Brasil
Pentera
LawnStarter
Gerente de Engenharia de Analytics, Plataforma de Dados e Governança
RemotoBrasil
Belo Horizonte, Minas Gerais, Brazil
SQLGo
Tradução automática. Consulte o original.
Sobre a LawnStarter
A LawnStarter é o principal marketplace sob demanda do país para cuidados com o gramado e serviços externos, com mais de US$ 150 milhões em reservas anuais. Estamos expandindo além dos cuidados com o gramado para nos tornarmos o balcão único para todos os serviços domésticos, operando em três marcas (LawnStarter, Lawn Love, Home Gnome) em uma única plataforma compartilhada.
Sobre Analytics na LawnStarter
Somos uma pequena equipe sênior de analytics apoiando toda a empresa; produto, marketing, operações e finanças rodam com base nos dados que fornecemos. A base é sólida: um data warehouse Redshift centralizado onde todos os dados de origem chegam, modelados em dbt e orquestrados pelo Airflow, com Segment alimentando os dados de eventos. Você não vai juntar fontes espalhadas, a plataforma existe; seu trabalho é torná-la confiável e mantê-la assim. Estamos em meio à migração para Lightdash como nossa única plataforma de BI, substituindo Tableau e Metabase.
Aqui está a lacuna honesta: todos na equipe hoje são analistas. Qualidade de dados, padrões de rastreamento e higiene da plataforma são feitos como trabalho paralelo, apertados entre análises. Ninguém acorda pensando neles, que é exatamente o trabalho para o qual estamos contratando.
O que torna esta função diferente
- Você é o primeiro. A governança tem sido o trabalho paralelo de todos, então o que existe hoje é seu para remodelar, manter o que funciona, redesenhar o que não funciona, e seus padrões se tornarão os padrões da empresa.
- Você é dono do roteiro, não de um backlog. Ninguém lhe entrega requisitos, você descobre o que o negócio precisa dos dados e decide o que será construído, em que ordem e por quê.
- Propriedade de ponta a ponta. Dados de origem a pipelines a dashboards e modelos de ML, você é dono da confiança em toda a cadeia, não de uma fatia dela.
- Uma migração ao vivo para moldar. Lightdash está chegando agora. Você pode configurar suas permissões, estrutura e normas antes que maus hábitos se formem, em vez de desvendá-los mais tarde.
A Função
Você será a primeira pessoa na LawnStarter dedicada à governança de dados, o proprietário de se nossos dados podem ser confiáveis e do roteiro que os torna mais confiáveis a cada trimestre. Confiança significa a qualidade e a atualidade de nossos dados de origem, pipelines e relatórios; as definições por trás de nossas métricas; os padrões por trás do nosso rastreamento de eventos Segment; a saúde do nosso espaço de trabalho Lightdash; os dados que alimentam nossos modelos de machine learning; e a segurança dos próprios dados. O roteiro significa sentar com produto, marketing, ops e finanças para entender o que o negócio precisa dos dados, transformando isso em prioridades para a plataforma e sequenciando o trabalho, o seu e, em breve, o da sua equipe.
Este é um cargo prático, todo gerente na LawnStarter constrói, e este não é exceção. Você começará sozinho, com a equipe de Analytics ao seu redor: construindo automação, escrevendo verificações, consertando o que está quebrado e implementando processos que escalam além de você. Assim que você se estabelecer, abriremos uma vaga de Engenheiro de Analytics Líder reportando a você, você ajudará a escolhê-lo, e a função crescerá a partir daí conforme o escopo exigir.
O que Você Gerenciará
- O roteiro de dados - descobrir o que produto, marketing, ops e finanças precisam dos dados, priorizando-o em relação à saúde da plataforma, e sequenciando o investimento. Você o apresentará, defenderá e o replanejara conforme o negócio avança.
- Qualidade e atualidade dos dados - monitoramento automatizado em dados de origem, pipelines e relatórios; capturando mudanças de esquema e origem upstream antes que quebrem algo downstream; executando incidentes até a resolução quando eles acontecem.
- Linha do tempo e análise de impacto dos dados - um mapa vivo da origem de produção ao modelo de warehouse ao dashboard, e o processo que o utiliza: quando uma mudança de produção é proposta, seu impacto downstream em pipelines, métricas e relatórios é avaliado antes de ser enviado, não descoberto depois. O estado final são contratos de dados com engenharia, para que mudanças disruptivas sejam capturadas em seu fluxo de trabalho, não no nosso.
- Lightdash - administração, estrutura do espaço de trabalho, permissões e o próprio rollout. Seu trabalho é dar à empresa autonomia de autoatendimento, mantendo o espaço de trabalho organizado o suficiente para que as pessoas encontrem e confiem no que está lá. Habilitação faz parte do acordo, as pessoas seguem padrões que lhes foram ensinados, e manter consultas rápidas e custos de warehouse razoáveis também.
- A camada semântica - acabamos de lançá-la para nossas métricas mais críticas: uma definição governada por métrica, em código. Você estenderá a definição e o mapeamento para o restante e protegerá a camada contra crescimento descontrolado à medida que ela escala.
- Governança de rastreamento de eventos - nosso catálogo de eventos Segment governado: revisando novos eventos contra seus padrões, mantendo-o correspondente ao que a produção realmente envia e evoluindo as barreiras de proteção (nomeação, dicionário de propriedades, detecção de desvios) à medida que o rastreamento cresce.
- Prontidão de dados para IA - agentes de IA consultam nosso warehouse todos os dias através do Brain, nosso kit de ferramentas de IA interno. Você governará quais dados as ferramentas de IA podem acessar e manterá o warehouse legível para IA: documentado, consistente e seguro para um agente consultar e obter a resposta correta.
- Segurança e privacidade de dados - controles de acesso, manuseio e retenção de PII sob as leis de privacidade dos estados dos EUA e revisões periódicas de quem, e quais ferramentas de IA, podem ver o quê.
- O próprio sistema de governança - a documentação, os modelos de propriedade e os loops de revisão que mantêm tudo isso funcionando sem heroísmo.
Problemas a Resolver
- Transformar necessidades de negócios em um roteiro de dados. Cada área da empresa quer algo dos dados, e hoje essas solicitações chegam à equipe de Analytics como um fluxo de interrupções. Você construirá a entrada e a priorização que as transformam em um roteiro, um que equilibra as necessidades das partes interessadas contra a saúde da plataforma, sobrevive ao contato com um negócio em mudança e que suas partes interessadas podem se ver nele. A parte difícil: dizer "ainda não" para pessoas importantes, com uma razão que elas respeitam.
- Tornar a migração Lightdash um salto de qualidade, não um replanejamento. Estamos substituindo Tableau e Metabase por Lightdash. Feito de forma inadequada, trocamos duas ferramentas confusas por uma ferramenta confusa. Você projetará a estrutura, os espaços, as permissões, a certificação, a nomeação, que permitem que as partes interessadas se autoatendam na velocidade que a empresa precisa, sem criar um pesadelo de crescimento descontrolado de dashboards. A parte difícil: autonomia e organização puxam em direções opostas, e você tem que entregar ambas.
- Finalizar e defender a camada semântica. Acabamos de lançar nossa camada semântica para nossas métricas mais críticas, uma definição governada por métrica, para que "dois dashboards, dois números" não aconteça. A verdade sem glamour: uma longa cauda de métricas ainda precisa de definição e mapeamento, e uma camada semântica só permanece confiável se alguém controlar seu crescimento. Você será o responsável por ambos, estendendo a cobertura e mantendo a verdade de "uma métrica, uma definição" à medida que a camada escala.
- Domar a entropia do rastreamento de eventos. Eventos Segment alimentam nossos funis e análise de produto, e são implementados por muitos engenheiros em muitas equipes. As barreiras de proteção existem, um catálogo de eventos governado com padrões de nomeação, um dicionário de propriedades, um ciclo de revisão e detecção automática de desvios contra a produção. O que falta é um proprietário dedicado: alguém que submeta cada novo evento ao padrão, mantenha o catálogo correspondente ao que a produção realmente envia e evolua as barreiras de proteção à medida que o rastreamento cresce. Sem isso, a entropia vence, os eventos se desviam e se degradam silenciosamente quando os recursos mudam.
- Antecipar falhas em vez de persegui-las. Hoje, quando os dados de produção mudam upstream, descobrimos com muita frequência quando um pipeline quebra ou uma parte interessada sinaliza um número incorreto. Você não começará do zero, um agente de Engenheiro de Analytics com IA já executa monitoramento de atualidade, detecção de anomalias de métricas e verificações de linhagem baseadas em dbt, mas ainda não opera na escala ou cobertura que precisamos. Você levará a detecção de parcial para abrangente, estenderá a linhagem além do dbt (eventos Segment e Lightdash precisam ser conectados) e a conectará à revisão de mudanças da engenharia, para que uma mudança de produção proposta venha com uma avaliação de impacto downstream em vez de um post-mortem. O estado final são contratos de dados: mudanças disruptivas capturadas no fluxo de trabalho da engenharia, não no nosso.
O que Sucesso Parece (Ano 1)
- Zero incidentes de pipeline devido a mudanças não anunciadas nos dados de origem - a linhagem e a automação os capturam antes que quebrem algo downstream, e as mudanças de produção são enviadas com uma avaliação de impacto em vez de um post-mortem.
- Zero incidentes de atualidade - as partes interessadas nunca abrem um dashboard desatualizado.
- Cada área do negócio opera com métricas e dashboards oficiais e bem mantidos - produto, marketing, ops e finanças se autoatendem em Lightdash contra uma camada semântica totalmente mapeada; Tableau e Metabase são aposentados; discussões sobre qual número está certo não acontecem. Não porque você construiu os dashboards - mas porque você construiu o sistema que os mantém confiáveis.
- Cada evento Segment tem um proprietário e um padrão - novos eventos são lançados em conformidade, e a degradação é capturada automaticamente, não por acidente.
- A governança funciona como um sistema - processos documentados que sobreviveriam a você tirar um mês de folga.
Quem Você É
- Governança é o seu ofício, não sua tarefa. Você genuinamente gosta de tornar os sistemas de dados confiáveis e organizados, você é a pessoa que não consegue deixar uma convenção de nomenclatura quebrada sozinha. É improvável que este seja um bom ajuste se você vê a governança como um degrau para um trabalho "real" de análise.
- Nativo de IA. Você usa ferramentas de IA (Claude Code, Copilot, ChatGPT) diariamente para construir verificações de qualidade, escrever automação, triar anomalias e documentar conforme avança, uma pessoa cobrindo um terreno que costumava levar uma equipe. Você também vê a direção inversa: agentes de IA consomem nossos dados diariamente, e tornar o warehouse seguro e legível para eles é parte da governança agora. É improvável que este seja um bom ajuste se você for cético em relação a ferramentas de IA ou preferir fazer tudo manualmente.
- Um gerente prático. Você foi responsável pela produção de outras pessoas, alocando o tempo delas, sendo dono de suas prioridades, e você nunca parou de construir. Você escreve o SQL, depura o DAG do Airflow e configura as permissões pessoalmente. É improvável que este seja um bom ajuste se a senioridade o afastou do teclado, ou se você nunca foi responsável pelo trabalho de ninguém além do seu.
- Orientado a produto. Você começa pelo que o negócio está tentando decidir, não pelo que o pipeline faz, e você pode transformar uma solicitação vaga de uma parte interessada em um plano priorizado. É improvável que este seja um bom ajuste se você precisa que os requisitos sejam entregues a você, ou se conversas sobre roteiro parecem uma distração do trabalho real.
- Automação em primeiro lugar. Seu instinto para qualquer verificação recorrente é construir um monitor, não uma lista de verificação. É improvável que este seja um bom ajuste se sua prática de qualidade depende de revisão manual e disciplina.
- Um fiscal que as pessoas realmente gostam. Você manterá engenheiros e analistas que você não gerencia em conformidade com os padrões, o que exige regras claras, boas ferramentas que facilitam a conformidade e a coragem de dizer "não" graciosamente. É improvável que este seja um bom ajuste se você evita atrito ou, no outro extremo, gosta de ser o departamento do "não".
Esta Função NÃO É
- Um cargo de liderança de grande equipe. Você começa sozinho e depois contrata um Engenheiro de Analytics Líder que se reporta a você; a equipe cresce apenas conforme o escopo exige. Se você quer dirigir uma grande organização em vez de construir ao lado de uma pequena, esta não é para você.
- Um trabalho de política ou comitê. Não há conselhos de governança para presidir e nenhum manual para produzir. Quando algo está quebrado, você conserta, com código, configuração ou uma conversa.
- Um cargo de analista de BI. Você não passará seus dias construindo dashboards para as partes interessadas. Você constrói a plataforma e as barreiras de proteção que permitem que todos os outros façam isso bem.
- Um sistema pronto para ser supervisionado. Grande parte disso ainda não existe. Se você quer operar uma plataforma de dados madura em vez de construir uma, você ficará frustrado aqui.
Tecnologia que Você Usará
- Warehouse e pipelines - Redshift, dbt, Airflow
- Ingestão - Fivetran, mais pipelines Airflow customizados
- Rastreamento de eventos - Segment
- BI - Lightdash (principal), Tableau e Metabase (descontinuando)
- Ferramentas de IA - Claude Code, Codex, Brain (nosso kit de ferramentas de IA interno) e qualquer ferramenta que o torne mais eficaz ou eficiente
- Observabilidade - um agente de Engenheiro de Analytics com IA (monitoramento de atualidade, detecção de anomalias, linhagem dbt) que você escalará, mais as ferramentas de qualidade e impacto que você adicionará ao redor dele
Você não precisa ter todas as caixas marcadas. Você precisa de profundidade prática na camada de warehouse/pipeline e experiência credível em manter uma ferramenta de BI e um plano de rastreamento saudáveis em escala empresarial.
Salário base: US$ 75k–US$ 120k/ano
Totalmente remoto: Este trabalho exige foco profundo, construção de monitores, desvendamento de pipelines, e confiamos em você para gerenciar seu ambiente. A colaboração assíncrona é a norma.
PTO flexível: Focamos em resultados. Pegue o que precisar.
A LawnStarter oferece oportunidades iguais de emprego (EEO) a todos os funcionários e candidatos a emprego, sem distinção de raça, cor, religião, sexo, origem nacional, idade, deficiência ou genética. Cumprimos as leis estaduais e locais aplicáveis que regem a não discriminação no emprego.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil