Senior Data Engineering Manager

• Definir a visão de dados na empresa: liderar como a Arco usa dados para decidir, operar e crescer — desde escolhas de arquitetura até a relação da função de dados com cada área de negócio.
• Tomar decisões de plataforma quando relevantes, mas sem se prender ao instrumento: a pergunta principal é sempre o impacto.
• Conectar dados a decisões de negócio: atuar como ponte entre a função de dados e líderes de Comercial, Operações, Finanças e Produto, traduzindo perguntas de negócio em análises rigorosas e dimensionando trade-offs com clareza quantitativa.
• Liderar uma organização em escala: conduzir uma estrutura de aproximadamente 43 profissionais por meio de sete gerentes diretos: calibrar avaliações, conduzir planos de sucessão, equilibrar foco e autonomia entre células, e tomar as decisões difíceis que vêm com escala — incluindo decisões de pessoas, reorganização e priorização entre demandas concorrentes.
• Democratizar dados via IA: conduzir uma agenda explícita de autonomia das áreas de negócio com ferramentas de IA — copilotos analíticos, agentes que respondem perguntas em linguagem natural, geração assistida de SQL, acesso conversacional a métricas. O objetivo é mover a empresa de "pedir relatório para o time de dados" para "construir a própria leitura, com curadoria".
• Operar a função como produto: estabelecer OKRs trimestrais e métricas de saúde — confiabilidade, custo, adoção, qualidade, satisfação dos usuários internos —, equilibrando trabalho de plataforma, atendimento a domínios de negócio e redução de dívida técnica.
• Elevar a barra técnica e analítica do time: participar de entrevistas finais, calibrar critérios de senioridade, identificar gaps de conhecimento e decidir investimentos de capacitação — fazendo da qualidade do time a principal alavanca de longo prazo.
• Preparar a expansão de escopo: construir, em conjunto com a liderança da empresa, a visão e a estrutura para incorporar Data Science, Data Analytics e Business Analytics à organização ao longo do tempo.

• Profundidade técnica em dados, comprovada: tajetória desenhando e operando soluções analíticas em escala, com opinião informada sobre modelagem dimensional, SQL avançado, transformação moderna de dados, plataformas analíticas em nuvem e arquiteturas de orquestração. Não é necessário codar diariamente hoje, mas é necessário ter codado a ponto de reconhecer um modelo bem desenhado quando vê um.
• Sensibilidade aguda de negócio: capacidade comprovada de traduzir contexto comercial, financeiro e operacional em perguntas analíticas relevantes, com leitura crítica de métricas, contribution margin, unit economics e trade-offs estratégicos. Você lê um dashboard como uma operadora, não como uma espectadora.
• Repertório em analytics avançado: experiência aplicando ou supervisionando técnicas estatísticas e de modelagem além do reporting descritivo: experimentação e A/B testing, análises causais, modelagem preditiva, segmentação. Não precisa ser cientista de dados de formação — precisa entender o suficiente para conduzir conversas técnicas de igual para igual.
• Visão de plataforma e democratização: repertório sobre como funções de dados maduras evoluem: contratos de dados, camadas semânticas, observabilidade, autosserviço, governança e ferramentas de IA que ampliam autonomia. Discernimento entre o que funciona em escala e o que é hype.
• Vivência liderando equipes em escala: experiência prévia conduzindo equipes técnicas e analíticas de tamanho relevante, com responsabilidade direta por desempenho, contratação sênior e desenvolvimento de carreira. Capacidade de equilibrar autonomia de células com consistência organizacional.
• Comunicação executiva em duas línguas: comunicação escrita estruturada em português e em inglês, com capacidade de transitar entre detalhe técnico, leitura analítica e narrativa estratégica para audiências C-level.
• Experiência em ambientes complexos: vivência em organizações com múltiplas linhas de negócio ou domínios técnicos amplos, com decisões frequentes de priorização entre demandas concorrentes.

Será um diferencial:

• Contribuição prévia para a construção ou virada de escala de uma função de dados
• Experiência aplicando GenAI a workflows de dados — agentes, copilotos, geração de SQL, acesso conversacional a métricas
• Vivência prévia liderando funções de Data Science, Data Analytics ou Business Analytics
• Experiência com produtos analíticos voltados para clientes externos
• Vivência conduzindo a transformação de uma função de dados de modelo de serviço para modelo de plataforma
• Gestão prévia de gerentes diretos

Um dos pilares da Arcotech é a diversidade. Nossa motivação é nos manter em movimento, inovando e levando as tecnologias educacionais a patamares ainda não vistos. Para isso acreditamos na força da palavra equidade e no respeito à igualdade de direito. Aqui reconhecemos as singularidades, as diferenças e abraçamos a todes.