Yellow.Rec

Administração de banco de dados

• Criar e manter estruturas de tabelas no PostgreSQL.

• Gerenciar usuários, roles e permissões de acesso.

• Estruturar e operar rotinas de backup e restore, incluindo testes de restauração.

• Acompanhar performance, índices e planos de execução.
  

Engenharia de dados

• Construir e manter ETLs em Python.

• Automatizar fluxos e relatórios recorrentes hoje feitos manualmente.

• Ingerir e normalizar dados vindos de planilhas do time financeiro e do Airtable do time de investimentos.

• Garantir confiabilidade: tratamento de erro, reprocessamento, monitoramento.

• Apoiar o time de desenvolvimento (majoritariamente júnior) em bloqueios de dados em produção, com disponibilidade e agilidade.
  

Arquitetura e modelagem

• Entender o negócio antes de modelar, conversando diretamente com as áreas.

• Desenhar modelos de dados pensando em uso de longo prazo.

• Lidar com dados distribuídos entre múltiplos microserviços, cada um com seu banco, tratando redundância e divergência entre bases.

• Propor e implantar a evolução da arquitetura de dados (orquestração, camada analítica, BI).

• Contribuir para o projeto de backoffice, estruturando a camada de dados da plataforma que substituirá Excel e Airtable.

• Experiência sênior como engenheiro(a) de dados, tendo também administrado bancos de dados na prática (não apenas consumido)

• PostgreSQL: modelagem, SQL avançado, índices, tuning de queries, gestão de usuários e permissões, backup e restore

• Python para processos de dados em produção: código estruturado, tratamento de erros, idempotência, logging

• AWS: Lambda, S3, RDS, IAM

• Versionamento de schema (migrations) e uso de Git no dia a dia.

• Experiência transformando fontes bagunçadas (planilhas, exports manuais) em bases confiáveis.

Disponibilidade para o modelo híbrido, com dois dias por semana no escritório no Itaim Bibi.

Diferenciais

• Implantação de ferramenta de BI do zero (Metabase, Power BI, Looker Studio, Superset).

• Orquestração de pipelines (Airflow, Dagster, Prefect, Step Functions).

• DynamoDB.

• Docker, Terraform, GitHub Actions.

• Práticas de qualidade e observabilidade de dados (dbt, testes de pipeline, alertas).

• Experiência prévia em mercado financeiro, investimentos ou fintech.

• Curiosidade pelo negócio: interesse real em entender como uma empresa de venture capital funciona.

• Protagonismo: capacidade de assumir uma área inteira sozinho, tomar decisões e se virar sem depender de outra pessoa.

• Colaboração e disponibilidade: postura acessível com o time, especialmente com profissionais mais júniores. Estar disposto a ajudar, responder e desbloquear com agilidade.

• Senso de responsabilidade e ética: maturidade no trato de dados sensíveis de investidores, sabendo o que pode e o que não pode ser acessado ou manipulado em produção.

• Comunicação com não técnicos: saber traduzir necessidades de negócio em decisões de modelagem, conversando com áreas que não falam a linguagem de dados.

• Visão de médio prazo: equilibrar a urgência do dia a dia com a construção de algo mais sólido, planejando a evolução da arquitetura sem perder a operação de pé.