Anti-ATS Evaluatorv1.3

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5-mini] Candidate brings strong systems, automation and some ML experience but lacks the enterprise-grade MLOps stack (Kubernetes, Terraform, Prometheus/OpenTelemetry, MLflow/Kubeflow) and explicit observability leadership the role requires. ATS will flag missing cloud-native infrastructure and telemetry skills critical for this senior/platform position. **Strengths:** 12+ years engineering with systems and automation focus, Practical production automation and deployment experience, Python, SQL and system-level architecture background, Experience bridging execs and engineers (platform-facing skills) **Missing Required:** Deep observability experience (OpenTelemetry/Prometheus), Container orchestration & infra-as-code (k8s, Terraform), End-to-end enterprise MLOps platform leadership

[ANALYSIS_REPORT] **TOP** [3-pro] Match surpreendente para uma vaga de 'Data Scientist': pede explicitamente automação com Make/Zapier e criação de Agentes/LLMs, exatamente o sweet spot do candidato. Valoriza 'viés para ação' e 'integração com negócio'. **Strengths:** N8N/Make/Zapier (Exact Keyword Match), LLM Integration, Business/Process Automation, Python/APIs **Missing Required:** Pós-graduação em IA (Desejável)

[ANALYSIS_REPORT] **HIGH** [Copilot: GPT5-mini] Strong fit: candidate has hands-on LLM integration, production prompt/LLM tooling experience, API integrations and systems thinking which map directly to senior prompt engineering for voice/chat agents. Only notable missing item is Russian reading and explicit 5+ years focused prompt-engineering history, both non‑blocking for many remote startups. **Strengths:** Direct LLM integration and production prompt tooling (Job Market Intelligence), API/Node.js and Python experience for system/tooling integration, Systems architecture and reliability focus for production flows, Fluent English and history of shipping production services

[ANALYSIS_REPORT] **LOW** [3-pro] Consultoria grande (CI&T) com requisitos rígidos de anos de experiência (3 anos em ML) que o candidato não possui formalmente. Exigência presencial em Campinas cria atrito geográfico. **Strengths:** GenAI Agents, Python, Business Rules **Critical Gaps:** Years of experience requirement (3+ years specific ML), Location mismatch (Campinas vs SP) **Missing Required:** Experiência sólida em engenharia de MLE (mínimo 3 anos), Residência na Região Metropolitana de Campinas

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT5-mini] Candidate shows strong Python/SQL, proven ETL and automation experience and leadership as Head of Engineering, but lacks explicit PySpark/Databricks and Azure platform experience required for this senior Databricks role. The resume demonstrates transferable pipeline and data-governance skills but misses multiple core platform keywords the ATS prioritizes. **Strengths:** Python scripting and ETL automation, SQL and data sanitation at scale, Leadership / Head of Engineering & Operations **Missing Required:** PySpark, Databricks, Azure

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT5-mini] Strong match on Python, SQL and demonstrated ETL/automation experience with BI/dashboard delivery, but lacks explicit Databricks, PySpark and container/orchestration experience that this cloud-focused role lists. Candidate's domain and analytics background are relevant, yet several platform/DB flavors requested (Databricks, Docker/K8s, specific DB engines) are absent. **Strengths:** Python and ETL automation, SQL and data cleansing / validation, BI/dashboarding and production impact **Missing Required:** Databricks, PySpark, Docker/Kubernetes

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT5-mini] Candidate has solid SQL, Python and demonstrated on-prem ERP/data recovery and governance experience which aligns with enterprise on-prem data engineering needs, but lacks explicit Databricks/PySpark platform experience that the role prefers. Enterprise Big Four hiring often filters for traditional data-engineering titles and platform keywords, limiting ATS uplift despite strong transferable skills. **Strengths:** SQL-based data recovery and governance (ERP/TOTVS), Production automation and operational stability, Experience interacting with business stakeholders and documenting solutions **Missing Required:** Databricks, PySpark

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] Você tem Python/SQL e histórico forte de automação e qualidade de dados, mas não demonstra experiência real com engenharia de dados distribuída/lakehouse no nível (Spark/Flink, bilhões de registros). A vaga exige track record claro como Data Engineer + stack de big data/cloud-native, e o ATS tende a penalizar fortemente a falta disso. **Strengths:** Python (automação e sistemas), SQL e saneamento/validação de dados (TOTVS/Protheus), Integração de APIs + pipelines práticos em produto próprio **Critical Gaps:** Experiência comprovada como Engenheiro de Dados em grande escala (processamento distribuído/bilhões de registros), Stack big data/lakehouse prática (Spark/Flink + streaming + cloud) **Missing Required:** Formação em Ciência da Computação (ATS pode não aceitar Mecatrônica), Experiência comprovada como Engenheiro de Dados, Conhecimento em tecnologias de big data

[ANALYSIS_REPORT] **LOW** [3-Flash] Hugo lacks the specific senior-level experience with Snowflake, dbt, and Infrastructure-as-Code (Pulumi/Terraform) required for this role. His background is more startup-focused automation rather than enterprise data platform engineering. **Strengths:** Strong Python automation, Data architecture logic, Technical-Business bridge **Critical Gaps:** No professional Senior Software Engineer title in enterprise, Missing modern data stack (Snowflake/dbt) **Missing Required:** Snowflake expertise, Infrastructure as Code (Pulumi/Terraform), dbt experience

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] Há boa aderência em Python/SQL, APIs e lógica de negócio, mas a vaga é senior e centrada em Spark + AWS (S3/EMR/Airflow) com experiência avançada comprovada. O ATS vai tratar a ausência de Spark/AWS práticos como falha de requisito duro. **Strengths:** Python (automação e sistemas), SQL e modelagem/validação de dados (inferido), Integração de múltiplas fontes (APIs/arquivos) (inferido) **Critical Gaps:** Experiência avançada e comprovada com Spark em grandes volumes, Senioridade formal em Data Engineering (histórico/título) **Missing Required:** Apache Spark (experiência aprofundada), AWS (S3/EMR/RDS) experiência sólida, Orquestração (Airflow)

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] Python e SQL estão bem cobertos, mas a vaga pede experiência específica em GCP/BigQuery e formação em áreas correlatas listadas, que o ATS pode não mapear para Mecatrônica. Sem BigQuery/GCP explícitos, o match fica fraco para um role Sr. **Strengths:** Python (aplicação prática), SQL (sólido, saneamento e análise), Documentação/decisões e interface com negócio **Missing Required:** Experiência com GCP (especialmente BigQuery), Formação superior nas áreas listadas (ATS pode não aceitar Mecatrônica como correlata)

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] A vaga é essencialmente dbt + BigQuery + orquestração (Airflow→Prefect) com Git mandatório; esses elementos não aparecem no currículo. Apesar de Python/SQL ajudarem, o ATS penaliza forte ausência de dbt/BigQuery. **Strengths:** Python (scripts e automação), SQL e lógica de validação/consistência, Mentalidade de otimização/operabilidade (inferido) **Missing Required:** Domínio de dbt, GCP/BigQuery, Experiência com orquestração (Airflow/Prefect), Git workflow mandatório

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] Python/SQL são compatíveis, mas a vaga pede proficiência GCP (BigQuery/Dataflow/Storage) e vivência comprovada em engenharia de dados, além de senioridade/mentoria. Sem GCP e sem histórico formal como Data Engineer, o ATS tende a derrubar. **Strengths:** Python aplicado em automação, SQL e modelagem/qualidade (inferido), Experiência em dados de negócio e governança informal **Missing Required:** Proficiência na stack GCP, Vivência comprovada em projetos de engenharia de dados, Graduação CS/Eng. Software/áreas correlatas (ATS pode não aceitar Mecatrônica)

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT5.2] Entre as vagas, esta é uma das mais próximas: pede Python, banco relacional e arquitetura de dados, e você tem histórico forte com qualidade de dados/ERP e e-commerce (domínio). O gap principal é dbt + cloud AWS prática e o fato de o currículo não sinalizar claramente “Data Engineer” sênior. **Strengths:** Python (automação), SQL + saneamento/validação e engenharia reversa de schema, Domínio de e-commerce/operacional e dados transacionais **Missing Required:** Experiência prática com dbt, Domínio em cloud (preferencialmente AWS) em projetos de dados

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] A vaga exige stack específica (Spark + Delta Lake + dbt + Airflow + governança/linhagem), além de “experiência comprovada como Engenheiro de Dados”. Seu histórico cobre qualidade/SQL/Python, mas não a stack de big data e governança formal pedida. **Strengths:** Python (automação), SQL e qualidade de dados, Experiência com auditoria/consistência via controles (inferido do ERP) **Critical Gaps:** Experiência comprovada como Data Engineer com Spark/Delta/dbt/Airflow em produção **Missing Required:** Experiência comprovada como Engenheiro(a) de Dados, Spark e Delta Lake profundos, dbt, Airflow

[ANALYSIS_REPORT] **MEDIUM** [3-Flash] Hugo's experience with legacy ERP (TOTVS) migrations and data remediation aligns perfectly with the 'On-Premise to Cloud' migration focus. He lacks specific enterprise ETL tools like SSIS, but his custom pipeline experience is highly transferable. **Strengths:** Relational Database & SQL expertise, Complex data migration/remediation, Python for data pipelines **Missing Required:** Professional experience with the title 'Data Engineer'

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] A vaga está vinculada a Teresina/PI e não indica formato remoto; o ATS frequentemente aplica filtro geográfico. Como você está baseado em São Paulo, isso tende a gerar rejeição automática. **Strengths:** Python, SQL, Integrações via APIs (inferido)

[ANALYSIS_REPORT] **HIGH** [Copilot: GPT5.2] A vaga combina bem com seus diferenciais de automação, APIs, scraping e integração com LLMs (AI-first), além de Python/SQL. O gap é stack clássica de DE (dbt/Airflow/Kafka/AWS/Docker) que o ATS costuma exigir como “obrigatório”. **Strengths:** Pipelines e automação em negócio real (e-commerce), Coleta/ingestão (scraping, APIs) + integração com LLM, Foco forte em qualidade/consistência e operação confiável **Missing Required:** Conhecimento profundo de Spark/Airflow/Kafka/DBT (listados como obrigatórios), Cloud AWS (experiência)

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] A vaga exige certificações Databricks como requisito para candidatura. Sem essa certificação, o ATS costuma aplicar auto-rejeição. **Strengths:** Python, SQL, Automação/integrações (inferido) **Missing Required:** Certificação Databricks

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] Role corporativo sênior exige Databricks, Spark, Azure e experiência sólida formal como Data Engineer. Seu currículo não apresenta essa stack nem o histórico/título esperado pelo ATS. **Strengths:** Python (automação), SQL/qualidade de dados (histórico ERP), Tradução negócio-técnico **Critical Gaps:** Stack obrigatória (Databricks + Azure + Spark) ausente, Senioridade formal em Data Engineering em ambiente enterprise/BAU **Missing Required:** Experiência sólida como Engenheiro(a) de Dados Sênior, Databricks, Azure, Spark

[ANALYSIS_REPORT] **LOW** [3-Flash] The 'Must' requirements for Azure Data Factory and Azure DevOps are likely hard filters that Hugo does not meet. While he has the coding depth, the lack of specific Azure ecosystem experience is a blocker for a 'Senior' designation. **Strengths:** Python coding depth, SQL proficiency, Data cleansing/transformation **Critical Gaps:** Missing 'Must' requirements: Azure Data Factory, Azure DevOps **Missing Required:** Azure Data Factory, Azure DevOps

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] A vaga é de consultoria (Accenture) e pede engenharia de dados em AWS (Glue/Athena/Step Functions/Lambda) com prática comprovada e CI/CD. Você tem fundamentos e automação, mas não demonstra AWS de dados em produção e o ambiente é process-heavy. **Strengths:** Python, JavaScript/Node.js, SQL e automação de processos (inferido) **Critical Gaps:** Experiência prática comprovada em stack AWS de dados (Glue/Athena/Step Functions/Lambda) **Missing Required:** Experiência em engenharia de dados, AWS intermediário-avançado (ferramentas citadas)

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] Você cobre bem Python/SQL e tem base forte de qualidade/validação, mas a vaga pede nível superior em TI (lista específica) e um espectro grande de ferramentas (ETL, Airflow/Luigi, cloud, bancos NoSQL) com comprovação. ATS tende a rejeitar por formação e falta de stack explícita. **Strengths:** Python (automação), SQL e qualidade de dados (TOTVS), Capacidade de documentar e operar processos críticos **Missing Required:** Nível superior completo em áreas de TI listadas (ATS pode não aceitar Mecatrônica), Experiência comprovada em data warehousing/datalakes/pipelines (formal)

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] A vaga é centrada em AWS + PySpark (batch/streaming) e arquitetura distribuída, e isso não está demonstrado no seu histórico. Mesmo com Python/SQL fortes, o ATS tende a exigir Spark/AWS explícitos. **Strengths:** Python, SQL/validação de dados, Integrações e automação de processos (inferido) **Critical Gaps:** Spark/PySpark e AWS de dados em produção ausentes **Missing Required:** Experiência comprovada com AWS (serviços citados), Domínio de Apache Spark (PySpark)

[ANALYSIS_REPORT] **LOW** [Copilot: GPT5.2] A vaga (Visagio, sênior) demanda stack típica de consultoria de dados (Spark/Airflow/Delta Lake + CI/CD + arquitetura), com senioridade formal. Seu currículo mostra capacidade, mas não evidencia a stack nem trajetória de DE sênior em consultoria. **Strengths:** Python/automação, SQL e lógica de dados, Experiência em contextos de negócio e definição de escopo (inferido) **Critical Gaps:** Senioridade formal em engenharia de dados (consultoria) com stack Spark/Airflow/Delta **Missing Required:** Experiência com Spark, Airflow e Delta Lake, Experiência prática aplicada em CI/CD, Experiência em cloud e serviços