Última atualização: 6 de Novembro de 2026

Analytics Engineer Sênior

Liderança em refatoração e padronização de camada de transformação no GCP com Dataform/dbt.

Via Gupy

Sobre

Como Analytics Engineer Sênior no Grupo Stefanini, você liderará a refatoração e padronização da camada de transformação no GCP. Sua missão é erradicar consultas SQL monolíticas e lógicas duplicadas, implementando engenharia de software aplicada ao SQL (Dataform/dbt), testes de qualidade embutidos e templates que servirão de base para aceleração via IA (Antigravity).

Responsabilidades

Definir e implementar os padrões de engenharia SQL no BigQuery utilizando Dataform (com desenvolvimento de pacotes/macros em JavaScript/TypeScript) e/ou dbt (Jinja/Python), estruturando camadas claras de transformação, reuso de código, modelagem dimensional/denormalizada eficiente (uso estratégico de STRUCT e ARRAY) e padrões estritos de cargas incrementais (incremental tables com merge/insert-overwrite por partição), evitando full-refreshes desnecessários e garantindo idempotência nos reprocessamentos.
Implementar frameworks de Data Quality (assertions no Dataform / Dataplex Auto Data Quality) e o padrão arquitetural Write-Audit-Publish (WAP) no BigQuery, garantindo que dados recém-processados sejam auditados e que anomalias, quebras de chave ou atrasos de SLA acionem Circuit Breakers e bloqueiem a propagação de dados corrompidos antes de serem expostos às views de consumo final.
Estruturar os modelos e templates de transformação de excelência, mantendo um repositório de "Few-Shot Examples" (exemplos canônicos de Staging, Intermediate e Marts) perfeitamente documentados que servirão de contexto para o Antigravity gerar novos modelos de dados de forma padronizada.
Trabalhar próximo às áreas consumidoras para desenhar camadas semânticas e Data Marts otimizados no BigQuery (via Views Autorizadas, Tabelas Agregadas e Materialized Views aceleradas pelo BI Engine) para ferramentas de visualização (especialmente Looker Studio), garantindo alta performance, baixo custo de leitura e consistência absoluta de KPIs mesmo em ferramentas que não possuem camada de modelagem centralizada nativa.

Requisitos

Domínio absoluto de SQL avançado no BigQuery (Window Functions / QUALIFY, manipulação avançada de UNNEST / ARRAY_AGG, scripting procedural) e ferramentas modernas de transformação modular: Dataform (incluindo JavaScript para geração dinâmica de SQL) e/ou dbt (Jinja).
Experiência profunda em modelagem de dados para Cloud Data Warehouses (Kimball adaptado para bancos colunares, One Big Table com campos aninhados RECORD/REPEATED, modelagem histórica Slowly Changing Dimensions - SCD Tipo 2, técnicas de Partition Pruning, Clustering em chaves de alta cardinalidade e modelagem incremental para redução de bytes escaneados e consumo de slots).
Experiência com integração, catalogação e otimização de fontes de dados para ferramentas de BI, com destaque para Looker Studio e BI Engine (uso de Materialized Views, pré-agregações, gerenciamento de concorrência e prevenção de queries full-scan disparadas por filtros mal configurados no Looker Studio).
Vivência comprovada na criação de testes automatizados de dados (schema tests, testes de integridade referencial, detecção de anomalias de volume e atualização).
Ponte entre Negócio e Engenharia: Possuir excelente articulação verbal e visual para traduzir regras de negócio complexas em modelos de dados limpos e saber explicar essa estrutura tanto para um diretor comercial quanto para um engenheiro de dados.
Rigor Técnico com Pragmatismo: Possuir obsessão saudável por código limpo, modular e bem documentado, sabendo evangelizar boas práticas de Analytics Engineering de forma consultiva e colaborativa.
Mentalidade de Produto (Data-as-a-Product): Enxergar tabelas e camadas semânticas como produtos que precisam de SLA, documentação clara e confiança do usuário final.
Pensamento Analítico e Investigativo: Capacidade de realizar análises de causa raiz (RCA) rápidas quando divergências de números surgem entre sistemas legados e a nova camada semântica.

Desejáveis

Experiência na migração de pipelines legados (Stored Procedures monolíticas ou queries agendadas no BigQuery) para arquiteturas modulares no Dataform/dbt.
Conhecimento em ferramentas de camada semântica dedicada (LookML / Looker, Cube, dbt Semantic Layer) ou design de métricas padronizadas.
Experiência em análise de grafo de linhagem (DAG) para identificação de gargalos críticos de SLA e refatoração de dependências circulares ou excessivamente profundas.

Benefícios

Vale-alimentação ou vale-refeição
Desconto em cursos, universidades e instituições de idiomas
Academia Stefanini — plataforma com cursos on-line, gratuitos, atualizados e com certificado
Mentoring
Clube de vantagens para consultas e exames
Assistência médica
Assistência odontológica
Clube de vantagens e descontos nos melhores estabelecimentos
Clube de viagens
Convênio para pets

Outras Informações

Selecionamos as principais informações da posição. Para conferir o descritivo completo, clique em "acessar"

Hey!

Cadastre-se na Remotar para ter acesso a todos os recursos da plataforma, inclusive inscrever-se em vagas exclusivas e selecionadas!