亚马逊
Data Engineer-1 Year Contract, ATE Data Engineering Team
Data Engineer-1 Year Contract, ATE Data Engineering Team
发布于 大约 17 小时前普通员工/个人贡献者
北京市
初级经验
全职员工
仅现场办公
学历未注明
SQL
ETL
RDS
AI 估算 · 15k–25k
1年经验，亚马逊平台，数据工程技能市场需求高，北京薪资水平中等偏上，合同制月数按12个月计算。
职位详情
关于这个职位
亚马逊ATE团队正在招聘合同制数据工程师，负责构建可扩展的数据解决方案，处理大规模数据流，使用AWS技术栈（如Redshift、S3）进行数据建模和ETL开发
你将与团队合作创建仪表盘，支撑业务决策，适合有1年以上数据工程经验、熟悉SQL和Python的求职者
最低要求
年以上数据工程经验
数据建模、数据仓库和构建ETL管道经验
一种查询语言（如SQL, PL/SQL, DDL, MDX, HiveQL, SparkSQL, Scala）经验
一种脚本语言（如Python, KornShell）经验
工作职责
构建数据分析解决方案，解决复杂的业务问题
实施和运营稳定、可扩展的数据流解决方案
开发解决空间、大小和速度挑战的解决方案
使用AWS产品（Redshift, S3, RDS）实现数据分析
与合作伙伴团队合作创建客户仪表盘
优先资格
大数据技术（如Hadoop, Hive, Spark, EMR）经验
ETL工具（如Informatica, ODI, SSIS, BODI, Datastage）经验
AI 洞察
优缺点分析
优点
- 亚马逊大平台，技术栈先进，积累AWS大数据经验
- 合同制灵活性高，可尝试不同项目
- 团队专注分析技术，学习机会多
- 北京地理位置好，IT生态完善
- 合同制稳定性低，1年后续不确定
- 工作强度可能大，亚马逊节奏快
- 要求综合技能，需快速学习新技术
- 适合有1-2年数据工程经验、希望接触AWS大数据生态、接受合同制工作模式的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向高级数据工程师或数据架构师发展，深入大数据和云技术
- 也可转向数据科学或数据分析领域
- 在亚马逊内部有丰富技术资源和培训，可提升系统设计能力
- 设计和实施数据管道，从生产系统提取数据并加载到分析平台
- 使用AWS服务（如Redshift, S3）构建可扩展的数据仓库
- 开发数据模型和ETL流程以支持业务分析
- 与团队合作创建仪表盘和报表，为业务决策提供数据支持
- 精通SQL和至少一种脚本语言（如Python）用于数据处理
- 熟悉数据建模、数据仓库设计和ETL最佳实践
- 有大数据技术（如Spark、Hive）经验者优先
- 了解AWS数据服务（Redshift, S3, EMR）加分
申请策略
- 了解亚马逊领导力准则，在简历中体现
- 关注ATE团队业务方向，准备相关案例
- 突出数据管道构建经验，使用SQL和Python处理数据
- 展示数据仓库模型设计项目
- 如有AWS使用经验，重点描述
- 列出ETL工具使用经历
- 学习AWS数据服务（Redshift, EMR, Glue）
- 熟悉Spark和Hive处理大数据
面试指南
- STAR方法：情境、任务、行动、结果
- 先理解问题，再给出具体案例
- 展示技术深度和业务影响
- 描述你设计的一个数据管道，如何保证可扩展性和可靠性
- SQL窗口函数和性能优化经验
- 如何处理数据质量问题
- AWS Redshift使用中的经验
- 解释数据仓库的星型和雪花型模式
匹配度报告
55
综合匹配度
亚马逊合同制数据工程师，前沿技术栈，成长机会好，但稳定性与WLB一般。
适合人群
适合追求技术成长、接受合同制、能适应现场办公的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利50
成长发展70
工作生活40
使命价值60
薪资福利匹配
50较低
作为合同制职位，薪资可能为市场水平，但缺乏长期稳定性及公司福利。
薪资信号未披露（AI估算：15K-25K/月）
成长发展匹配
70中等
使用AWS前沿技术，成长空间好，但合同制可能影响长期发展。
技术前沿前沿/新兴技术
技术栈AWS、Redshift、S3、Hadoop、Spark、Hive、EMR
业务类型ambiguous
工作生活匹配
40较低
要求现场办公，未提供弹性工作信息，可能工作强度大。
工作模式仅现场办公
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值匹配
60中等
数据工程在电商行业核心，但职位本身社会使命感不强。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs