Banco de Talento de Dados - Data Transformation Week

Santander Brasil
Marple
4 months ago
Applications closed

Related Jobs

View all jobs

HCUK Data Governance & Quality Analyst

Data Governance & Quality Analyst (SAS & Purview)

Banco de Talento de Dados - Data Transformation Week

Join to apply for the Banco de Talento de Dados - Data Transformation Week role at Santander Brasil

Overview

Country: Brazil

O Santander e a F1RST se uniram para criar um banco de talentos voltado a quem quer transformar o futuro da inovação financeira. O Santander é um ecossistema em crescimento, com o propósito de contribuir para que pessoas e negócios prosperem. É um ambiente que valoriza a diversidade, incentiva a inovação e promove uma cultura horizontal, onde há espaço para criar, questionar e desafiar o mercado. A F1RST é o hub de tecnologia do Santander. Com uma cultura baseada em pessoas, inovação e resultados, desenvolvemos soluções digitais que impactam mais de 60 milhões de clientes em todo o Brasil. Estamos sempre em busca de profissionais talentosos que possam agregar valor ao nosso time. Nosso Banco de Talentos foi criado para conectar pessoas às nossas oportunidades futuras. Você se identifica com o universo da tecnologia e quer construir uma carreira em um ambiente que valoriza a diversidade, crescimento e desenvolvimento? Este espaço é dedicado para as Pessoas convidadas do Data Transformation Week.

Estamos com oportunidades abertas para pessoas que queiram atuar em diferentes áreas da tecnologia, como:

  • Engenharia de Software — Desenvolvimento de aplicações, APIs, sistemas web e mobile.
  • Engenharia de Dados — Construção de pipelines, modelagem de dados, análise e arquitetura de dados.
  • Infraestrutura e DevOps — Automação de ambientes, cloud computing, CI/CD, segurança e monitoramento.
  • Suporte Técnico e Help Desk — Atendimento a usuários, resolução de problemas técnicos e manutenção de sistemas.
  • GenIA (Inteligência Artificial Generativa) — Desenvolvimento de soluções com IA, NLP, visão computacional e modelos generativos.
  • Outras áreas de tecnologia — Estamos sempre em busca de talentos diversos para áreas como Produto, UX/UI, entre outras.
O que buscamos
  • Experiência prévia é bem-vinda, mas também temos oportunidades para quem está começando.
  • Pessoas apaixonadas por tecnologia, com vontade de aprender e crescer.
  • Pessoas que atuem no nosso modelo 3x/2x.
  • Pessoas que tenham disponibilidade para residir na cidade de São Paulo.
  • Inglês/Espanhol são diferenciais que se destacam.
Benefícios
  • Remuneração Variável
  • Assistência Médica e Odontológica
  • Auxílio Alimentação e Refeição
  • Previdência Complementar
  • Seguro de Vida
  • Auxílio Creche/Babá
  • Gympass ou Totalpass
  • Vale Transporte
  • Programa Nascer
  • Be Healthy - Programa que incentiva todos a terem hábitos mais saudáveis
  • PAPE - Programa de apoio pessoal especializado
Vagas disponíveis (exemplos)
  • Analista de Infraestrutura e Banco de Dados Sênior — Americana, São Paulo, Brazil
  • Coordenador de Gestão de Pessoas SP - Salto/ Suzano/ Jundiaí - Banco de Dados
  • Analista de Desenvolvimento Junior – Foco em Business Intelligence (BI) — Campinas, Indaiatuba, São Paulo, Brazil
  • Banco de Talentos | Líder Técnico (a) JR/PL/SR
  • Analista PL - Sistema de Gestão Integrado


#J-18808-Ljbffr

Subscribe to Future Tech Insights for the latest jobs & insights, direct to your inbox.

By subscribing, you agree to our privacy policy and terms of service.

Industry Insights

Discover insightful articles, industry insights, expert tips, and curated resources.

Careers

How Many Data Science Tools Do You Need to Know to Get a Data Science Job?

If you’re trying to break into data science — or progress your career — it can feel like you are drowning in names: Python, R, TensorFlow, PyTorch, SQL, Spark, AWS, Scikit-learn, Jupyter, Tableau, Power BI…the list just keeps going. With every job advert listing a different combination of tools, many applicants fall into a trap: they try to learn everything. The result? Long tool lists that sound impressive — but little depth to back them up. Here’s the straight-talk version most hiring managers won’t explicitly tell you: 👉 You don’t need to know every data science tool to get hired. 👉 You need to know the right ones — deeply — and know how to use them to solve real problems. Tools matter, but only in service of outcomes. So how many data science tools do you actually need to know to get a job? For most job seekers, the answer is not “27” — it’s more like 8–12, thoughtfully chosen and well understood. This guide explains what employers really value, which tools are core, which are role-specific, and how to focus your toolbox so your CV and interviews shine.

Jobs

What Hiring Managers Look for First in Data Science Job Applications (UK Guide)

If you’re applying for data science roles in the UK, it’s crucial to understand what hiring managers focus on before they dive into your full CV. In competitive markets, recruiters and hiring managers often make their first decisions in the first 10–20 seconds of scanning an application — and in data science, there are specific signals they look for first. Data science isn’t just about coding or statistics — it’s about producing insights, shipping models, collaborating with teams, and solving real business problems. This guide helps you understand exactly what hiring managers look for first in data science applications — and how to structure your CV, portfolio and cover letter so you leap to the top of the shortlist.

Education

The Skills Gap in Data Science Jobs: What Universities Aren’t Teaching

Data science has become one of the most visible and sought-after careers in the UK technology market. From financial services and retail to healthcare, media, government and sport, organisations increasingly rely on data scientists to extract insight, guide decisions and build predictive models. Universities have responded quickly. Degrees in data science, analytics and artificial intelligence have expanded rapidly, and many computer science courses now include data-focused pathways. And yet, despite the volume of graduates entering the market, employers across the UK consistently report the same problem: Many data science candidates are not job-ready. Vacancies remain open. Hiring processes drag on. Candidates with impressive academic backgrounds fail interviews or struggle once hired. The issue is not intelligence or effort. It is a persistent skills gap between university education and real-world data science roles. This article explores that gap in depth: what universities teach well, what they often miss, why the gap exists, what employers actually want, and how jobseekers can bridge the divide to build successful careers in data science.

🍪 We use cookies to enhance your browsing experience on our website. By continuing to use this site, you consent to the use of cookies as described in our Cookie Policy. You can review our Cookie Policy for more information.