Equifax
Tech Lead Analytics Platform
Brazil · Work style not stated · Full time
Apply on the employer’s site ↗See how well you match this job
You apply directly with the employer. ROLIVA does not submit applications from this page and is not the employer.
About the role
Description from the employer’s posting. Check the employer’s page for the current version.
- EmployerEquifax
- LocationBrazil
- Work styleWork style not stated
- Employment typeFull time
- Employer posted
Sua missão será liderar o time técnico, garantindo a entrega de pipelines de dados escaláveis, a sustentabilidade de nossas APIs e microsserviços e contribuir na governança de nossa Feature Store. Se você é referência técnica e navega bem entre o universo de Engenharia de Dados e Backend, seu lugar é aqui!
Funções que serão desempenhadas:
Liderar, mentorar e desenvolver engenheiros(as) de software e dados, promovendo uma cultura de excelência, colaboração e aprendizado contínuo.
Definir e gerenciar tarefas técnicas (Task management e Technical tasks definition), adaptando metodologias ágeis para otimizar o fluxo de entrega.
Realizar code reviews construtivos e orientar o time na adoção de design patterns e boas práticas.
Definir a visão técnica e a arquitetura para projetos que integrem aplicações de software, pipelines de dados e infraestrutura.
Garantir a escolha de tecnologias adequadas, considerando trade-offs de performance, custo, escalabilidade e manutenibilidade.
Show full description
Desenvolver, otimizar e armazenar pipelines de dados robustos (ETL/ELT) focados em nossos datasets de feature store para alimentar modelos de Machine Learning.
Desenvolver e manter APIs e Web Services robustos e escaláveis para consumo analítico e integração de sistemas.
Requisitos necessários:
Experiência com gestão técnica de equipes (Teams management), definição de tarefas e paixão por ensinar e orientar desenvolvedores.
Domínio em Python e Java: Sólida experiência no ecossistema dessas linguagens voltada para Engenharia de Dados e Desenvolvimento Backend.
Big Data e Orquestração: Experiência avançada com Apache Spark (PySpark/Scala) para processamento de grandes volumes e Apache Airflow para orquestração.
Cloud Data Warehouse: Vivência com Google BigQuery e BigTable (modelagem relacional/NoSQL e otimização de queries).
Infraestrutura e DevOps: Experiência com Kubernetes para orquestração de containers e práticas de CI/CD (Gitlab/Github).
Arquitetura: Capacidade de desenhar sistemas complexos visando alta disponibilidade e performance.
Capacidade de traduzir requisitos de negócio complexos em soluções técnicas e falar com públicos técnicos e de negócios.
Olhar crítico para inovação, qualidade de código e melhoria contínua de processos.
Primary Location:
BRA-Barueri
Function:
Function - Tech Dev and Client Services
Schedule:
Full time
Check your resume against this job Free, no sign-up. Nothing you paste is stored.
Staying safe while you apply
- Never pay to apply, interview or accept an offer. ROLIVA never asks you for payment to apply to a job.
- Apply only through the official “Apply on the employer’s site” button, on the employer’s own site, and check that a recruiter’s email uses that employer’s own domain rather than a free email address.
- Be cautious of an offer made with no real interview, or pressure to decide quickly or share financial details early.
Does something look wrong with this listing? Use “Report broken link” in the role details, or read ROLIVA’s full job-safety guidance ↗.
Preparing for this role with ROLIVA
- Check the fit.
Compare the requirements with the experience you have confirmed, including gaps.
- Prepare honestly.
Build interview stories and application drafts from your own evidence.
- Keep track.
Save the role and record your own application status and follow-ups.
At a glance
- Employment typeFull time
- SeniorityLead / Principal
- Employer posted
- Added to ROLIVA
- Last checked
Skills in this posting
Skills ROLIVA found in the employer’s own description above. A mention is not a requirement.
Python BigQuery Kubernetes Java Scala Spark Airflow Machine learning