顺丰速运
初级大数据工程师
初级大数据工程师
发布于 大约 18 小时前普通员工/个人贡献者
广州市
初级经验
全职员工
仅现场办公
本科
SQL
数据仓库
ETL
LLM
Power BI
BI报表
AI 估算 · 10k–18k
初级大数据岗位，广州大厂，技能要求包括Hadoop、Spark等，薪资有竞争力。
职位详情
关于这个职位
加入顺丰速运大数据团队，负责BI报表开发与维护，参与数据仓库和ETL流程优化，支持业务部门的数据需求
你将接触Hadoop、Spark等大数据技术，并有机会探索LLM和AIGC在业务场景中的应用，推动报表自动化和智能化
最低要求
【任职要求】：
学历背景：
持有计算器科学、数据科学、数学、统计学、物理学本科及以上学历学士学位
年及以上相关的工作经验
技术要求：
具备一定的大数据平台技术栈基础，如Hadoop, Hive ,Spark ,Flink等
在大数据场景下有SQL性能调优能力
熟练使用HIVE SQL 进行数据查询与处理，掌握 Python 或 R 进行基础数据处理与简单分析
具备 Tableau、Power BI 或其他可视化工具的实操经验，能独立完成中等复杂度仪表板开发
熟练使用Excel，能处理临时性数据分析需求
核心能力：
具备较好的数据敏感度，能从数据中发现异常或简单趋势，并提出初步见解
拥有逻辑清晰的问题拆解能力，能在指导下完成数据需求的技术实现
具备同时处理 2-3 个轻量级项目的时间管理能力，能区分任务优先级
对大数据技术/AI 保持学习热情，愿意在实践中提升技术深度
语言能力：
良好的中文及英文书写能力，能撰写清晰的技术与业务文档
良好的沟通技巧：能完全听懂粤语（广东话）及具备良好英语口语能力者更佳
具备团队协作精神，能与技术及非技术同事有效沟通
工作职责
【岗位职责】：
开发、优化及维护 商业智能(BI)报表，为业务部门提供日常数据支持，实现数据透明化
协助开发和维护数据仓库/ETL工作流，监控数据质量并及时处理异常
与各业务职能部门协作，参与需求沟通，理解业务痛点并提供基础数据解决方案
遵循透明且可扩展的流程，接收业务部门的数据请求并确定其优先级
支持日常数据运营工作，包括临时数据查询、报表故障排查及数据口径解释
撰写并维护需求文档和开发文档，确保工作可移交与知识传承
探索并实施大型语言模型（LLM）及生成式 AI 技术于业务场景，推动AIGC/LLM 应用落地
设计并维护可扩展的数据管道及 AI或机器学习 模型训练/部署流程，建立模型监控机制，确保系统稳定性与效能
开发智能化商业智能报表(BI)，实现报表自动化，推动数据透明化
优先资格
具备 LLM 提示工程、AI agent、RAG 或 Fine-tuning 经验者优先
AI 洞察
优缺点分析
优点
- 顺丰作为物流巨头，数据量大，能接触到真实复杂的大数据场景，锻炼技术能力
- 岗位涉及大数据和AI前沿技术，如Spark、Flink、LLM，有很好的技术成长空间
- 公司平台稳定，福利待遇完善，提供明确的职业发展路径
- 工作内容涵盖从数据清洗到报表再到AI应用，技能树全面
- 技术栈要求广泛，需要持续学习新技术，保持快速迭代
- 适合1-2年工作经验、对大数据和AI技术有热情、喜欢在大型平台解决实际问题的求职者
缺点 / 挑战
- 初级岗位，可能需要承担较多日常运营和临时数据查询工作，重复性较高
- 涉及多部门协作，沟通成本较高，需要较强的理解能力和耐心
角色解读
- 技术方向：逐步深入大数据架构、实时计算、机器学习工程，成为高级数据工程师或数据架构师
- 管理方向：积累业务理解后向数据团队负责人转型，带领小组完成项目
- AI方向：利用LLM和AIGC经验转向AI应用工程师或算法工程师
- 开发和维护BI报表，为业务部门提供日常数据支持，实现数据透明化
- 协助开发和维护数据仓库及ETL工作流，监控数据质量并及时处理异常
- 与业务部门协作，理解需求并提供基础数据解决方案
- 探索LLM和生成式AI技术在业务场景中的应用，推动AIGC落地
- 掌握大数据技术栈如Hadoop、Hive、Spark、Flink，具备SQL性能调优能力
- 熟练使用Hive SQL进行数据查询，掌握Python或R进行数据处理
- 具备Tableau或Power BI等可视化工具实操经验，能独立开发仪表板
- 了解LLM提示工程、AI agent、RAG或Fine-tuning者优先
申请策略
- 申请前了解顺丰的业务逻辑和数据现状，面试中能结合业务场景回答问题
- 准备一个完整的数据分析项目案例，从需求到报表，展示全流程能力
- 突出大数据项目经验，尤其是使用Hadoop、Hive、Spark处理大规模数据的案例
- 展示BI报表开发成果，如Tableau或Power BI仪表板的截图和业务价值
- 强调SQL调优和Python数据处理能力，附上GitHub代码链接
- 如有LLM或AI相关项目经历，务必重点描述
- 深入学习Hive SQL优化以及Spark性能调优
- 尝试使用开源工具（如Airflow）构建简单的ETL管道
面试指南
- 技术问题：先明确问题背景，再分步骤阐述解决方案，最后总结效果
- 场景题：遵循“理解问题-分析原因-提出可行方案-沟通确认-实施”的逻辑
- 开放性题：结合自身项目经验，展示学习能力和思考深度
- 请描述一次你优化Hive SQL性能的经历
- 数据仓库中的星型模型和雪花模型有什么区别？你如何设计维度表？
- 你有使用过Spark的哪些组件？如何处理数据倾斜问题？
- 如果业务方需要一份即时报表，但数据源有脏数据，你怎么处理？
- 谈谈你对大语言模型（LLM）在数据分析领域应用的理解
匹配度报告
68
综合匹配度
技术前沿、大平台、薪资中上，但现场办公且WLB不确定。
适合人群
适合看重技术成长和前沿趋势、对工作生活平衡要求不高、愿意在大型传统企业数字化转型中历练的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利75
成长发展85
工作生活50
使命价值60
薪资福利匹配
75中等
职位薪资处于市场水准偏上，顺丰作为上市巨头福利完善，但JD未明确具体薪资和奖金。
薪资信号未披露（AI估算：10K-18K/月）
成长发展匹配
85较高
技术栈覆盖大数据和AI前沿，且有探索LLM的机会，成长空间大。
技术前沿前沿/新兴技术
技术栈Hadoop、Hive、Spark、Flink、Python、LLM、AIGC、Tableau、Power BI
成长机会学习热情
业务类型cost_center
工作生活匹配
50较低
职位为现场办公，未提及弹性或远程，且物流行业可能涉及一定加班。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值匹配
60中等
在物流巨头做数据驱动，有一定的行业价值，但社会影响力中性。
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