Analista de infraestrutura para Dados & AI — Pleno

Descrição da vaga

Seção:

Vamos buscar o extraordinário juntos? 🚀

A Franq é uma fintech que se orienta por quatro princípios: falamos de pessoa para pessoa, buscamos o extraordinário, damos vida à inovação e nos fortalecemos com a transparência.

Esta vaga tem um recorte específico. A pessoa integra o time de Infraestrutura e Plataforma — responde a ele tecnicamente, segue seus padrões, participa dos seus rituais e cresce dentro dele — mas tem o tempo dedicado à plataforma da área de Dados, Analytics & AI.

O que existe hoje funciona, mas está sustentado por trabalho manual e por engenharia sênior atendendo pedido a pedido. Deploy de dbt e de fluxos de ingestão ainda tem etapa manual, e isso já quebrou produção. Os últimos incidentes foram descobertos por reclamação de usuário, não por alerta. Boa parte dos recursos no GCP foi criada pelo console e não está em código. Backup e recuperação não estão mapeados. Concessão de acesso é ponto a ponto.

A missão desta vaga é transformar isso em plataforma: automatizada, observável, versionada em código, com guarda-corpos de custo e com recuperação testada. Você é a ponte entre quem constrói pipelines, modelos e agentes de IA e a infraestrutura que sustenta tudo isso.

Não esperamos domínio do stack analítico. Esperamos fluência em GCP, Terraform, Kubernetes, CI/CD e Python — e noção suficiente de dbt, Prefect, BigQuery e NiFi para entender o pedido, dimensionar o esforço e conversar de igual para igual com o time de dados.

Seção:

Responsabilidades e atribuições

Seção:

O seu papel será:

• A Franq é uma fintech que se orienta por quatro princípios: falamos de pessoa para pessoa, buscamos o extraordinário, damos vida à inovação e nos fortalecemos com a transparência.
• Esta vaga tem um recorte específico. A pessoa integra o time de Infraestrutura e Plataforma — responde a ele tecnicamente, segue seus padrões, participa dos seus rituais e cresce dentro dele — mas tem o tempo dedicado à plataforma da área de Dados, Analytics & AI.
• O que existe hoje funciona, mas está sustentado por trabalho manual e por engenharia sênior atendendo pedido a pedido. Deploy de dbt e de fluxos de ingestão ainda tem etapa manual, e isso já quebrou produção. Os últimos incidentes foram descobertos por reclamação de usuário, não por alerta. Boa parte dos recursos no GCP foi criada pelo console e não está em código. Backup e recuperação não estão mapeados. Concessão de acesso é ponto a ponto.
• A missão desta vaga é transformar isso em plataforma: automatizada, observável, versionada em código, com guarda-corpos de custo e com recuperação testada. Você é a ponte entre quem constrói pipelines, modelos e agentes de IA e a infraestrutura que sustenta tudo isso.
• Não esperamos domínio do stack analítico. Esperamos fluência em GCP, Terraform, Kubernetes, CI/CD e Python — e noção suficiente de dbt, Prefect, BigQuery e NiFi para entender o pedido, dimensionar o esforço e conversar de igual para igual com o time de dados.

Requisitos e qualificações

Seção:

O que esperamos que você tenha:

• GCP como nuvem principal, com experiência prática em GKE, IAM, Secret Manager, Artifact Registry, Cloud Logging e Monitoring.
• Terraform: escrever, manter e trazer para código recursos que já existem, sem recriar.
• Kubernetes em produção: deployments, services, ingress, namespaces, volumes, dimensionamento de recursos e investigação de status, eventos e logs para diagnóstico.
• CI/CD: desenhar e manter esteiras de deploy automatizado com testes antes da publicação. Usamos Bitbucket Pipelines; experiência equivalente em GitHub Actions ou GitLab CI conta.
• Python para automação, scripts de operação
• Gestão de segredos e identidade com menor privilégio: contas de serviço, papéis,
• Monitoramento e alerta: instrumentar métricas, definir limiares e escrever alerta que alguém consegue acionar.
• Docker, Linux, Git.
• Comunicação escrita objetiva — boa parte da interação com a área de dados acontece por card e por texto.

Você irá se destacar com conhecimentos em:

• GitOps com ArgoCD (Applications, ApplicationSets, sync e self-heal) e operador de secrets externos.
• Helm: leitura e manutenção de charts com values por serviço e por ambiente.
• Backup e recuperação de workloads em Kubernetes, com teste de restauração.
• FinOps: cotas, budget com alerta, rotulagem, rateio e redução de custo em nuvem.
• AWS em cenário de coexistência e migração: S3, IAM, ECR, EKS.
• OAuth 2.0 e SSO com Google Workspace aplicados à proteção de aplicações internas.
• Experiência em ambiente regulado — fintech, banco, seguradora — e familiaridade com LGPD e requisitos do BACEN.

Seção:

• Orquestração de dados — Prefect, Airflow ou equivalente: o que é um work pool, um worker, um deployment, e como um agendamento falha ou deixa de rodar.
• dbt: estrutura de um projeto, execução em CI, testes automatizados e geração de documentação.
• BigQuery: datasets, controle de acesso,
• Apache NiFi e seu registro de fluxos.
• Camada semântica (Cube) e ciclo de vida de aplicações de IA generativa em produção — imagem, variáveis, observabilidade — mesmo sem experiência com os frameworks.
• Administração de Atlassian — Jira e Bitbucket: grupos, papéis, permissões e tokens.