Projeto "GeoTec - Componente de Infraestrutura Computacional Digital para Data Lake, Lakehouse e Data Warehouse Aplicados a Previsão de Safras"

O Instituto Nacional de Pesquisas Espaciais (INPE), unidade de pesquisa do Ministério da Ciência, Tecnologia e Inovação (MCTI), possui um papel relevante no cenário nacional como grande provedor de dados e tecnologias geoespaciais. Com a criação do Programa Base de Informações Georreferenciadas, a BIG, o instituto deu um passo significativo para criação de uma base integrada de dados que pode ser acessada facilmente através de serviços web e APIs. A BIG integra diversos produtos de dados, incluindo imagens de sensoriamento remoto da superfície e atmosfera, cubos de dados e dados meteorológicos como temperatura e precipitação. Novos conjuntos de dados são incorporados de maneira sistemática, de forma que essa base encontra-se em constante aprimoramento e expansão, oferecendo aos usuários petabytes de dados para suas pesquisas e aplicações.

Além da contínua incorporação e expansão dos conjuntos de dados, torna-se essencial a existência de interfaces robustas com ambientes de Data Lake, Data Lakehouse e Data Warehouse, a fim de viabilizar a organização, a governança, a disponibilização, e disseminação eficiente e moderna das informações. Essas interfaces permitem que grandes volumes de dados sejam armazenadas, catalogadas e acessadas de forma padronizada, garantindo maior interoperabilidade entre as aplicações e os diferentes sistemas. Essa iniciativa representa um passo decisivo na modernização na disseminação dos dados, ampliando a capacidade nacional de transformar dados produzidos pelo INPE em informação útil para a sociedade.

1. OBJETIVO DA BOLSA
A bolsa tem como objetivo principal construir componentes de software para aprimoramento da infraestrutura computacional digital da BIG, em especial, um data lake, lakehouse ou data warehouse, incorporando dados agrometeorológicos, de mapeamento de áreas agrícolas e modelos de crescimento de cultura.

Além disso, tem-se como objetivos específicos atender as demandas de:

• Estudo de viabilidade, prova de conceito (PoC), desenvolvimento e/ou implantação de soluções de Data Lake, Data Lakehouse ou Data Warehouse na infraestrutura da BIG.
• Estudo e implantação de jobs de ETL/ELT, utilizando frameworks de processamento distribuído de dados, como o Apache Spark, para tratamento de grandes volumes de dados;
• Desenvolvimento de APIs para acesso aos dados;
• Criação de guias, tutoriais e documentação;

2. CARACTERÍSTICAS DA BOLSA

Tipo e Nível da Bolsa:    DTC-E
Período e Prazo da bolsa:    03 meses com possibilidade de extensão durante a vigência projeto
Data da Publicação:    17/04/2026
Prazo para o envio de Currículo:    24/04/2026
Previsão de início da bolsa:    01/05/2026

3. QUALIFICAÇÃO ESPERADA PARA O BOLSISTA

• Profissional com formação na área de Computação, Geografia, Engenharia Ambiental ou áreas correlatas, com ênfase em Geotecnologias;
• Experiência comprovada em atividades de pesquisa, desenvolvimento ou inovação com bancos de dados geográficos, data lakes e ciência de dados;
• Experiência em arquiteturas de dados voltadas a ambientes de Data Lake, Data Lakehouse e Data Warehouse, com ferramentas de software livre como o Apache Iceberg;
• Conhecimento avançado em tecnologias de processamento distribuído de grandes volumes de dados, incluindo Apache Spark/Spark SQL, DataFrames e otimização de jobs;
• Conhecimento sólido de ferramentas de orquestração de pipelines como Airflow e derivados;
• Conhecimento sólido de ETL/ELT, pipelines de processamento de dados e ciência de dados;
• Conhecimento de serviços OGC como WMS, WFS, TMS e afins;
• Conhecimento em análise de dados geoespaciais;
• Experiência com bancos de dados relacionais como PostgreSQL e a extensão espacial PostGIS;
• Desejável experiência com versionamento e reprodutibilidade de código (GitLab, GitHub e afins);

 
4. RESUMO DO PLANO DE TRABALHO

O bolsista atuará no desenvolvimento de componentes de software para aprimoramento da infraestrutura computacional da BIG, com foco na implantação de um Data Lake, Lakehouse ou Data Warehouse. O objetivo é expandir e aperfeiçoar a capacidade de armazenamento, distribuição e processamento de grandes volumes de dados geoespaciais. As atividades abrangem o planejamento da arquitetura de dados, a automação de pipelines de ingestão e o processamento em larga escala, contribuindo para o enriquecimento do acervo da BIG e para a disseminação dos dados produzidos pela plataforma. A infraestrutura proposta também contemplará mecanismos de governança de dados e será integrada ao Sistema Gerenciador de Identidade e Acesso da BIG, viabilizando autenticação centralizada por meio de Single Sign-On (SSO) e aproveitando a estrutura de controle de acesso já existente.
 
5. ATIVIDADES DO PLANO DE TRABALHO

1. Especificação conjunta de requisitos técnicos com a equipe do INPE;
2. Estudo inicial para entendimento dos conceitos e avaliar as tecnologias de Data Lake, Data Lakehouse e DataWarehouse existentes para serem exploradas;
3. Definição do modelo de arquitetura medalhão, considerando estratégias de particionamento e formatos de arquivos;
4. Implantar um Data Lake, Data Lakehouse e Data Warehouse no ecossistema da BIG;
5. Integrar com Sistema Gerenciador de Identidade e Acesso da BIG;
6. Desenvolvimento de rotinas de ingestão ETL/ELT e catalogação automatizada dos metadados;
7. Realizar testes de carga/benchmark;
8. Documentação técnica dos artefatos gerados;
9. Elaboração de tutoriais e materiais de apoio no uso das tecnologias implantadas;
10. Execução de atividades técnicas correlatas, alinhadas aos objetivos estratégicos e pactuadas com a coordenação técnica.
11. Relatório técnico do projeto;

 
6. PROCESSO DE SELEÇÃO

Os interessados devem realizar a inscrição exclusivamente por meio do formulário eletrônico disponível no endereço https://forms.gle/wr8V9w8FcoYigNJ3A. Os currículos devem ser enviados até o dia 24/04/2026.

Serão selecionados todos os currículos que atenderem aos critérios estabelecidos no ITEM 3 (Qualificação Esperada para o Bolsista). Estes currículos serão considerados "Currículos Válidos".

Os Currículos Válidos serão avaliados por uma banca examinadora composta por, no mínimo, dois servidores da área técnica do INPE que farão as análises e o ranqueamento conforme ITEM 3.

Os candidatos melhores ranqueados serão entrevistados para esclarecimentos, na qual deverão comprovar as competências descritas no currículo Lattes.

As entrevistas individuais serão realizadas em data a ser agendada no período entre os dias 27/04/2026 e 28/04/2026 de forma remota utilizando a ferramenta Google Meet