• Experiência sólida com Engenharia de Dados;
• PySpark e Python avançados: desenvolvimento de pipelines batch em escala, com testes e boas práticas de engenharia;
• SQL avançado e modelagem de dados: transformações complexas, tuning de performance e modelagem relacional/dimensional em contexto de DW;
• Databricks e Delta Lake: jobs, workflows e arquitetura medalhão (bronze, silver, gold) em produção; Delta Live Tables / Lakeflow e Asset Bundles;
• Migração / reconstrução de pipelines ETL: tradução de regras de negócio de ferramentas legadas para Spark (sem lift-and-shift), com ingestão CDC/batch de bancos relacionais;
• Ecossistema AWS: S3, Glue, EMR, Athena, Lambda, DMS e Step Functions;
• Azure Synapse: experiência com o ambiente legado (SQL pools e pipelines) para apoiar a engenharia reversa;
• Qualidade e reconciliação de dados: testes automatizados, DQ gates e comparação legado × novo para aceite de paridade;
• Git e CI/CD aplicados a pipelines de dados.

Desejáveis:

• Conhecimento de DataStage (leitura de jobs para engenharia reversa) — diferencial importante;
• Experiência prévia em programas de migração de DW para lakehouse — diferencial importante;
• Unity Catalog (permissões, lineage) e contratos de dados;
• Experiência no mercado financeiro ou de crédito;
• Certificações