赛默飞世尔
Sr. Data Engineer
Sr. Data Engineer
发布于 大约 14 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
SQL
ETL
LLM
ELT
Data Governance
AI 估算 · 20k–35k
上海外资数据工程师高级岗位，面议但预计市场水准，技能需求含LLM等前沿技术，竞争力较高。
职位详情
关于这个职位
作为赛默飞世尔的高级数据工程师，你将负责设计、构建和维护企业级数据和知识平台，支持商业智能、数字化转型和AI驱动的项目
你需要与业务团队、数据团队和AI团队紧密合作，将业务知识转化为可扩展的组织资产，推动知识管理和AI创新
这是一个在跨国巨头中深度参与前沿技术（如LLM）并产生全球影响力的机会
最低要求
Bachelor's degree or above in Computer Science, Data Engineering, Information Systems, Data Science, or a related field.
+ years of experience in Data Engineering, Data Platform, or related technical roles.
At least 2 years of recent hands-on experience designing, implementing, and maintaining enterprise knowledge base or knowledge management solutions.
Strong experience in data modeling, data integration, ETL/ELT development, and enterprise data architecture.
Proficiency in SQL and modern data engineering technologies.
Experience working with both structured and unstructured data.
Strong understanding of enterprise knowledge management concepts, methodologies, and best practices.
Familiarity with current AI and LLM developments and their impact on enterprise knowledge management.
Ability to articulate perspectives on the evolution, current state, and future direction of enterprise knowledge platforms.
Strong problem-solving, communication, and stakeholder management skills.
Demonstrated ability to work in fast-paced, rapidly evolving environments.
工作职责
### Data Engineering
Design, develop, and maintain scalable data pipelines, data models, and data products across enterprise platforms.
Integrate structured and unstructured data from multiple business systems and sources.
Build and optimize data architectures that support analytics, reporting, AI applications, and knowledge management initiatives.
Ensure data quality, reliability, governance, and performance across enterprise data assets.
Collaborate with business stakeholders to translate business requirements into scalable technical solutions.
### Enterprise Knowledge Base Development
Lead the design, implementation, and continuous improvement of enterprise knowledge base solutions.
Identify, organize, structure, and maintain business knowledge assets to improve discoverability and reuse.
Develop frameworks and processes for transforming business knowledge into scalable enterprise resources.
Partner with business, commercial, digital, and AI teams to establish sustainable knowledge management practices.
Drive knowledge governance, content organization, metadata management, and knowledge lifecycle management.
### AI & Knowledge Enablement
Evaluate how emerging AI technologies, including Large Language Models (LLMs), impact enterprise knowledge management strategies.
Support AI-powered business initiatives by providing high-quality knowledge foundations and structured information assets.
Stay current with industry trends and best practices in enterprise knowledge management, AI, and information architecture.
Provide recommendations on future-state knowledge platform capabilities and enterprise knowledge strategies.
优先资格
Experience supporting AI-enabled business applications, digital transformation, or enterprise search initiatives.
Experience with knowledge graphs, semantic search, enterprise search platforms, content management systems, or related technologies.
Experience working with cloud-based data platforms (Databricks, Azure, AWS).
Familiarity with data governance, master data management, and enterprise information architecture.
Experience in the pharmaceutical, biotechnology, healthcare, or life sciences industry will be preferred.
Experience collaborating with commercial, marketing, customer experience, or digital teams.
AI 洞察
优缺点分析
优点
- 全球顶尖生命科学公司，工作意义强（改善健康与环境）
- 前沿技术栈（LLM、知识图谱、云平台），有学习成长空间
- 岗位交叉性强，提升跨团队协作和业务理解能力
- 知识管理领域仍较新兴，需要探索和定义最佳实践
- 对业务理解要求高，需快速学习生命科学领域知识
- 适合有数据工程背景且对企业知识管理充满热情、愿意探索AI应用的技术人才
缺点 / 挑战
- 跨部门协调需求多，沟通成本较高
角色解读
- 向数据架构师或知识管理专家方向发展，成为企业数据战略的核心成员
- 深耕AI与知识管理结合领域，转型为AI解决方案架构师
- 凭借行业影响力，晋升为技术总监或首席数据工程师
- 设计和构建可扩展的数据管道和数据模型，集成多源结构化与非结构化数据
- 主导企业知识库的搭建与持续优化，将业务知识转化为可复用的组织资产
- 与AI团队合作，利用LLM等新技术提升知识可发现性和业务效率
- 扎实的数据工程技能：SQL、ETL/ELT、数据建模、数据架构
- 企业知识管理经验：至少2年知识库或知识管理解决方案实战
- 对AI/LLM有理解：熟悉LLM对知识管理的影响，并能落地
申请策略
- 在求职信中表达对赛默飞使命的认同，并说明自己如何通过数据工程推动健康环保
- 突出知识库或知识管理项目经验，包括设计、实施和成果
- 强调数据管道和架构设计能力，尤其是处理非结构化数据
- 展示对AI/LLM的了解，最好有相关应用案例
- 若缺乏知识图谱经验，可学习Neo4j或RDF相关知识
- 补充云平台（Databricks/Azure/AWS）的数据工程认证
面试指南
- 使用STAR法则：情境-任务-行动-结果，清晰展示项目细节
- 对比传统方案与LLM驱动的方案，体现对前沿技术的理解
- 结合赛默飞行业背景，说明数据治理在合规中的重要性
- 请描述一个你设计的企业知识库项目，包括架构、技术选型和挑战
- LLM如何改变知识管理策略？你如何看待未来趋势？
- 如何处理结构化与非结构化数据的集成？
- 你如何确保数据质量和治理？
- 请举例说明你如何与跨部门团队协作推动数据项目
匹配度报告
68
综合匹配度
前沿技术栈、强意义感的外资数据工程师岗位，但WLB一般且薪资未明。
适合人群
最适合追求工作意义与前沿技术成长的求职者，能接受现场办公和可能的工作强度。
最强匹配
使命价值匹配
最弱匹配
工作生活匹配
薪资福利55
成长发展85
工作生活40
使命价值90
薪资福利匹配
55较低
薪资未披露，福利未提及，但外资巨头通常提供有竞争力的薪酬和福利，补偿性满足中等偏低。
薪资信号未披露（AI估算：20K-35K/月）
成长发展匹配
85较高
岗位涉及前沿AI/LLM技术，有知识管理实践机会，且公司提供职业发展资源，发展性满足较高。
技术前沿前沿/新兴技术
技术栈SQL、ETL、ELT、Data Modeling、Knowledge Base、LLM、AI、Databricks、Azure、AWS、Data Governance
成长机会achieve individual career goals
业务类型ambiguous
工作生活匹配
40较低
要求现场办公，未提及弹性工作或WLB，且未说明加班情况，生活化满足较低。
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
90较高
公司使命是让世界更健康、更清洁、更安全，岗位直接贡献于生命科学领域，意义感强，且行业稳定增长。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号make the world healthier, cleaner and safer
创新程度积极采用新技术
Watch Jobs