Staff Data Engineer - Indaiatuba/SP

Como Staff Data Engineer, alocado(a) no Banco John Deere, você será responsável por atuar como liderança técnica da plataforma de dados, definindo arquitetura, padrões e boas práticas de engenharia de dados que garantam escala, governança, confiabilidade e sustentabilidade das soluções de dados. 

Você atuará de forma transversal, apoiando múltiplos times e produtos, sendo referência técnica em decisões estratégicas de dados, trabalhando em parceria com Engineering Managers, Product Managers e áreas de negócio. Esta é uma posição Individual Contributor, com forte impacto organizacional e foco em longo prazo. 

• Definir e evoluir a arquitetura da plataforma de dados, abrangendo ingestão, transformação, armazenamento e consumo.


• Estabelecer padrões técnicos e boas práticas de engenharia de dados para uso por múltiplos times.


• Atuar como referência técnica, apoiando decisões arquiteturais e promovendo mentoria.


• Conduzir decisões relacionadas à escalabilidade, custo, governança, qualidade e confiabilidade dos dados.


• Trabalhar em parceria com Engineering Managers e Product Managers para alinhar soluções de dados às necessidades do negócio e requisitos regulatórios.


• Resolver problemas técnicos complexos e sistêmicos que impactam múltiplos pipelines, domínios ou produtos de dados.

• Experiência sólida em engenharia de dados em ambientes de larga escala, com atuação em arquitetura e plataformas de dados.


• Domínio de AWS e Databricks (Spark / Delta Lake) aplicados à construção de Data Lakes / Lakehouse.


• SQL avançado e forte entendimento de modelagem e transformação de dados para consumo analítico.


• Experiência atuando como referência técnica ou mentor para outros engenheiros de dados.


• Inglês em nível profissional, para comunicação técnica e interação com times globais. 

• Ter definido padrões ou arquiteturas de dados utilizados por mais de um time ou produto.


• Experiência com governança de dados, incluindo qualidade, lineage, versionamento e auditoria.


• Histórico de decisões técnicas que impactaram custo, escalabilidade ou confiabilidade da plataforma de dados.


• Vivência em ambientes regulados (financeiro, crédito, risco, compliance ou similares).


• Capacidade de traduzir problemas complexos de negócio em soluções de dados simples, escaláveis e sustentáveis.