ENGENHEIRO DE DADOS SÊNIOR

Sobre nós - Grupo Revise

O Grupo Revise, atua há 30 anos no setor automotivo brasileiro, destaca-se pela qualidade certificada e pelo pioneirismo. Como uma empresa 100% brasileira, possui 3 marcas, sendo: (Brazzo, Mobato e Varimax), com 8 centros de distribuição estratégicos em todo o país e um amplo portfólio que inclui milhares de itens de alta qualidade em prol da satisfação dos clientes, reforçados pela certificação ISO 9001:2015.

SOBRE A MOBATO

A Mobato é uma marca que oferece soluções digitais para conectar clientes ao setor automotivo, com adaptabilidade a diversas plataformas tecnológicas e integração a sistemas ERP's e DMS's. Suas soluções digitais visam transformar o atendimento de serviços em uma experiência rápida e eficiente, eliminando burocracias e proporcionando agilidade. Priorizando a satisfação do cliente, a Mobato busca compreender suas necessidades para garantir a prosperidade dos negócios. Empresa certificada ISO27001:2022. Vem ser Mobato!!

Principais responsabilidades:

• Construir e evoluir pipelines de ingestão e transformação de dados (batch e near-real-time)
• Estruturar e manter as camadas do datalake no S3 em Parquet
• Desenvolver e otimizar jobs em PySpark e AWS Glue
• Modelar, carregar e otimizar tabelas e consultas no Redshift e Athena (particionamento, custo e performance
• Implementar e manter governança, catálogo e permissões via Lake Formation e Glue Data Catalog
• Provisionar e versionar a infraestrutura de dados com Terraform
• Integrar dados de fontes transacionais (ex.: SQL Server) ao datalake
• Monitorar pipelines, atuar em incidentes e garantir qualidade e confiabilidade dos dados
• Documentar arquitetura, fluxos e processos
  
  

• Sólida experiência em engenharia de dados na nuvem AWS
• Python avançado aplicado a pipelines de dados
• PySpark para processamento distribuído (ETL/ELT em grande volume)
• AWS Glue (jobs ETL serverless e Glue Data Catalog)
• Amazon Athena (consultas serverless sobre S3)
• Amazon S3 com organização em camadas (raw/bronze → silver → gold) e formato Parquet
• Amazon Redshift (modelagem, carga e otimização de data warehouse)
• SQL avançado, incluindo extração e integração a partir de SQL Server
• AWS Lake Formation (governança, catálogo e controle de permissões do datalake)
• Terraform (Infraestrutura como Código para provisionamento e versionamento do ambiente)
• Conhecimento de modelagem e arquitetura de datalake
  
  

• Orquestração de pipelines: Apache Airflow, AWS Step Functions ou MWAA
• Table formats modernos: Apache Iceberg, Delta Lake ou Hudi
• Transformação com dbt
• Data quality/observabilidade: Great Expectations, Monte Carlo ou similares
• Streaming/ingestão em tempo real: Kinesis, Kafka ou MSK
• CI/CD para dados (GitHub Actions, GitLab CI)
• Docker
• Monitoramento com Datadog e AWS CloudWatch
• Certificações AWS (Data Engineer Associate ou Solutions Architect)
• Vivência em metodologias ágeis