Na TRINCA, a gente não preenche vagas. A gente convida pessoas para construir o que vem a seguir.
Dados são a matéria-prima de qualquer decisão que importa. Mas dado bruto sem arquitetura, sem pipeline e sem contexto de negócio não vale nada. Se você sabe transformar volume em valor, e quer fazer isso em um dos setores mais intensivos em dados do Brasil, essa vaga pode ser o seu próximo grande desafio.
Aqui você vai ser a engenharia por trás das decisões: responsável por construir e evoluir a infraestrutura de dados de uma plataforma de seguros de grande escala, garantindo que as informações certas cheguem às pessoas certas, no momento certo.
✨ Sua missão na TRINCA
Você vai atuar como peça central da jornada de dados de uma plataforma de seguros em expansão com governança crescente e demanda real por qualidade de dado. Sua missão é garantir que os pipelines sejam robustos, os modelos sejam escaláveis e o time de negócio tenha acesso a informações confiáveis para navegar com segurança.
Você vai ser dono da engenharia de dados end-to-end: da ingestão ao insight, passando por arquitetura, orquestração e qualidade.
Tudo isso no nosso jeito de trabalhar: direto, humano, colaborativo e com impacto real.
O que você vai construir no dia a dia
Pipelines de dados: projetar, implementar e manter pipelines robustos e escaláveis, integrando dados de APIs, sistemas internos e fontes externas com foco em volume e confiabilidade.
Arquitetura e modelagem: desenvolver e evoluir modelos de dados em Data Lakehouse (Delta Lake), estruturando camadas que sustentem análises complexas e o crescimento da plataforma.
Orquestração e automação: configurar e operar ferramentas de orquestração (Airflow, Dagster ou similares) para garantir que processos rodem com qualidade e pontualidade.
Qualidade e governança: contribuir para a construção de um dicionário de dados unificado, aplicar práticas de CI/CD e controle de versão nos pipelines, e assegurar integridade e rastreabilidade dos dados.
Parceria com negócio: colaborar com times de produto, analistas e cientistas de dados para traduzir perguntas de negócio em análises concretas e identificar oportunidades de melhoria.
Inovação em dados: apoiar iniciativas de Machine Learning e modelos preditivos, contribuindo para a antecipação de tendências e a otimização de operações.
O que buscamos em você
Requisitos essenciais
Experiência comprovada em Engenharia de Dados, com histórico de construção e manutenção de pipelines robustos e escaláveis em ambientes de grande volume.
Experiência com Databricks e/ou outras plataformas analíticas distribuídas, incluindo arquiteturas Data Lakehouse e Delta Lake.
Proficiência avançada em SQL e domínio de bancos relacionais e não relacionais (ex.: PostgreSQL, MongoDB, Cassandra).
Domínio de Python com PySpark e frameworks de Big Data como Apache Spark ou Apache Flink.
Experiência com ferramentas de orquestração de pipelines, como Apache Airflow ou Dagster.
Experiência com ambientes de nuvem (Azure, AWS ou GCP) e serviços de armazenamento distribuído (Azure Data Lake Storage, AWS S3, GCS).
Conhecimento de práticas de CI/CD e controle de versão com Git/GitHub aplicadas a pipelines de dados.
Familiaridade com ingestão de dados em tempo real via Kafka, Kinesis ou similares.
Uso real de IA no trabalho: cases concretos em que você aplicou IA para ganhar velocidade, qualidade ou consistência em engenharia de dados. Por exemplo: uso de LLMs para gerar ou revisar transformações SQL, automação de documentação de pipelines, detecção de anomalias com IA ou otimização de queries com sugestões de IA. Não basta “já usei ChatGPT”.
Alinhamento real com nossos valores: Conecte-se de verdade | Assuma os desafios | Entregue com orgulho.
Diferenciais que brilham os olhos
Experiência com ferramentas de BI como Power BI, Tableau ou Looker para construção de dashboards e relatórios.
Experiência com modelos preditivos e implementação de Machine Learning em ambiente de produção.
Certificação Databricks Data Engineer Associate e/ou Azure DP-203.
Experiência no setor de seguros ou em plataformas financeiras de alto volume.
Inglês.
Como é o seu jeito de ser (e fazer)
Assume os desafios: quando um pipeline quebra em produção ou uma fonte de dados muda sem aviso, você não espera o problema se resolver sozinho. Vai l