奔驰
Data Engineer
Data Engineer
发布于 6 个月前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
数据分析与科学
Cloud (Azure/Aws/Alibaba)
ETL/ELT
Neo4j
RESTful API
Semantic Modeling
SQL
AI 估算 · 30k–50k
数据工程师，构建知识图谱与ETL，车企数字化转型核心，薪资高。
职位详情
关于这个职位
作为奔驰AI&Data Value团队的数据工程师，你将负责设计和构建基于知识图谱的数据平台，整合来自ERP、CRM、IoT等异构系统的数据
主要工作包括开发和维护ETL/ELT数据管道、设计语义数据模型、优化图数据库查询，并与AI架构师、数据科学家及业务方协作，将技术方案与业务用例对齐，推动公司向AI驱动型企业转型
最低要求
计算机科学、信息系统、工程、物理、数学等定量领域的学士或硕士学位，或同等的专业经验
年以上数据工程经验
熟练掌握 Python 和 SQL，具备使用 RESTful API 和网络爬虫构建数据管道和自动化的经验
具备图数据库（如 GraphDB, Neo4j）的实践经验
熟悉 ETL 框架（特别是 Spark）和云数据平台（如 Databricks）
了解数据仓库概念、维度建模和大数据技术
具备设计、文档化和优化复杂数据架构的能力
具备将数据解决方案集成到现有业务流程和IT环境（包括接口管理和部署）的经验
熟悉基于冲刺的开发、CI/CD 及相关工具（如 JIRA, Confluence, Github）
具备处理复杂数据关系的抽象思维和问题解决能力
流利的中英文沟通能力
出色的书面和口头沟通能力，能够清晰、结构化地汇报发现
工作职责
构建和维护ETL/ELT管道，将结构化和非结构化数据摄取到集中的知识图谱平台
设计、开发和维护表示异构系统（ERP, CRM, IoT）的语义数据模型
实施和优化用于图存储和查询的数据库实例
应用映射脚本和验证规则，以确保治理合规性和数据质量
优化大规模汽车数据集的图查询和基于图的推理
在云/混合部署（Azure, AWS, Alibaba Cloud）上进行协作，以实现可扩展性和弹性
与AI架构师、数据科学家和业务利益相关者密切合作，使技术设计与用例需求保持一致
参与冲刺规划和架构设计
监控系统性能，排查问题，并实施优化以确保数据流畅运行
研究和实施新的数据技术和最佳实践，以保持数据平台的先进性
优先资格
具备语义技术和图数据库设计经验者优先
进一步掌握 Java 或 Scala 等语言者优先
熟悉 RDF 表示者优先
AI 洞察
优缺点分析
优点
- 顶级平台与前沿技术：在奔驰这样的全球知名车企，能接触到海量、真实的汽车行业数据，并实践知识图谱、AI驱动等前沿数据架构，技术视野开阔
- 明确的业务影响力：职位直接服务于公司“AI驱动转型”的战略目标，工作成果能与核心业务（如CRM、IoT）紧密结合，价值感强
- 全面的技术栈锻炼：涉及从数据摄取（ETL）、建模（语义/图）、存储优化到云部署的全链路，能系统提升数据平台构建能力
- 跨领域协作机会：与AI架构师、数据科学家及业务方深度合作，有助于培养技术商业化的思维和沟通能力
- 技术复杂度高：需要同时精通传统数据工程和图数据库/语义技术，并处理跨系统（ERP, CRM, IoT）的异构数据整合，技术门槛和系统设计难度大
- 沟通与期望管理：作为技术核心与业务方的桥梁，需要准确理解复杂的业务需求并将其转化为技术方案，同时管理多方期望
- 该职位适合拥有5年以上数据工程经验，对图数据库和语义技术有浓厚兴趣或实践，并希望在顶级汽车企业参与战略性AI数据平台建设的技术专家
缺点 / 挑战
- 性能与规模压力：需优化“大规模汽车数据集”的图查询和推理，对系统性能、可扩展性和稳定性要求极高
角色解读
- 技术深度上，可以从数据工程师向数据架构师或特定领域（如图计算、语义网）专家发展，主导更复杂的数据平台战略
- 业务结合上，可向AI/ML工程、解决方案架构师方向拓展，深入汽车行业业务场景，成为懂技术的业务伙伴
- 团队贡献上，积累经验后可承担技术领导职责，如带领数据工程团队，或负责关键数据产品的全生命周期管理
- 核心工作是构建和维护数据基础设施，特别是围绕知识图谱的ETL管道、数据模型和数据库，以整合公司内跨领域的异构数据源
- 负责数据平台的性能优化与问题排查，确保大规模汽车数据集的高效查询与推理，并研究引入新的数据技术
- 需要与AI团队、数据科学家及业务部门紧密协作，将技术方案落地为具体的业务应用，支持公司AI战略
- 扎实的数据工程基础：精通 Python、SQL、ETL流程设计，并熟悉 Spark、数据仓库和大数据技术栈
- 图技术与语义建模专长：必须具备图数据库（如 Neo4j）的实践经验，能够设计语义数据模型，并优化复杂的图查询
- 云平台与架构能力：熟悉主流云服务（Azure/AWS/阿里云）的数据部署，具备设计、文档化和优化复杂数据架构的能力
- 协作与沟通软技能：需要出色的中英文沟通能力，以在跨职能团队中有效协作，并向管理层清晰汇报技术成果
申请策略
- 深入了解奔驰在中国市场的数字化和AI战略，思考该数据平台如何支撑其业务目标，在申请材料或面试中展现你的业务洞察
- 准备具体案例，说明你如何在一个敏捷开发（Sprint, CI/CD）环境中，与AI/数据科学团队协作交付数据产品
- 重点突出与“图数据库”和“语义建模”相关的项目经验，详细描述你如何使用 Neo4j 等工具设计数据模型、优化查询或解决的具体业务问题
- 清晰展示数据管道（ETL/ELT）构建经验，特别是处理异构数据源（如ERP、IoT数据）和确保数据质量与治理的案例
- 强调在云平台（Azure/AWS/阿里云）上部署和优化数据解决方案的经验，以及使用 Spark、Databricks 等工具处理大数据的技能
- 通过项目描述体现你的跨团队协作能力、结构化的问题解决能力，以及优秀的中英文沟通与文档撰写能力
- 若对图数据库或RDF/语义网技术不熟，可优先学习 Neo4j 的Cypher查询语言和基础数据建模，并通过在线课程或项目实践加深理解
- 补充对奔驰所在汽车行业或制造业业务背景的了解，思考知识图谱在智能供应链、客户洞察、预测性维护等场景的应用价值
面试指南
- 对于技术问题，采用“STAR”原则（情境-任务-行动-结果）结构化回答，重点突出你的技术决策逻辑、解决问题的具体行动以及可量化的成果（如性能提升百分比）
- 对于协作类问题，强调你的沟通方式（如定期同步、需求澄清）、对业务目标的理解，以及你作为数据工程师如何主动为协作方创造价值
- 在回答中适时展现你的抽象思维（如何将复杂业务关系抽象为数据模型）和对数据治理、质量保障的重视
- 请详细描述一个你设计并实施过的图数据库（如Neo4j）项目，包括业务背景、数据模型设计、遇到的挑战和解决方案
- 你如何设计和优化一个ETL管道，用于将来自ERP、CRM等多个异构系统的数据整合到一个统一的知识图谱中？
- 当面对一个缓慢的图查询时，你的排查和优化步骤是什么？
- 请举例说明你如何与数据科学家或业务分析师合作，确保你提供的数据能够有效支持他们的模型或分析需求
- 你如何在一个云环境（如Azure）上部署和确保一个数据平台的高可用性与可扩展性？
职位点评
Watch Jobs