VBA já é considerado pré-requisito básico, não um diferencial. O mercado hoje exige:

  • SQL & Python: Para extração e manipulação de bases de dados massivas que o Excel não suporta.
  • Data Storytelling (Power BI / Tableau): A capacidade de transformar números densos em narrativas visuais acionáveis para o conselho de administração.
  • Automação (RPA): Implementação de robôs para fechamento contábil e reconciliação automática.
  • Fluência em IA: Entendimento prático de modelos preditivos e uso de "Copilotos" financeiros (IA Generativa) com segurança de dados corporativos.

3. Auditoria Contínua e Detecção de Fraudes

O modelo tradicional de auditoria por amostragem (onde auditores analisam 5% das transações para inferir a saúde de 100%) tornou-se obsoleto. O profissional moderno utiliza algoritmos de detecção de anomalias que auditam 100% das transações em tempo real.

Modelos de IA aprendem os padrões de gastos da empresa e bloqueiam faturas duplicadas, pagamentos suspeitos a fornecedores e desvios de compliance antes mesmo que o dinheiro saia do caixa. Isso transformou a gestão de risco: de uma investigação post-mortem para uma barreira preventiva ativa.

Conclusão

A transição para um ambiente financeiro movido a IA e Dados não é uma ameaça aos empregos na área, mas uma oportunidade de elevação intelectual da profissão. O contador, o analista e o diretor financeiro de 2026 são, na verdade, cientistas de dados aplicados a negócios. Investir na alfabetização de dados (data literacy) deixou de ser uma vantagem competitiva para se tornar o passaporte mínimo de entrada nas corporações de alto nível.

Conteúdo focado em Desenvolvimento Profissional e Transformação Digital.