Engenheiro de Dados
Constrói e opera os pipelines que movem e transformam dados em escala. É a fundação técnica que alimenta analistas, cientistas e BI.
Dificuldade
Faixa salarial
R$ 5.000 (júnior) a R$ 25.000+ (sênior). Média BR R$ 10-12k, Glassdoor 2026. Pleno gira em R$ 11-16k. Especialistas em Spark e streaming em fintechs (Nubank, iFood, Stone) passam R$ 20k. Remoto pra fora paga em dólar.
Cargos típicos
4 cargos
O que é essa subárea
Engenheiro de Dados é quem constrói a infraestrutura de dados de uma empresa: os pipelines que extraem dados de dezenas de fontes, movem pra um data lake ou warehouse e deixam tudo pronto e confiável pra quem vai analisar. Sem ele, cientistas e analistas não têm dado com que trabalhar. É um dos cargos mais demandados e mais bem pagos da área de dados em 2026, porque combina engenharia de software pesada com domínio de sistemas distribuídos. Mercado super aquecido: com o boom de IA, toda empresa que quer usar modelos precisa antes organizar seus dados, e é o engenheiro que faz isso. Média BR gira em torno de R$ 10-12k, com sêniores em fintechs passando de R$ 20k.
Como difere de Ciência de Dados
Dentro de Ciência de Dados, o Engenheiro de Dados é a camada de infraestrutura, não toca em modelo preditivo nem em dashboard. Diferente do Analytics Engineer (que transforma dados já dentro do warehouse com SQL e dbt), o Engenheiro de Dados constrói o que vem antes: os pipelines que movem o dado da origem até o warehouse. Diferente do DBA (que administra e afina um banco específico), o engenheiro constrói o fluxo de movimentação entre muitos sistemas. Diferente do Arquiteto de Dados (que decide qual ecossistema usar), o engenheiro implementa e opera o que o arquiteto desenhou. É a porta de entrada natural pra quem vem de backend e quer migrar pra dados: a base de engenharia de software já vale muito.
No dia a dia
No dia a dia: constrói pipelines de ingestão (batch e streaming) que trazem dados de bancos, APIs e eventos pra um repositório central, orquestra a execução desses fluxos com Airflow ou Dagster, processa grandes volumes com Spark, modela os dados no warehouse (modelagem dimensional), implementa observabilidade e testes pra garantir que o dado chega íntegro, e otimiza custo e performance da infraestrutura de dados. Trabalha como fornecedor: entrega dados confiáveis pra Analytics Engineers, Analistas e Cientistas consumirem.
Habilidades específicas
- Python e SQL avançado (base do trabalho diário)
- Orquestração de pipelines (Airflow ou Dagster)
- Processamento distribuído (Apache Spark, PySpark)
- Modelagem dimensional (Kimball) e conceitos de data lake/lakehouse
- Cloud e noções de Infrastructure as Code (Terraform)
Ferramentas específicas
- Apache Airflow ou Dagster (orquestração)
- Apache Spark / Databricks (processamento em escala)
- dbt (transformação no warehouse)
- Python (PySpark, Pandas) + SQL
- Snowflake, BigQuery ou Redshift (data warehouses)
- Apache Kafka (ingestão de streaming)
Roadmap específico
- 1Dominar SQL profundo + Python (foco em manipulação de dados)
- 2Aprender modelagem de dados (dimensional/Kimball) e conceitos de warehouse
- 3Estudar orquestração com Airflow (padrão da área) construindo pipelines reais
- 4Aprender Spark pra processamento em escala e um data warehouse na nuvem (BigQuery é gratuito até certo volume)
- 5Construir portfólio público: 2 pipelines end-to-end no GitHub com documentação
Cursos gratuitos
- DataTalksClub: Data Engineering Zoomcamp (gratuito, completo, em inglês)
- freeCodeCamp: tutoriais de Apache Airflow e Spark (YouTube)
- Documentação oficial do Apache Airflow e do Apache Spark (gratuita)
Projetos pra portfólio
- Pipeline batch completo: ingestão de CSV/API → data lake → warehouse orquestrado com Airflow
- Job de processamento em Spark sobre um dataset público grande (milhões de linhas)
- Pipeline de streaming com Kafka: eventos → processamento → warehouse em quase tempo real
Cargos típicos
Faixa salarial
R$ 5.000 (júnior) a R$ 25.000+ (sênior). Média BR R$ 10-12k, Glassdoor 2026. Pleno gira em R$ 11-16k. Especialistas em Spark e streaming em fintechs (Nubank, iFood, Stone) passam R$ 20k. Remoto pra fora paga em dólar.
Dicas pra começar
Engenheiro de Dados é o cargo que mais cresce com o boom de IA: modelo bom precisa de dado organizado, e é você que organiza. Se vem de backend, seu maior atalho: sua base de engenharia já conta muito. SQL e Python são inegociáveis, comece por eles. Airflow é a ferramenta que aparece em quase toda vaga. O DataTalksClub Zoomcamp é o melhor caminho gratuito e estruturado pra entrar. Inglês é obrigatório (doc e community em inglês).