Senior Analytics Engineer in Lisbon

Como um Engenheiro de Análise Sênior na área de Dados centralizada da Out Systems, você fará parte da equipe de Engenharia de Análise e desempenhará um papel fundamental na criação e escalonamento de uma nova prática estratégica: a Camada Semântica governada da empresa — a base para agentes de IA e ferramentas de BI, permitindo que respondam a perguntas de negócios de forma consistente usando definições compartilhadas de fatos, dimensões, métricas e conceitos de negócios.

Você estará na interseção da modelagem analítica, modelagem semântica e habilitação de Agentes de Análise Conversacional. Seu papel envolverá traduzir o Modelo de Dados Canônico da Out Systems em Modelos Semânticos confiáveis, governados e reutilizáveis, garantindo que a lógica de negócios e as métricas sejam definidas uma vez, corretamente, e reutilizadas de forma consistente em diferentes experiências de consumo de análise e IA.

Como um dos engenheiros fundadores dessa nova prática, você definirá e implementará os padrões de modelagem semântica, padrões de desenvolvimento, ferramentas, controles de qualidade e processos de governança necessários para construir a Camada Semântica do zero em todos os domínios de negócios principais da Out Systems. À medida que a capacidade amadurece e se expande, a Camada Semântica evoluirá de uma iniciativa inicial para uma função central contínua da equipe de Engenharia de Análise.

Você continuará a estender sua cobertura à medida que novos domínios de negócios, fontes de dados, métricas e padrões de consumo surgirem.

O que você fará:

• Projetar e construir Modelos Semânticos com base no Modelo de Dados Canônico, cobrindo domínios de negócios existentes e futuros à medida que a camada semântica escala.
• Aplicar princípios de modelagem dimensional ao estilo Kimball — grão, dimensões conformadas, design de fato/dimensão, esquema estrela — para moldar dados de origem em estruturas prontas para modelo semântico.
• Traduzir definições de negócios aprovadas em métricas governadas, relacionamentos, descrições e metadados para que agentes de IA e ferramentas de BI consumam uma única definição certificada por KPI.
• Facilitar revisões de definição e certificação de métricas com Analistas, proprietários de domínio e partes interessadas de governança, documentando lógica de cálculo, grão, filtros, suposições e propriedade.
• Construir e manter modelos dbt para as camadas de transformação / preparação que alimentam cada Modelo Semântico.
• Possuir o ciclo de vida de implantação de ativos semânticos: controle de versão baseado em Git, verificações de CI e implantação orquestrada (por exemplo, via Airflow).
• Colaborar com Analistas e partes interessadas de negócios para definir e executar cenários de validação, reconciliar saídas de Modelos Semânticos contra fontes aprovadas, testar perguntas de negócios comuns e de borda, e confirmar que resultados de agentes de IA e BI correspondem às definições de métricas certificadas.
• Definir e implementar controles de qualidade de dados automatizados para Modelos Semânticos, incluindo frescor da fonte, unicidade, integridade referencial, valores aceitos, reconciliação de métricas e detecção de anomalias.
• Aplicar controles de segurança e governança aos Modelos Semânticos, incluindo RBAC, acesso de menor privilégio, segurança em nível de linha, mascaramento de coluna e tratamento apropriado de informações confidenciais ou pessoalmente identificáveis.
• Produzir e manter documentação técnica e voltada para negócios clara para Modelos Semânticos, incluindo grão, entidades, relacionamentos, definições de métricas, sinônimos, perguntas de exemplo, limitações conhecidas, propriedade e orientações de uso.
• Monitorar Modelos Semânticos em produção para falhas de qualidade de dados, problemas de frescor, dependências quebradas e mudanças em ativos de Dados Canônicos upstream, e coordenar a remediação com as equipes relevantes.
• Tratar cada Modelo Semântico como um produto: monitorar e avaliar continuamente sua qualidade (precisão das respostas, desempenho de consultas, adoção/uso), coletar feedback dos consumidores e impulsionar melhorias iterativas ao longo de seu ciclo de vida completo.
• Possuir a gestão do ciclo de vida dos Modelos Semânticos atribuídos, desde o lançamento inicial até versionamento, descontinuação e aposentadoria de métricas ou estruturas à medida que as necessidades de negócios evoluem.
• Monitorar e ajudar a fechar desvios semânticos entre diferentes caminhos de consumo (por exemplo, voltados para agentes vs. voltados para BI).
• Definir e refinar continuamente as melhores práticas de modelagem semântica prontas para agentes, convenções de nomenclatura, estrutura de esquema e padrões de desenvolvimento reutilizáveis à medida que a camada semântica se expande para novos domínios e casos de uso.
• Manter-se atualizado sobre ferramentas em evolução para camadas semânticas, incluindo suporte para consumo de agentes de IA, e recomendar adoção onde isso melhora a confiabilidade ou escalabilidade.

Qualificações / O que você precisa para ter sucesso:

• Graduação ou Mestrado em Engenharia de Dados, Ciência da Computação ou área relacionada.
• Mais de 6 anos de experiência em Engenharia de Análise, Engenharia de Dados ou desenvolvimento de BI.
• Experiência prática comprovada com modelagem semântica para BI — construção e manutenção de camadas semânticas/métricas (por exemplo, Look ML, dbt Semantic Layer/Metric Flow, conjuntos de dados do Power BI, Snowflake Semantic Views ou equivalente) com compreensão da governança de análise e escalabilidade.
• Base sólida nos princípios de modelagem dimensional de Kimball — design de fato/dimensão, grão, dimensões conformadas, esquema estrela, dimensões em mudança lenta.
• Experiência sólida em SQL e dbt Core — modelos, testes, documentação e estrutura de projeto amigável ao CI.
• Conhecimento prático de Git e fluxos de trabalho de desenvolvimento baseados em Git (branching, PRs, revisão de código).
• Experiência com ferramentas de orquestração (Airflow preferido) para pipelines de implantação agendados ou acionados.
• Experiência prática com uma plataforma de dados em nuvem (Snowflake preferido; Azure/Databricks/Big Query considerados).
• Conforto em trabalhar em um ambiente governado, multi-domínio com convenções de nomenclatura definidas e gestão do ciclo de vida.
• Conhecimento prático de governança de acesso a dados, RBAC, segurança em nível de linha, mascaramento em nível de coluna e considerações de privacidade em consumo de análise e IA.
• Otimizar Modelos Semânticos e ativos dbt de suporte para desempenho de consulta, escalabilidade, manutenibilidade e custo de armazém, incluindo materialização de modelo, design de junção, estratégia de agregação e restrições de contexto de agente.
• Manter documentação clara de linhagem e dependência entre ativos de Dados Canônicos, modelos de preparação, Modelos Semânticos, métricas certificadas, relatórios de BI e agentes de IA, e realizar análise de impacto antes de introduzir mudanças disruptivas.
• Excelentes habilidades de comunicação e colaboração, com a capacidade de traduzir requisitos de negócios em ativos de dados modelados, testados e documentados.
• Uma atitude resiliente, persistente e motivada — capaz de liderar pelo exemplo e influenciar através da credibilidade e consistência.
• Bom inglês, escrito e falado.

Mais sobre a Out Systems:

A Out Systems é uma plataforma de desenvolvimento de IA líder construída para a empresa. Organizações globais confiam na Out Systems para construir rapidamente aplicativos e agentes críticos para a missão, modernizar processos legados com sistemas agentes e governar todo o seu portfólio de IA em ambientes regulatórios complexos, tudo em uma única plataforma unificada.