Remuneração anual mediana em 2025
US$ 126.760
Mediana da ocupação inteira, somando todos os níveis de experiência. Não é específica de um nível nem do Brasil.
Carreira em 2026 e 2027
Engenheiro(a) de Dados
Engenheiros de dados constroem e operam os pipelines, o armazenamento e os modelos que levam o dado bruto até as pessoas e os sistemas que dependem dele. O trabalho vai de carregar uma tabela com confiabilidade até projetar uma plataforma em que vários times confiam e constroem.
Conteúdo revisado em 20 de outubro de 2026
- Níveis
- 4
- Habilidades mapeadas em Pleno
- 12
O que cada nível precisa provar
Pleno
É dono de pipelines de ponta a ponta, da ingestão às tabelas modeladas, e os mantém confiáveis, testados e documentados.
Você não espera mais uma tarefa totalmente especificada: escolhe a abordagem, constrói os modelos e responde quando o pipeline quebra. Em relação ao júnior, entram fontes de streaming, uma camada de transformação versionada e a responsabilidade por dados sensíveis. Decisões arquiteturais grandes ainda sobem para alguém mais sênior.
Score médio exigido: 65%
ETL vs ELT Patterns
Por quê: Você escolhe onde cada transformação roda e desenha cargas incrementais com etapa de staging, de modo que uma fonte nova entra sem reprocessar anos de histórico.
Batch Processing Fundamentals
Por quê: Você desenha jobs batch com particionamento, janelas de agendamento e pontos de reinício próprios, para que uma execução que falha às 3h retome limpa em vez de exigir reprocesso manual.
Dimensional Modeling (Star/Snowflake)
Por quê: Você modela uma nova área de negócio com dimensões conformadas, para que relatórios de vendas e de suporte filtrem pelo mesmo cliente e parem de divergir nas reuniões.
Data Lake vs Warehouse vs Lakehouse
Por quê: Você propõe onde uma nova carga de trabalho deve morar e justifica com custo e desempenho, por exemplo tirando o histórico frio do warehouse.
Advanced SQL (Window Functions/CTEs)
Por quê: Você reescreve uma consulta analítica lenta e aninhada usando window functions ou CTE recursiva, e consegue mostrar que o resultado continua o mesmo.
dbt & Transformation Layers
Por quê: Você estrutura um projeto dbt em camadas com testes e modelos incrementais, para que uma mudança num modelo de staging seja revisada, testada e documentada antes de ir para produção.
Message Queue Fundamentals (Kafka/Kinesis)
Por quê: Você consome do Kafka com o consumer group e o controle de offset corretos, para que um restart não pule eventos nem reprocesse um dia inteiro de pedidos.
Stream Processing (Flink/Spark Streaming)
Por quê: Você constrói uma agregação em janela por event time, para que eventos atrasados de clientes mobile caiam no minuto certo e o dashboard continue correto.
Cloud Data Services (S3/GCS/ADLS)
Por quê: Você desenha a estrutura de buckets, as políticas de ciclo de vida e os papéis de acesso de um data lake, para o custo de armazenamento ficar previsível e cada time ver só a sua zona.
Spark Cluster Management
Por quê: Você dimensiona executors e corrige um shuffle desbalanceado, para que um job Spark que estourava memória termine dentro da janela sem simplesmente comprar um cluster maior.
Data Lineage & Cataloging
Por quê: Você usa o lineage para ver quais dashboards dependem de uma coluna antes de renomeá-la, e registra a tabela no catálogo para que outras pessoas a encontrem.
PII Handling & Masking
Por quê: Você detecta dado pessoal numa fonte nova e o mascara ou tokeniza antes de chegar aos analistas, para que o e-mail de um cliente nunca apareça numa tabela compartilhada.
Estude para Engenheiro(a) de Dados: trilhas e simulados
Cada nível desta carreira corresponde a uma trilha de estudo. Leia o mapa completo de tópicos de graça e depois meça seu nível.
Panorama de mercado (Estados Unidos)
Crescimento projetado de vagas, 2025–2035
+4%
Parecido com a média
Ocupação dos EUA mais próxima: Database Administrators and Architects. US Bureau of Labor Statistics, Occupational Outlook Handbook, atualizado em 27 de agosto de 2026
Dois caminhos para subir um nível
12 semanas · intensivo
Para quem tem prazo
Cerca de 8 horas por semana, em 1 ciclo focados nas lacunas que mais pesam.
40 semanas · regular
Junto com o trabalho
Cerca de 4 horas por semana, em 3 ciclos. Cada ciclo leva o que ficou pendente do anterior.
Perguntas frequentes
O que é Engenheiro(a) de Dados?
Engenheiros de dados constroem e operam os pipelines, o armazenamento e os modelos que levam o dado bruto até as pessoas e os sistemas que dependem dele. O trabalho vai de carregar uma tabela com confiabilidade até projetar uma plataforma em que vários times confiam e constroem.
O que cada nível de Engenheiro(a) de Dados precisa comprovar?
Engenheiro(a) de Dados está mapeado em 4 níveis: Júnior, Pleno, Sênior e Especialista. Abra cada nível acima para ver as habilidades que ele precisa comprovar.
Quanto tempo leva o plano de Engenheiro(a) de Dados?
O plano tem 2 ritmos: 12 semanas por nível, com cerca de 8 horas por semana (intensivo) e 40 semanas por nível, com cerca de 4 horas por semana (regular).
Como o plano funciona
Tutor IA
Uma sessão de estudo para cada tema novo, no seu nível.
Escola de IA
Aulas práticas de uso de IA no dia a dia da sua carreira.
Assessments
Cada requisito é provado por medição, não por um checkbox.
Revisão de etapa
No fim de cada ciclo você vê o que avançou e o que segue para o próximo.
Descubra em que nível você está
Um diagnóstico curto mede as habilidades que você já tem. A jornada começa daí.