Empresa: Nestle
Requisitos Obrigatórios: • Experiência sólida em Engenharia de Dados e implementação de soluções analíticas em escala. • Conhecimento avançado em Snowflake, incluindo modelagem de dados, otimização de consultas, performance tuning, segurança e gestão de custos. • Experiência com Databricks e arquiteturas modernas de dados em nuvem. • Proficiência em SQL avançado e desenvolvimento de pipelines de dados. • Experiência com Python para automação, processamento e integração de dados. • Experiência com dbt ou ferramentas equivalentes para transformação e modelagem de dados. • Conhecimento de práticas de CI/CD, versionamento e automação de deploy. • Conhecimento em Governança de Dados, Catálogo de Dados e Data Quality. • Experiência em ambientes Azure ou plataformas cloud equivalentes. • Experiência prática em AI Engineering, incluindo consumo de modelos de IA via APIs, RAG, agentes de IA e integração de soluções de IA com plataformas de dados corporativas. • Conhecimentos Desejáveis: • Snowflake: Clustering, Materialized Views, Time Travel, Zero-Copy Cloning, Resource Monitoring e Data Sharing. • Databricks: Spark, Delta Lake, Unity Catalog, Workflows e Asset Bundles. • Azure Data Factory, Data Lake Gen2, Azure Functions e serviços de integração. • GitHub, Azure DevOps e práticas de DevSecOps. • Data Catalog, Data Lineage, Data Observability e Metadata Management. • Frameworks e ferramentas de AI Engineering, LLMOps e Agentic AI. Sobre a empresa: Resumo da posição: Localização: Nestlé Sede Área/Stream: IT & Digital Reporte: Data Engineering Governance Manager Modalidade: Teletrabalho Existe candidato Mapeado? Não Um dia na vida de... O Engenheiro de Dados será responsável por desenhar, desenvolver e evoluir soluções de dados em ambientes modernos de analytics, atuando como referência técnica em iniciativas estratégicas e apoiando a adoção de boas práticas de engenharia de dados. • Arquitetura de Agentes de IA: Desenhar e implementar soluções agentivas corporativas, cobrindo orquestração de LLMs, fluxos de raciocínio, ferramentas externas e integração com APIs e dados da empresa. • Engenharia de Contexto e RAG: Projetar pipelines de Retrieval-Augmented Generation (indexação, recuperação e enriquecimento de contexto) para aumentar a acurácia e reduzir alucinações. • Integração de Ferramentas e Conectores: Evoluir agentes para consultar bases de conhecimento, sistemas analíticos e corporativos com autenticação e controle de acesso rigorosos. • Produtização e LLMOps: Garantir observabilidade, gestão de custos de inferência, seleção ideal de LLMs conforme o contexto e segurança em aplicações cloud. • Desenvolver e otimizar pipelines de dados escaláveis, seguros e de alta performance. • Liderar tecnicamente iniciativas de engenharia de dados utilizando Snowflake, Databricks e plataformas em nuvem. • Definir e aplicar boas práticas de desenvolvimento, testes, observabilidade e automação. • Atuar na modelagem de dados e na construção de soluções analíticas reutilizáveis e sustentáveis. • Identificar oportunidades de melhoria de performance, eficiência operacional e otimização de custos. • Apoiar revisões técnicas e a capacitação de engenheiros menos experientes. • Garantir aderência aos padrões de segurança, governança e qualidade de dados. • Trabalhar em parceria com times de negócio, analytics e tecnologia na definição de soluções de dados. • Contribuir para a implementação de capacidades de AI Engineering, integrando aplicações de IA generativa, agentes inteligentes e soluções baseadas em dados corporativos. O que vai contribuir para seu sucesso?