[Job-31340] Mid-Level Data Scientist, Brazil
This is the employer's own posting, not a copy on a job board.
What we know
Is it still open?
Confirmed still open
Last checked 5h ago — checked against the employer's own applicant tracking system, which is the company answering directly.
We re-read the employer's own applicant tracking system and the posting was still there. That is the company answering directly.
How old is it?
Posted 6h ago
The date the source published, not the day we noticed it (2026-09-15). Last seen at its source 1h ago.
Is it remote?
Marked remote on the employer's board
Their board carries a remote setting on this posting — a field they filled in, not wording we read. The location field names somewhere specific, which is usually where the team or the entity sits.
Who may apply?
Brazil
The description states no restriction of its own. This is the source's own tag.
Pay not stated
Similar roles pay $1,200–1,488/mo
Middle 50% of 8 listings that do state pay — Operations · all levels · Brazil · USD/month. This employer has published no salary; this is what comparable listings we hold disclose, never converted between currencies or periods. How this is calculated.
Skills named in the ad
Recognised terms only, from a fixed vocabulary — this is what CV matching compares against.
Carried by 1 source
-
lever employer's own board first seen 5h ago · last seen 1h ago
The listing
Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions.
Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy.
Somos 8.000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias.
Estamos buscando uma pessoa Data Scientist focada em integração e modelagem para construir e evoluir nosso data lake e camadas analíticas. Não é uma posição orientada a “big data”/streaming massivo, e sim a integrações sólidas, pipelines de transformação estáveis e organização de dados de mercado (histórico e distribuição) com boa governança e qualidade.
Responsabilidades:
- Traduzir dados de eventos digitais (web/app) em modelos de comportamento do usuário;
- Desenvolver análises exploratórias e avançadas para identificação de padrões, jornadas e fricções;
- Gerar insights acionáveis que influenciem decisões de produto, marketing e experiência do cliente;
- Estruturar e conduzir hipóteses analíticas, garantindo sua validação através de testes e experimentação;
- Projetar, desenvolver e escalar modelos de Machine Learning e IA, com foco em comportamento e personalização;
- Implementar estratégias de experimentação (A/B testing, causal inference, uplift modeling);
- Trabalhar em conjunto com squads de produto, engenharia e analytics para garantir a correta instrumentação e qualidade dos dados;
- Evoluir frameworks e metodologias de mensuração de comportamento e impacto de iniciativas;
- Apoiar a democratização de dados, garantindo clareza e entendimento dos insights gerados.
Requisitos para este desafio:
- Experiência como Cientista de Dados;
- Domínio de análise de dados comportamentais digitais (eventos de front-end, tracking, jornada do usuário);
- Experiência com SQL (otimização de queries, modelagem relacional e analítica);
- Experiência prática com Snowflake (warehousing, roles, tasks, performance, custos) e dbt (models, tests, sources, exposures);
- Experiência construindo pipelines de dados em Airflow (DAGs, sensores, retries, SLA) e AWS Lambda;
- Conhecimento de Postgres (ingestão, replicação/CDC básica ou manutenção, rotinas);
- Vivência com Python para dados (Pandas) e desenvolvimento de APIs com FastAPI;
- Prática em ELT/ETL orientado a batches, versionamento em Git e CI/CD (deploy seguro de pipelines/modelos dbt);
- Noções de segurança e governança de dados (controle de acesso, linhagem, documentação, dados sensíveis).
Diferenciais:
- Data platform: Snowflake, dbt;
- Orquestração e Cloud: Airflow (AWS), AWS Lambda, EKS (quando aplicável);
- Linguagens e libs: Python, Pandas, FastAPI;
- Bancos: Postgres, Snowflake;
- Dev: Git, CI/CD (GitHub Actions/GitLab CI/CodeBuild), IaC (CloudFormation/Terraform é plus);
- Observabilidade: CloudWatch, (Grafana/Prometheus como plus).
#LI-CB4