Data Engineering Product Manager

Aqui na Dasa, levamos tecnologia para a vida das pessoas. A saúde é uma área complexa, e na Dasa buscamos fazer diferente. Utilizamos dados, tecnologia e inovação para simplificar o setor e cuidar das pessoas por inteiro.

Você já pensou em trabalhar com Tecnologia de ponta, Dados, Produtos e Design na maior de saúde do Brasil? Aqui, somos inovadores(as)! Estamos em busca de criar um novo jeito de fazer saúde com pessoas à frente do tempo. Para nós, diversidade importa! Reconhecemos que a diversidade amplia a inovação nos ambientes, mas acima de tudo, temos a certeza de que somos parte da transformação.

Promovemos dignidade e respeito a todas as pessoas, para que se sintam seguras em ser quem são. Nossas oportunidades são para todas as pessoas que acreditam na transformação do futuro da saúde. Incentivamos a candidatura de todos que reconhecem a importância da construção de um ambiente livre de preconceitos, assédio e discriminação. Faça parte da transformação e #VemSerDasa. Juntos entregamos o nosso melhor sempre. Ser Dasa é ser a pessoa que transforma o futuro da saúde!

Para ter acesso a mais oportunidades acesse: dasa.com.br/carreira
Importante: não efetuamos cobranças de taxas em nossos processos seletivos.

Se você trabalha para fazer diferente, e utiliza dados, tecnologia e inovação para simplificar o setor, as nossas áreas de Tecnologia, Dados, Produtos e Design estão prontas para te receber.

Para transformar a saúde é preciso:

1. Conhecimento em governança de Dados, incluindo privacidade, segurança e compliance;
2. Familiaridade com ferramentas de Catálogo e Metadata Management;
3. Metodologias ágeis e de discovery (Scrum e Kanban);
4. Métricas de produtividade de equipes ágeis (Burndown, Burnup, tempo de ciclo etc);
5. Amplo conhecimento analítico para gerar análises e tomar decisões baseadas em dados;
6. Experiência prévia construindo e apoiando todo o ciclo de vida de produtos de tecnologia e de desenvolvimento;

O Data Engineering Product Manager tem a missão/papel de equilibrar a complexidade técnica com as necessidades de negócios, garantindo que todos os dados, sejam estruturados ou não, sejam valiosos e facilmente acessíveis para quem precisa deles, dentro de um ecossistema seguro e escalável.

A construção de uma infraestrutura escalável e eficiente com uma estratégia de governança e acessibilidade que permita à organização tirar o máximo proveito de seus dados, sendo uma alavanca para estratégias de Big Data e análise avançada, como Machine Learning, Business Intelligence e análises em tempo real.

Sobre a posição:

Definição e Estratégia do Produto Datalake

A visão e estratégia devem definir como coletar, armazenar e fornecer dados limpos, acessíveis e aproveitáveis por diferentes partes da organização, alinhando isso aos objetivos de negócios da empresa;

Governança de Dados: garantir que as políticas de segurança, qualidade e conformidade sejam aplicadas e implementar práticas que garantam o uso ético, eficiente e seguro desses dados.

Arquitetura e design de dados

1. Definição de estrutura e Camadas: colaborar com engenheiros de dados para definir e otimizar essas camadas, garantindo que a arquitetura suporte o tipo de análise e processamento necessário.
2. Qualidade de dados: implementação de processos de validação, monitoramento e auditoria contínua da qualidade dos dados armazenados;
3. Gerenciamento da Ingestão de dados: lidar com diferentes origens internas e externas, sendo bases relacionais, APIs, logs, arquivos de texto, dados de IoT, etc. Planejar e gerenciar como esses dados são ingeridos (ETL ou ELT), garantindo uma ingestão eficiente e escalável;
4. Escalabilidade e performance: garantir infraestrutura adequada seja aplicada ao produto, sendo capaz de lidar com picos de dados;

Acessibilidade e Consumo de Dados:

1. Padrões de Acesso e APIs: garantir acesso de forma eficiente por diferentes usuários e sistemas, padronizando APIs ou ferramentas de visualização de dados;
2. Facilidade de Navegação e Descoberta de Dados: organizar dados em ferramentas de catálogos de dados e metadados de maneira que os usuários possam descobrir e acessar facilmente os dados.

Entendimento sólido de como funcionam os sistemas de Datalake, incluindo tecnologias como Hadoop, Spark, ferramentas de ETL, arquiteturas de dados em nuvem e gerenciamento de big data;

Segurança e Privacidade de Dados:

1. Controle de Acesso: definir controles de acesso robustos, incluindo políticas de autorização e autenticação, protegendo dados sensíveis;
2. Conformidade Regulatória: implementar práticas para garantir que os dados pessoais ou sensíveis sejam protegidos, auditados e gerenciados de forma adequada, alinhados a regulamentação de privacidade, LGPD e GDPR;

Análises Avançadas e Inteligência Artificial:

1. Suporte para Análises e Machine Learning: suportar iniciativas organizando dados de forma que seja acessível para cientistas e engenheiros no preparo de modelos;
2. Integração com Ferramentas de BI e Analytics: garantir integração e disponibilidade do dado;
3. Custo e Eficiência: trabalhar estratégias que otimizam os custos sem sacrificar a performance, como escolha de formatos eficientes (Parquet, ORC, etc), compressão de dados e otimização do uso da infraestrutura;