Data Engineer Sênior

Como Senior Data Engineer na Matria, você será responsável por construir e operar a espinha dorsal de dados de um produto digital de saúde de alto impacto. Com perfil hands-on e forte senioridade técnica, você projetará pipelines robustos e garantirá a qualidade, a governança e a rastreabilidade dos dados — seguindo os mais altos padrões de segurança e conformidade exigidos pelo setor de saúde. Nosso time tem escopo fluido: apesar do foco em engenharia de dados, você transitará também por temas de analytics engineering. Como a IA é parte central do produto, você colaborará de perto com os times de engenharia e IA para transformar dados clínicos e operacionais em ativos confiáveis que alimentam modelos inteligentes.

Atuação prática

• Projetar, construir e manter pipelines de dados robustos (ETL/ELT) que abastecem produtos, análises e modelos;
• Garantir qualidade, governança e rastreabilidade de dados com boas práticas de data contracts, catalogação e versionamento de datasets;
• Contribuir com modelagem analítica e transformação de dados (ELT/dbt), apoiando a definição de métricas e da camada semântica que servem análises e produtos de dados;
• Integrar pipelines de dados em fluxos CI/CD, garantindo reprodutibilidade e rastreabilidade;
• Estabelecer observabilidade sobre os dados: tracing, logs, métricas de qualidade e alertas sobre degradação de pipelines;
• Garantir conformidade com LGPD e normas aplicáveis ao setor de saúde, aplicando boas práticas de mascaramento de dados, gestão de PII e segurança by design;
• Colaborar com os times de engenharia e IA, disponibilizando dados confiáveis para modelos de ML e sistemas de IA em produção.

Requisitos

• Experiência sólida como Senior Data Engineer ou papel equivalente em produtos digitais de alta escala;
• Domínio de Python para engenharia de dados;
• Experiência com cloud platforms (Azure, AWS ou GCP) e ferramentas de orquestração (Airflow, Prefect ou equivalentes);
• Sólido conhecimento em bancos de dados SQL e NoSQL, além de mensageria/eventos (Kafka, RabbitMQ ou equivalentes);
• Conhecimento em segurança de dados, mascaramento de PII e conformidade com LGPD e normas do setor de saúde;
• Capacidade de atuar com autonomia, entregar com qualidade e comunicar decisões técnicas com clareza para audiências técnicas e não-técnicas.

Desejado

• Experiência com transformação e modelagem analítica em dbt e com definição de métricas / camada semântica;
• Experiência com plataformas de MLOps (MLflow, Databricks, SageMaker ou similares): feature stores, model registry, experiment tracking, serving e monitoramento em produção;
• Familiaridade com LLMs em produção e sistemas RAG — ingestão, chunking, indexação, embeddings e buscas híbridas — ou forte disposição para aprender;
• Experiência com bancos de dados vetoriais;
• Noções de ciclo de vida de modelos: retreinamento contínuo, drift detection e critérios de promoção/rollback com base em métricas de negócio e técnicas.

Diferencial

• Experiência com tracing e avaliações de pipelines RAG (Langfuse, Ragas, DeepEval ou equivalentes);
• Conhecimento em técnicas de busca híbrida (BM25 + densa), re-rankers e embeddings proprietários;
• Experiência prévia em healthtech, fintechs ou setores com alta regulação de dados;
• Contribuições open source ou participação ativa em comunidades de dados e IA.