Engenheiro de Dados Senior | Hibrido- BH

Somos a maior Travel Tech B2B da América Latina e, por dois anos consecutivos, estamos entre um dos melhores lugares para se trabalhar no Brasil, segundo o ranking Great Place to Work.

Com intensivo uso de tecnologia e uma boa dose de calor humano, simplificamos a gestão de viagens e despesas das mais de 1.600 empresas clientes, levando mais praticidade, economia e conforto para todas as pessoas. ✈️

Acreditamos que viajar a trabalho pode ser mais simples com tecnologia. E, para cumprir com isso, buscamos talentos para um aprendizado em conjunto, em um time de alta performance e que queiram crescer muito.

Somos movidos por inovação e acreditamos no impacto de ambientes diversos e inclusivos para isso. Assim, oferecemos um espaço para todas as pessoas, além de promover oportunidades para impulsionar carreiras.

/n

• Experiência em engenharia de dados, com passagem por ambientes de alta complexidade e/ou escala (big data).
• Experiência com orquestradores de pipelines de dados (ex.: Airflow) e ferramentas de ingestão (ex.: dlt).
• Domínio de SQL para resolver problemas de alta complexidade de forma otimizada, além de modelagem de dados no banco.
• Experiência em implementação do zero e manutenção de pipelines de dados em produção, com observabilidade (ex.: Datadog) e planos de resposta a incidentes.
• Vivência com infraestrutura como código e entrega contínua (ex.: GitOps, Terraform, Kubernetes).
• Forte experiência em programação com linguagens de propósito geral (Python, Scala, etc.) aplicadas à engenharia de dados.
• Conhecimento em gestão de custo e capacidade de plataformas de dados (particionamento, clustering, gestão de slots/reservas).
• Vivência com governança técnica: controles de acesso, catalogação de dados (ex.: Dataplex, DataHub) e regras automatizadas de qualidade.
• Boas habilidades de comunicação para negociar prioridades técnicas com áreas de dados, produto, engenharia e negócio.
• Noções de boas práticas de engenharia de dados (documentação, versionamento, testes automatizados, código limpo).
• Inglês intermediário.

Diferenciais

• Certificação Google Cloud Professional Data Engineer ou AWS Certified Data Engineer – Associate.
• Certified Kubernetes Administrator (CKA).
• Experiência com MLOps (ex.: Vertex AI, SageMaker, model registry, monitoramento de drift).
• Conhecimento em FinOps aplicado a dados.
• Capacidade de abstrair conceitos de negócio em métricas quantitativas (ex.: KPIs, OKRs).
• Inglês avançado.

/n

Data Platform Engineer é a trilha que sustenta a plataforma de dados da Onfly com DataOps e MLOps: pipelines confiáveis, infraestrutura como código, custo sob controle e governança técnica de ponta a ponta.

Como Engenheiro(a) de Dados Sênior na trilha Data Platform, você vai projetar soluções de plataforma ponta a ponta para domínios de negócio, atuando com autonomia em cenários ambíguos e com impacto em múltiplos times. Você vai liderar a adoção de práticas de DataOps e MLOps como padrão, mentorando profissionais menos experientes e ajudando a evoluir a arquitetura de dados da empresa.

• Projetar pipelines de dados robustos, com observabilidade de ponta a ponta e planos de resposta a incidentes, garantindo o pipeline success rate e o SLA de atualização (freshness) dos domínios sob sua responsabilidade.
• Projetar processos de entrega contínua (CI/CD) com controles de qualidade e aprovação proporcionais ao nível de criticidade de cada pipeline.
• Gerenciar capacidade e quotas da plataforma (ex.: slots/reservas no BigQuery), equilibrando performance e custo entre pipelines críticos.
• Implementar controles de acesso e regras automatizadas de qualidade de dados, com observabilidade de ponta a ponta (Dataplex, Datadog).
• Projetar pipelines completos de MLOps — versionamento, deploy e monitoramento de modelos, incluindo detecção de drift.
• Definir o problema em cenários ambíguos, com autonomia e impacto multi-time; mentorar profissionais menos experientes e apoiar a evolução técnica da plataforma frente à demanda crescente do negócio.
• Alinhar prioridades entre times de dados, produto e engenharia, evitando retrabalho e facilitando decisões técnicas entre áreas.
• Testar novas abordagens de arquitetura antes de adotá-las como padrão da plataforma.