Empresa: Unimed CNU
Apoiar a garantia da excelência, integridade e confiabilidade dos dados corporativos, auxiliando no monitoramento de qualidade de ponta a ponta, da origem ao consumo. Colaborar no acompanhamento de métricas e na aplicação das políticas de Qualidade e Governança de Dados, ajudando a mitigar riscos operacionais e garantindo que as decisões estratégicas da empresa sejam baseadas em dados precisos e consistentes. • Auxiliar nas iniciativas de Qualidade de Dados (com base nas boas práticas do DMBOK), apoiando a evolução da cultura organizacional orientada a dados. • Acompanhar e extrair relatórios de SLAs e KPIs de qualidade, como completude, acurácia, consistência, unicidade, validade, integridade e atualidade. • Apoiar a manutenção de regras de negócio e rotinas de validação de dados nos pipelines da companhia. • Realizar data profiling básico e auxiliar análises de causa raiz para entender e corrigir anomalias nos dados. • Acompanhar os alertas de data observability para a identificação de falhas e drift de dados, reportando os desvios às equipes seniores. • Trabalhar em parceria com a Governança de Dados na atualização do catálogo, dicionário, metadados e documentação da linhagem de dados. • Auxiliar na conferência da padronização de dados em Data Warehouse e Lakehouse (nomenclatura, tipos e metadados). • Participar, sob supervisão, dos testes e da homologação de novas fontes de dados antes da entrada em produção. • Aprender e ajudar a disseminar as melhores práticas de Qualidade de Dados no dia a dia da equipe técnica e áreas de negócio. • Apoiar rotinas operacionais que garantam a conformidade com a LGPD e políticas internas da empresa. Requisitos: • Ensino Superior em Análise de Sistemas, Processamento de Dados, Engenharia ou Administração de Empresas, com especialização ou MBA em áreas correlatas Ensino superior completo. • Conhecimento teórico ou experiência inicial em Qualidade e Governança de Dados (familiaridade com o DAMA DMBOK é um grande diferencial). • Conhecimento intermediário em SQL para extração, cruzamento de dados e validações. • Noções de modelagem de dados relacional e analítica (Data Warehouses, Data Lakes, Star Schema). • Conhecimento básico a intermediário em Python para análise de dados (familiaridade com bibliotecas como Pandas). • Compreensão básica de conceitos de ambientes em nuvem (AWS, Azure ou Google Cloud Platform). • Vontade de aprender e se desenvolver em ecossistemas de Big Data (Databricks, PySpark, SparkSQL). • Noções de catalogação de dados e gestão de metadados. • Facilidade e disposição para aprender a utilizar ferramentas enterprise de Governança (como o Erwin Data Intelligence Suite ou similares).