Gamdom
Polaris Bank Limited
Head, Data & Intelligence Engineering
Sobre a Posição
O Head de Data & Intelligence Engineering é o responsável pelas plataformas de dados, analytics e capacidades de IA que impulsionam a tomada de decisões e experiências personalizadas de clientes no Polaris Bank. Esta é uma posição de liderança que dirige quatro disciplinas especializadas — Engenharia de Dados, Analytics & BI, Ciência de Dados & IA e Governança de Dados — através de líderes e engenheiros dedicados, não como um contribuidor individual prático em todas as quatro.
Principais Responsabilidades
Supervisão de Engenharia de Dados
- Direcionar o design de pipelines de dados escaláveis e confiáveis, data warehouses e infraestrutura ETL
- Definir padrões para modelagem de dados e arquitetura de infraestrutura usados nas plataformas de dados do banco
Supervisão de Analytics & BI
- Garantir que a função de analytics entregue dashboards, relatórios e ferramentas de autoatendimento que impulsionem decisões baseadas em dados em todo o banco
- Definir padrões para visualização de dados e consistência de relatórios
Supervisão de Ciência de Dados & IA
- Direcionar o desenvolvimento de modelos de IA/ML que suportem personalização, detecção de fraudes, score de crédito e otimização operacional
- Garantir que o desempenho, a justiça e a confiabilidade dos modelos sejam validados antes da implantação em produção
Supervisão de Governança de Dados
- Garantir que as práticas de qualidade de dados, privacidade e gerenciamento de metadados sejam aplicadas em todos os ativos de dados
- Ser o proprietário do framework de governança de dados do banco e garantir a conformidade regulatória no manuseio de dados
Competências Essenciais
- Estratégia de plataforma de dados e liderança técnica em engenharia, analytics e ciência de dados
- Fluência prática em gerenciamento do ciclo de vida de modelos de ML/IA e práticas de MLOps
- Forte base em privacidade de dados e conformidade regulatória (NDPR e regulamentações de dados bancários aplicáveis)
- Gerenciamento de stakeholders entre as áreas de tecnologia, risco e negócios
Familiaridade com Ferramentas (utilizadas pelas equipes da função)
Python, SQL, Apache Spark, Airflow, Kafka, Databricks, Snowflake, AWS Glue, dbt; Power BI, Tableau, Looker, Metabase; TensorFlow, PyTorch, Scikit-learn, MLflow, SageMaker, Kubeflow; Collibra, Informatica
Requisitos
Qualificações
- Bacharelado em Ciência da Computação, Ciência de Dados, Estatística ou área relacionada; pós-graduação é uma vantagem
- Histórico comprovado liderando funções de engenharia de dados, analytics ou ciência de dados, idealmente em bancos ou serviços financeiros
