Anti-ATS Evaluatorv1.3

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é zero devido a um filtro rígido. A vaga lista explicitamente quatro certificações AWS como 'Obrigatórias' (Data Engineer, Machine Learning Engineer, Solutions Architect, Generative AI Developer). O candidato não possui nenhuma dessas certificações, resultando em desqualificação automática pelo ATS. **Strengths:** Conhecimento em arquitetura de dados **Critical Gaps:** Certificações AWS Obrigatórias **Missing Required:** AWS Certified Data Engineer – Associate, AWS Machine Learning Engineer – Associate, AWS Certified Solutions Architect – Professional, AWS Certified Generative AI Developer – Professional

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é muito baixa, limitada pelo teto de 'critical_gaps'. A vaga tem um foco pesado e explícito no ecossistema do Google Cloud Platform (BigQuery, Dataflow, Composer) e Databricks. O candidato não tem experiência com nenhuma dessas tecnologias, tornando-o um péssimo candidato do ponto de vista do ATS. **Strengths:** Python, SQL, CI/CD (conceitual) **Critical Gaps:** Google Cloud Platform (BigQuery, Dataflow, etc.), Databricks **Missing Required:** BigQuery, Dataflow, Cloud Composer, Databricks

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é extremamente baixa. A vaga exige um conjunto de habilidades muito específico, combinando o stack moderno de dados da Azure (Data Factory, Databricks) com ferramentas legadas de BI da Microsoft (SSIS, SSAS). O candidato não possui experiência em nenhuma dessas quatro tecnologias-chave, resultando em múltiplos 'critical_gaps'. **Strengths:** SQL, Modelagem de dados (conceitual) **Critical Gaps:** Azure (Data Factory, Synapse), Databricks, SQL Server Integration Services (SSIS), SQL Server Analysis Services (SSAS) **Missing Required:** Azure Data Factory, Databricks, SSIS, SSAS

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é moderada devido a lacunas significativas no stack de tecnologia AWS específico solicitado. Embora o candidato tenha 'Fundamentos AWS', a vaga requer experiência com um conjunto de ferramentas de Big Data (EMR, Kinesis, RedShift, Glue, Kafka) que não estão no currículo. As habilidades em Python, PySpark (transferível de Python/sistemas), SQL e modelagem são pontos positivos. **Strengths:** Python, SQL, Data Lake (conceitual), Data Warehouse (conceitual) **Missing Required:** PySpark, AWS EMR, AWS Kinesis, AWS RedShift, AWS Glue, Kafka

[ANALYSIS_REPORT] **MEDIUM** [2.5-Pro] A pontuação é baixa, limitada pela falta de experiência no stack GCP e em dbt. A vaga é muito específica, pedindo GCP (BigQuery, Dataflow), dbt e experiência em dados para IA. Embora o candidato tenha uma excelente correspondência na parte de IA (feature store, vetorização), a plataforma e a principal ferramenta de modelagem (dbt) são lacunas críticas. **Strengths:** Engenharia de Dados para IA (vetorização, feature store), SQL, Python **Critical Gaps:** GCP (BigQuery, Dataflow) **Missing Required:** GCP (BigQuery, Dataflow, Pub/Sub), dbt

[ANALYSIS_REPORT] **LOW** [3-Flash] Missing mandatory Spark experience and professional 'Staff' level seniority in distributed data systems. ATS will heavily penalize the lack of 'Software Engineer' or 'Data Engineer' titles over the 8-year requirement. Mechatronics degree may pass initial filters, but the technical gap in Databricks' core stack (Spark/Lakehouse) is a critical blocker. **Strengths:** Data remediation expertise, Systems architecture, SQL proficiency **Critical Gaps:** Mandatory Spark experience, Staff-level Technical Lead history in Data/AI teams, Professional SE titles **Missing Required:** 8+ years data pipeline experience, Spark mandatory

[ANALYSIS_REPORT] **TOP** [2.5-Pro] A pontuação é muito alta. A vaga de Principal Data Engineer, embora sênior, está em um laboratório de pesquisa (CRSL) e foca em tópicos nos quais o candidato tem experiência de ponta: arquitetura de Lakehouse, Python, Spark (conceitual), e especialmente LLMs, RAG e bancos de dados vetoriais. A preferência por AWS/Databricks é bem alinhada, e as lacunas são mínimas para um cargo de pesquisa/inovação. **Strengths:** Arquitetura de LLM/RAG, Bancos de dados vetoriais (conceitual e prático), Python, AWS, Design de Sistemas

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é muito baixa, atingindo o teto para 'critical_gaps'. A vaga exige experiência profunda em ferramentas específicas de ETL e MDM da SAP (BODS, MDG). A experiência do candidato com o ERP TOTVS, embora no mesmo domínio de negócio, não é tecnicamente transferível para as ferramentas específicas da SAP exigidas, resultando em uma incompatibilidade fundamental. **Strengths:** SQL, Modelagem de dados, Governança de dados (conceitual) **Critical Gaps:** SAP Data Services (BODS), SAP Master Data Governance (MDG) **Missing Required:** SAP Data Services (BODS), SAP Master Data Governance (MDG)

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é muito baixa devido a uma incompatibilidade quase total com o stack de tecnologia. A vaga é para um Engenheiro de Dados Azure e requer experiência com Azure Databricks, Azure DevOps, Azure API Gateway e, como diferencial, SAP DataSphere e KNIME. O candidato não tem experiência em nenhuma dessas tecnologias. **Strengths:** SQL, Python, Modelagem de dados (conceitual) **Critical Gaps:** Azure Stack (Databricks, DevOps, API Gateway) **Missing Required:** Azure Databricks, Azure DevOps, Azure API Gateway

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é moderada devido a lacunas significativas no stack de tecnologia AWS específico solicitado. Embora o candidato tenha 'Fundamentos AWS', a vaga requer experiência com um conjunto de ferramentas de Big Data (EMR, Kinesis, RedShift, Glue, Kafka) que não estão no currículo. As habilidades em Python, PySpark (transferível de Python/sistemas), SQL e modelagem são pontos positivos. **Strengths:** Python, SQL, Data Lake (conceitual), Data Warehouse (conceitual) **Missing Required:** PySpark, AWS EMR, AWS Kinesis, AWS RedShift, AWS Glue, Kafka

[ANALYSIS_REPORT] **LOW** [2.5-Pro] A pontuação é apenas moderada. A vaga exige um conjunto de tecnologias de Big Data (Spark, Databricks, Airflow, Scala) onde o candidato tem lacunas significativas. Embora a experiência em Python, SQL e nuvem (AWS/Azure) seja um ponto de partida, a falta de experiência direta com as ferramentas de orquestração e processamento distribuído pedidas é uma grande desvantagem. **Strengths:** SQL, Python, Arquitetura de Data Warehouse, Modelagem de dados **Missing Required:** Scala, Big Data (Spark, Databricks), Airflow

[ANALYSIS_REPORT] **HIGH** [2.5-Pro] A pontuação é boa, mas não ótima, devido a lacunas em ferramentas chave como dbt e serviços AWS específicos (Glue, Redshift). No entanto, a vaga é para uma startup de Open Finance (klavi) e valoriza habilidades que o candidato possui em abundância: SQL avançado, Python/Golang, PostgreSQL, e uma mentalidade de 'builder'. A experiência em Go é um diferencial raro e valioso. **Strengths:** SQL avançado, Go, Python, Arquitetura de sistemas **Missing Required:** dbt, AWS (Glue, Athena, Redshift), Spark, Scala

[ANALYSIS_REPORT] **MEDIUM** [2.5-Pro] A pontuação é moderada. O candidato possui as habilidades de base (Python, modelagem, SQL, NoSQL), mas a vaga requer experiência específica em Pyspark e na nuvem Azure, que são lacunas. A menção a 'Liderança' e 'Resolver impedimentos' joga a favor do candidato, mas a incompatibilidade de plataforma é um ponto negativo significativo para o ATS. **Strengths:** Python, Modelagem dimensional, SQL/NoSQL, Liderança técnica (inferida) **Missing Required:** Pyspark, Azure (Data Lake, Data Factory, Synapse, Databricks)

[ANALYSIS_REPORT] **HIGH** [3-Flash] Strong match for the 'Polymath' and 'Systems Thinker' requirements, though ATS will flag the lack of 'Data Engineer' titles. Candidate's ERP data remediation and recent AI orchestrator projects align well with 'discovery-to-scale' pipeline needs. Missing specific enterprise tools like Terraform/IaC is a minor deduction. **Strengths:** Systems Thinking & Polymath orientation, End-to-end AI/Data application delivery, Data validation/remediation expertise **Critical Gaps:** No 'Data Engineer' professional title history **Missing Required:** 8-12 years relevant Data Engineering experience, Infrastructure as Code (IaC)

[ANALYSIS_REPORT] **HIGH** [2.5-Pro] A pontuação é alta. A vaga da EloGroup foca em competências (Python, SQL, Cloud, ETL/ELT, modelagem dimensional) em vez de ferramentas específicas, e o candidato atende a todos os requisitos principais com 2-3+ anos de experiência inferida de seus projetos. A natureza da vaga, que mistura consultoria de gestão e técnica, se alinha bem com o perfil do candidato. **Strengths:** Python, SQL, Experiência em Cloud, Criação de processos ETL/ELT, Modelagem de dados

[ANALYSIS_REPORT] **HIGH** [2.5-Pro] A pontuação é boa, mas limitada pelo teto de 'missing_required'. O candidato possui Python, experiência com múltiplas nuvens (conceitual) e bancos de dados, mas faltam PySpark e Airflow, que são requisitos importantes. A vaga busca um perfil generalista de nuvem (GCP, AWS, Azure), o que é positivo. **Strengths:** Python, SQL (ANSI), Bancos relacionais e não relacionais, Consumo de API **Missing Required:** PySpark, Airflow

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT4.1] The candidate demonstrates strong experience in data pipelines, automation, and technical leadership, matching most requirements. However, lacks direct Databricks and GCP expertise, and Power BI is not explicitly mentioned. Leadership and agile experience are inferred but not directly proven. **Strengths:** Data pipeline automation, Technical leadership, SQL/PostgreSQL expertise **Missing Required:** Databricks, GCP

[ANALYSIS_REPORT] **TOP** [Copilot: GPT4.1] The candidate matches most requirements: strong SQL, pipeline automation, PostgreSQL, Docker, Python, and Git. Lacks direct experience with DBT, Airbyte, Dagster, ClickHouse, and Metabase, but adjacent skills and inferred expertise cover most gaps. No critical blockers; experience with RAG/LLMs and cloud is present. **Strengths:** SQL/PostgreSQL, Python automation, Pipeline design

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT4.1] Strong match for AWS, Python, SQL, and pipeline automation, but lacks direct Spark/PySpark and Airflow/NiFi/Kafka experience. No AWS certification or Terraform, and no explicit experience with Grafana. Degree requirement is met (Engineering), but Spark is a must-have and not present. **Strengths:** AWS cloud, Python/SQL, Pipeline automation **Missing Required:** Spark/PySpark

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT4.1] Candidate matches most requirements: Python, SQL, Node.js, Docker, Kubernetes, CI/CD, LLMs/RAG, and cloud. Lacks direct experience with IBM Watson, Azure OpenAI, MLflow/Databricks, and PySpark. No brand-name tech or CS degree, but Engineering degree is accepted. **Strengths:** LLM/RAG expertise, Python/SQL, Automation **Missing Required:** IBM Watson, Azure OpenAI, MLflow/Databricks

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT4.1] Same as previous EY role: strong match for Python, SQL, Node.js, Docker, Kubernetes, CI/CD, LLMs/RAG, and cloud. Lacks direct experience with IBM Watson, Azure OpenAI, MLflow/Databricks, and PySpark. Engineering degree is accepted, but no brand-name tech or CS degree. **Strengths:** LLM/RAG expertise, Python/SQL, Automation **Missing Required:** IBM Watson, Azure OpenAI, MLflow/Databricks

[ANALYSIS_REPORT] **MEDIUM** [Copilot: GPT4.1] Same as previous EY roles: strong match for Python, SQL, Node.js, Docker, Kubernetes, CI/CD, LLMs/RAG, and cloud. Lacks direct experience with IBM Watson, Azure OpenAI, MLflow/Databricks, and PySpark. Engineering degree is accepted, but no brand-name tech or CS degree. **Strengths:** LLM/RAG expertise, Python/SQL, Automation **Missing Required:** IBM Watson, Azure OpenAI, MLflow/Databricks

[ANALYSIS_REPORT] **TOP** [Copilot: GPT4.1] Strong match for ML, LLMs, Python, SQL, cloud, and pipeline automation. Lacks direct experience with MLOps tools (experiment tracking, CI/CD) and prior tech company experience, but adjacent skills and inferred expertise cover most gaps. No critical blockers; experience with LLMs and cloud is present. **Strengths:** ML/LLM expertise, Python/SQL, Cloud pipeline automation

[ANALYSIS_REPORT] **TOP** [3-Flash] Excellent alignment with AI Native development, LLMs, and agentic workflows through the 'Job Intelligence Platform' project. The Candidate's 'Founder' and 'Systems Architect' background matches the Venture Studio's preference for startup-minded talent. The 7+ years requirement is satisfied by the total professional timeline. **Strengths:** LLM/Agentic AI product development, Startup/Founder experience, Full-stack AI infrastructure delivery

[ANALYSIS_REPORT] **HIGH** [Copilot: GPT5.1] Strong semantic match to staff-level AI engineering: the person designs and runs LLM pipelines, RAG, and orchestration, and acts as technical-business bridge. Missing only explicit MCP/A2A multi-agent frameworks and enterprise-scale team leadership signals. Recent hands-on AI infra, PostgreSQL, orchestration and LLM evals align very closely with the responsibilities. **Strengths:** Production LLM scoring/evaluation pipeline with prompt tuning and metrics, Design and operation of constrained, multi-service orchestration (Go, PostgreSQL, Puppeteer, LLM APIs), Strong AI engineering mindset connecting business problems to AI architectures