酷澎
[Growth Engineering] Senior Staff Back-end Engineer I
[Growth Engineering] Senior Staff Back-end Engineer I
发布于 大约 6 小时前普通员工/个人贡献者
上海市
高级经验
全职员工
仅现场办公
本科
软件工程
分布式系统
大数据
CRM
NoSQL
ClickHouse
实时推荐
AI 估算 · 35k–60k
高级技术专家岗位，10年以上经验，核心增长业务，薪资处于行业高位区间。
职位详情
关于这个职位
该职位是酷澎（Coupang）增长工程团队的后端高级技术专家，负责设计并开发下一代CRM平台及实时决策引擎，以驱动用户增长和营销效率
你将处理大规模流式数据、构建高可用分布式系统，并与数据科学家、机器学习工程师紧密协作，对候选人的技术深度和架构能力要求极高
最低要求
年以上专业软件开发经验
年以上数据相关产品经验，精通Spark、Flink、Spring和Java
熟悉开源框架和技术：Spring、AWS、API、NoSQL、大数据技术（Kafka、Hive、Cassandra、ClickHouse、Apache Flink、Apache Spark等）
出色的解决问题、重构、性能优化和复杂度分析能力
有构建实时推荐系统或个性化引擎的经验（电商、零售或数字营销领域）
必须具有分布式系统经验，擅长设计、实现和维护大规模系统，并能根据业务需求权衡方案
自然拥有主人翁精神，在优先级和需求不太明确的环境中仍能茁壮成长
适应敏捷、快节奏的工作和学习环境
计算机科学或相关领域学士学位
工作职责
设计、开发和自动化大规模高性能流式数据处理系统，提升业务增长和产品体验
使用最佳软件工程实践构建可扩展的基础设施和管道
确保平台支持高可用性、可靠性和低延迟
端到端全面负责：从方案调研/基准测试、开发到运维健康
制定并执行短期和长期架构路线图
持续提升数据、平台和服务的效率与灵活性，同时保持客户信任、性能和可用性的高标准
与数据科学家、机器学习工程师及其他利益相关者协作，理解数据需求并交付解决方案
实施数据质量和验证流程，确保摄入数据的准确性和一致性
优先资格
在成功交付给客户的复杂软件系统中担任主导角色
拥有互联网规模数据集和特征工程（特征管道和特征存储开发）经验
具备AI Agent和营销自动化自主决策系统经验
能够与用户、其他技术团队和高级管理层沟通，收集需求并描述软件产品特性、技术设计和产品策略
有影响软件工程最佳实践的经验
掌握多种技术，从前端用户界面到后端系统及中间环节
能够从客户需求出发，交付创新且简单的解决方案
英语口语流利
AI 洞察
优缺点分析
优点
- 核心增长业务，直接贡献公司用户获取和活跃度，影响力大
- 技术栈涵盖Spark/Flink/实时推荐等前沿领域，技术成长快
- 酷澎为已上市国际电商巨头，平台稳定，薪资待遇有竞争力
- 与全球团队协作，拓展国际视野
- 工作节奏快、需求变化频繁，需要较强的适应能力和主人翁精神
- 作为高级工程师，需同时兼顾架构设计、代码实现和跨团队沟通
缺点 / 挑战
- 处理大规模数据系统，对可靠性和性能要求极高，技术压力大
- 适合拥有10年以上后端/大数据经验、渴望在电商增长领域发挥技术影响力、并愿意承担不确定性挑战的资深工程师
角色解读
- 技术专家方向：深耕数据工程和实时计算领域，成为首席工程师或架构师
- 管理方向：逐步带领小型技术团队，转向技术经理或总监
- 横向扩展：涉及推荐系统、广告技术、AI Agent等前沿领域，拓宽技术边界
- 设计和开发酷澎的下一代CRM平台，包括广告、促销、用户定向等核心营销服务
- 构建高可用的实时决策引擎，支持增长工程生态系统的下游服务
- 处理大规模流式数据，负责数据管道、特征工程和系统架构的端到端交付
- 与数据科学家、产品经理协作，将业务需求转化为技术解决方案
- 精通Spark、Flink、Java，具备5年以上大数据平台开发经验
- 深入理解分布式系统设计，能够处理高并发、低延迟的系统架构
- 熟悉Kafka、Hive、Cassandra、ClickHouse等大数据组件
- 具备优秀的解决复杂问题和架构抽象能力，能带领技术方向
申请策略
- 在简历和面试中展现对业务目标的理解，强调技术如何驱动增长
- 准备一个复杂度高的分布式系统设计案例，并说明架构演进和权衡决策
- 突出10年+开发经验，重点展示在分布式系统、大数据平台方面的项目成果
- 强调使用Spark/Flink/Java构建实时处理系统的具体案例，量化性能提升指标
- 展示主导过的大型系统从设计到交付的全过程，体现端到端项目ownership
- 如涉及推荐系统、广告平台或CRM相关经验，需单独强调
- 若当前不熟悉Flink或实时流处理，建议系统学习并动手实践，了解核心概念
- 补充机器学习流水线（feature pipeline/ML feature store）相关知识，与JD匹配
面试指南
- 对于系统设计题：先明确系统目标和约束，给出顶层架构，分模块描述数据流和组件，最后讨论优化与权衡
- 对于技术对比题：从设计理念、处理模型、容错机制、性能等方面分点对比
- 对于项目管理题：突出主动沟通、优先级排序、快速原型验证、迭代交付的思路
- 请设计一个实时广告定向投放系统，包括用户画像、实时竞价、展示优化
- 请解释Spark Streaming和Flink的区别，以及适用场景
- 如何保证数据管道的高可用性和数据一致性？举例说明
- 在构建CRM平台时，如何设计促销活动的目标用户选择模块？考虑规模与延迟
- 你如何处理需求不明确且优先级经常变动的项目？请举例
匹配度报告
72
综合匹配度
核心增长技术岗，前沿大数据技术栈，薪资高但工作节奏快，WLB一般。
适合人群
最看重技术成长和薪资回报，能接受快节奏和不确定性的资深工程师。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展85
工作生活50
使命价值75
薪资福利匹配
80较高
薪资未明确披露，但基于公司上市规模和岗位高级别，预期薪资竞争力强，福利完善。
薪资信号未披露（AI估算：35K-60K/月）
成长发展匹配
85较高
岗位聚焦大数据流处理、实时推荐等前沿技术，归属利润中心，成长路径清晰。
技术前沿主流现代技术
技术栈Spark、Flink、Spring、Java、AWS、Kafka、Hive、Cassandra、ClickHouse、NoSQL、分布式系统
业务类型profit_center
工作生活匹配
50较低
现场办公，快节奏环境暗示可能加班，生活平衡一般。
工作模式仅现场办公
办公地点未明确
加班情况JD含高强度暗示词
使命价值匹配
75中等
电商增长是高速赛道，技术驱动业务增长有较强意义感，但未明确社会价值。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs