1. CONHECIMENTOS

Conhecimentos técnicos e teóricos essenciais:

Tecnologias e Ferramentas

• Apache Airflow:

Criação e manutenção de DAGs.

Orquestração e monitoramento de pipelines de dados.

Boas práticas de versionamento e modularização.

• Python:

Desenvolvimento de scripts e ETLs.

Boas práticas de código (PEP-8, testes automatizados).

Integração com cloud, bancos de dados e APIs.

• Power BI:

Criação de dashboards e relatórios.

Modelagem de dados para BI.

Conhecimento de DAX e Power Query.

Engenharia de Dados

• Arquitetura de pipelines de dados (batch e streaming).
• Modelagem de dados (relacional e dimensional).
• Integração de dados (ETL/ELT).
• Banco de dados SQL e NoSQL.
• Data Lake, Data Warehouse e boas práticas de governança.
• Conceitos de Cloud (AWS, Azure ou GCP — de acordo com a empresa).

Liderança Técnica

• Práticas de gestão de versionamento (Git).
• Code review, design de soluções e padrões de arquitetura.
• Conhecimento de metodologias ágeis (Scrum/Kanban).

2. HABILIDADES

Capacidades práticas necessárias para desempenhar o papel:

• Desenhar e liderar a implementação de pipelines de dados escaláveis.
• Analisar requisitos de negócio e transformá-los em soluções técnicas.
• Guiar o time em decisões arquiteturais e melhores práticas.
• Realizar mentorias técnicas para o time de dados.
• Garantir qualidade, resiliência e observabilidade dos pipelines.
• Gerenciar backlog técnico e de produto em conjunto com PO/gestão.
• Comunicação clara com áreas técnicas e não técnicas.
• Atuar em atividades técnicas, quando necessário, elaborando processos de ETL e criação de BIs

3. ATITUDES

Posturas e comportamentos esperados do profissional:

• Organização:

Planejar entregas, priorizar demandas e manter documentação atualizada.

• Proatividade:

Antecipar problemas.

Propor melhorias contínuas no ecossistema de dados.

Buscar soluções antes que se tornem gargalos.

• Liderança:

Capacidade de inspirar, orientar e desenvolver o time.

Incentivo à colaboração e ao aprendizado contínuo.

Foco em resultados e qualidade técnica.

• Responsabilidade e ownership:

Apropriar-se das entregas, desde concepção até operação.

Garantir estabilidade, desempenho e segurança dos dados.

• Visão estratégica:

Entender o impacto das soluções de dados no negócio.

Direcionar o time para metas claras e alinhadas à estratégia.