中国平安
大数据开发工程师-财务
大数据开发工程师-财务
发布于 大约 17 小时前普通员工/个人贡献者
深圳市
中级经验
全职员工
仅现场办公
本科
SQL
数据仓库
ETL
金融
大模型
AI 估算 · 25k–40k
平安为龙头金融科技，财务大数据岗位技术要求高，市场竞争力强，薪资属中上水平。
职位详情
关于这个职位
该职位是中国平安财务部门的大数据开发工程师，主要负责财务数据集市的ETL开发、报表体系构建及大模型在财务领域的应用
你将与业务紧密合作，利用Hadoop、Spark、Flink等技术栈处理财务数据，优化数据链路，提升月结时效
适合有3年以上大数据开发经验、熟悉财务领域的人选
最低要求
熟悉大数据生态系统，掌握Hadoop、Spark、Flink、Hive、Kafka、HBase、Elasticsearch、Oracle等技术
熟悉数据仓库架构（如贴源层、数仓层、集市层）及ETL开发流程，了解监管数据标准与金融行业规范
对DeepSeek等大模型有一定了解及掌握
具备独立解决复杂数据问题的能力，对数据敏感，有数据治理、数据仓库及集市、数据湖等项目经验者优先
本科及以上学历，计算机科学、统计学、金融工程等相关专业，3年以上大数据分析或开发经验，有财务领域项目经验者优先
工作职责
负责财务报表与模型开发，负责财务数据集市的ETL开发，优化数据加工链路，提升关键指标时效性，满足月结时效
基于业务需求，独立完成数据提取、分析及自动化看板开发，熟练使用WebExcel、SQL及有数工具，构建符合经营逻辑的报表体系
设计和优化ETL流程，确保数据处理的高效性和准确性
能运用大模型，在财务领域做归因分析及数据预测
与业务部门紧密合作，理解业务需求，提供数据驱动的解决方案，根据项目需求，选择合适的大数据技术栈（如Hadoop、Spark、Flink、Hive、Kafka、Elasticsearch等）
AI 洞察
优缺点分析
- 平安作为金融科技巨头，平台大、业务场景复杂，能接触高价值财务数据，积累稀缺的财务+大数据复合经验
- 技术栈主流且前沿（Hadoop、Spark、Flink、大模型），技能市场认可度高，跳槽竞争力强
- 福利待遇完善（上市大厂），年终奖及长期激励有保障，职业稳定性高
- 财务月结时效要求高，工作节奏可能紧张，需承受一定压力
- 需要理解财务业务逻辑，非财务背景的求职者需快速学习财务知识和监管规范
- 大模型在财务领域的应用尚处探索阶段，技术落地存在不确定性，需要较强的创新能力
- 适合有3年以上大数据开发经验、对金融财务领域感兴趣、愿意在大平台深度耕耘的技术人才
角色解读
- 在财务大数据方向深耕，可成长为财务数据架构师或数据产品专家，负责集团级数据平台建设
- 积累金融行业数据经验后，可在平安体系内转向风控、精算等数据密集型岗位
- 掌握大模型应用能力后，可向AI+金融方向转型，发展为数据科学家或AI策略专家
- 负责财务数据集市的ETL开发与优化，确保数据加工链路高效，满足月结时效要求
- 基于业务需求，使用SQL、WebExcel及有数工具开发自动化报表和看板，构建经营分析报表体系
- 运用大模型技术进行财务归因分析和数据预测，提升财务决策的智能化水平
- 设计与优化ETL流程，保证数据处理的高效性和准确性，并参与大数据技术栈选型
- 必须精通Hadoop、Spark、Flink等大数据生态组件，具备扎实的ETL开发能力
- 熟悉数据仓库分层架构（贴源层、数仓层、集市层），了解金融行业数据监管标准
- 对DeepSeek等大模型有基本了解和实践能力，能将其应用于财务分析场景
- 具备独立解决复杂数据问题的能力，数据敏感度高，有数据治理或数据湖项目经验更佳
申请策略
- 关注平安财报季的时间节点，了解其财务数据挑战，面试时可针对性地提出优化思路
- 表明自己对金融科技和数据驱动决策的热情，突出跨部门协作能力
- 突出ETL项目经验，尤其是财务或金融数据仓库建设案例，量化产出的优化效果（如时效提升、稳定性等）
- 体现对大数据生态组件的熟练程度，列出具体使用的版本和规模
- 如果有大模型应用（如DeepSeek）或数据预测项目经验，务必重点展示
- 系统学习财务基础知识（如资产负债表、利润表编制），可提前考取CFA或会计证书
- 熟悉平安内部数据工具（有数平台）或类似BI工具，提升报表开发能力
- 深入学习一个金融行业数据治理案例，了解监管数据标准（如金审、人行要求）
面试指南
- 使用STAR法则：描述项目背景、任务、行动和结果，重点突出技术选型和优化效果
- 结合数仓建模理论（维度建模、星型模型），并联系金融场景（科目表、会计准则）
- 从归因分析、预测、异常检测三个角度阐述大模型的应用，体现创新和落地可行性
- 请描述一个您负责的财务ETL项目，如何保证数据质量和时效性？
- 您如何设计一个财务数据集市的分层架构？
- 您对DeepSeek等大模型在财务领域的应用有哪些想法？
- 如何处理数据倾斜问题？请举例说明
- 在金融行业，数据治理有哪些关键要点？
匹配度报告
72
综合匹配度
平安财务大数据岗，技术前沿、薪资优厚，但需承受月结压力，WLB一般。
适合人群
适合追求技术深度和职业成长、能接受适度加班、对财务大数据感兴趣的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利85
成长发展90
工作生活50
使命价值65
薪资福利匹配
85较高
薪资水平在深圳大数据领域属中上，平安平台福利完善，补偿性动机满足度较高。
薪资信号未披露 (25K-40K/月)
成长发展匹配
90较高
技术栈前沿且全面，涵盖大数据生态与大模型，月结场景锻炼压力承受能力，成长空间大。
技术前沿前沿/新兴技术
技术栈Hadoop、Spark、Flink、Hive、Kafka、Elasticsearch、DeepSeek、大模型
业务类型cost_center
工作生活匹配
50较低
深圳现场办公，月结时效压力可能带来加班，生活方式以工作为导向，WLB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
65中等
金融科技行业稳定增长，但岗位偏向内部成本中心，社会影响中性，创新性较好。
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