中国平安
数据研发工程师（ETL）
数据研发工程师（ETL）
发布于 大约 2 个月前普通员工/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
SQL
数据仓库
ETL
ClickHouse
AI 估算 · 25k–40k
大数据开发岗位薪资较高，平安作为金融科技巨头，薪资有竞争力，3年经验+数仓技能，月薪2.5-4万合理。
职位详情
关于这个职位
该职位负责企业级数据仓库的模型设计、ETL流程开发与优化，以及实时/离线数仓建设
你将参与数据治理项目，使用Hive、Spark、Flink等大数据框架处理海量数据，适合有3年以上大数据开发经验、精通SQL和数据仓库建模的工程师
最低要求
本科以上学历 2、3年及以上大数据开发/架构经验，熟悉数据仓库模型设计方法论，有实际搭建公司层级数仓的经验，有互联网公司或者金融保险企业级数仓建设经验优先 2、精通数据仓库有关领域知识，例如元数据管理、主数据管理、ETL工作流、SQL性能调优等 3、精通SQL、熟悉Shell、具备海量数据加工经验，精通Hive/Spark/Flink等大数据计算框架 4、具备实时数据仓库经验，熟悉Kafka/Impala/Kudu/ClickHouse/Doris等大数据开源技术，具有Java/Python编程经验者优先
工作职责
负责数仓领域模型的设计开发，参与离线/实时数仓建设
负责数据平台上的数据处理流程设计、开发与维护与优化
参与数据治理及数据相关项目，制定合理的工作计划，并在执行过程中管理风险
AI 洞察
优缺点分析
优点
- 涉及实时数仓和多种大数据组件，技术栈前沿，利于个人成长
- 薪资福利在行业内具有竞争力
- 需要同时掌握离线与实时技术，学习曲线陡峭
- 适合有3年以上大数据开发经验、热爱技术、希望在金融科技领域深耕的工程师
缺点 / 挑战
- 平安作为金融科技巨头，平台大，数据量丰富，技术挑战高
- 金融行业对数据准确性和稳定性要求极高，工作压力较大
角色解读
- 可向大数据架构师或数据团队负责人发展
- 积累金融行业数据经验后，可转向其他行业的数据平台建设
- 深入实时计算领域，成为流处理专家
- 设计并维护企业级数据仓库的领域模型，包括离线与实时数仓
- 开发ETL流程，使用Hive、Spark、Flink等工具处理海量数据
- 参与数据治理项目，制定工作计划并管理风险
- 精通SQL和Shell脚本，具备海量数据加工经验
- 熟悉Hive、Spark、Flink等大数据计算框架
- 了解实时数仓技术，如Kafka、ClickHouse、Doris等
申请策略
- 了解平安的业务场景（如保险、金融），在面试中展示业务理解
- 准备一个完整的数据仓库项目案例，从需求到落地
- 突出数仓建模经验，特别是企业级数仓搭建案例
- 强调实时数仓项目经历，列出使用的技术栈
- 展示SQL性能调优和海量数据处理的具体成果
- 补充实时计算框架如Flink的实战经验
- 学习ClickHouse或Doris等OLAP引擎的使用
面试指南
- 对于设计类问题，使用STAR法则（情境、任务、行动、结果）
- 对于技术问题，先解释原理，再结合实际案例说明
- 请描述你设计过的一个数仓模型，包括分层和主题域划分
- 如何优化一个慢SQL？请举例说明
- 实时数仓与离线数仓的区别是什么？你们如何保证实时数据的准确性？
- 请解释Hive、Spark、Flink在数据处理中的适用场景
- 如何处理数据倾斜问题？
- 复习数据仓库建模理论（星型、雪花型、维度建模）
匹配度报告
69
综合匹配度
大厂平台、前沿技术栈、薪资可观，但工作强度可能较大。
适合人群
适合追求技术成长和薪资回报，对WLB要求不高的求职者。
最强匹配
成长发展匹配
最弱匹配
工作生活匹配
薪资福利80
成长发展85
工作生活50
使命价值60
薪资福利匹配
80较高
薪资水平在行业中上，平安福利完善，但JD未明确薪资，需面议。
薪资信号面议 (25K-40K/月)
成长发展匹配
85较高
技术栈前沿，涉及实时数仓和大数据组件，成长空间大，但JD未提及晋升通道。
技术前沿前沿/新兴技术
技术栈Hive、Spark、Flink、Kafka、ClickHouse、Doris
业务类型ambiguous
工作生活匹配
50较低
JD未提及工作模式，金融科技公司通常现场办公，WLB一般。
工作模式未明确
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
金融科技行业稳定，但JD未强调社会价值，创新性中等。
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