Coordenadora/coordenador de dados

Formação necessária: Superior completo em Ciência da Computação, Engenharia de Computação, Engenharia de Software, Engenharia de Dados, Sistemas de Informação ou Ciência de Dados.

Conhecimentos necessários:

Visão de ponta a ponta de soluções de dados, abrangendo Ciência de Dados, Engenharia de Dados e BI/Analytics;

Capacidade de avaliar, orientar e garantir a qualidade técnica de soluções desenvolvidas em Python, SQL e PySpark;

Construção e sustentação de pipelines ETL/ELT, modelagem de dados, qualidade, governança, segurança e otimização de bases;

Modelagem preditiva e fundamentos de estatística, incluindo validação, métricas de erro, monitoramento e interpretação de resultados;

Experiência com ferramentas de BI e visualização, com foco na construção de produtos analíticos para tomada de decisão;

Liderança de equipes técnicas multidisciplinares, gestão de desempenho, priorização, gestão de stakeholders e comunicação com áreas de negócio;

Ambiente Azure e Databricks, incluindo notebooks, jobs e pipelines; além de PySpark e Excel avançado;

Conceitos e práticas de MLOps, sustentação de modelos em produção, versionamento com Git/Azure DevOps e orquestração com Airflow ou Azure Data Factory;

Aplicação de técnicas analíticas como séries temporais, forecast, segmentação, modelos de propensão, lead scoring, otimização ou experimentação A/B.

• Definir e gerir o roadmap, o backlog, a capacidade e os indicadores do time, estabelecendo prioridades, prazos e critérios de qualidade alinhados à estratégia comercial;
• Liderar o ciclo completo dos produtos de dados - entendimento do problema, desenho, implementação, implantação, adoção, monitoramento e sustentação;
• Atuar como ponte entre negócio, tecnologia e dados, traduzindo desafios comerciais em soluções viáveis e recomendações acionáveis;
• Orientar a evolução da arquitetura, dos pipelines e das bases de dados, assegurando qualidade, governança, segurança, desempenho, custos e escalabilidade;
• Garantir a sustentação de modelos, pipelines e painéis em produção, com monitoramento de disponibilidade, performance e qualidade dos dados;
• Estabelecer padrões técnicos e boas práticas de documentação, versionamento, reprodutibilidade, testes e uso responsável de IA generativa;
• Desenvolver cientistas, engenheiros e analistas de dados, acompanhando desempenho, capacitação, sucessão e evolução de carreira;
• Mensurar e comunicar o valor gerado pelos produtos de dados, acompanhando adoção, eficiência operacional e impacto nos resultados comerciais.