小米
高级大数据开发工程师
高级大数据开发工程师
发布于 大约 17 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
数据仓库
数据治理
数据建模
实时计算
离线计算
AI 估算 · 30k–50k
北京高级大数据开发，8年经验，小米上市大厂，薪资处于市场较高水平。
职位详情
关于这个职位
作为小米高级大数据开发工程师，你将负责国际BI、零售通、米网等业务的数据应用与数仓底层开发，主导数据分析、建模及编码工作，并跨团队协作推进项目
该职位要求深厚的大数据技术栈经验，适合追求技术深度的资深开发者
最低要求
有数据仓库研发经验，熟悉数据仓库、数据体系建设及优化，理解数据的价值
熟悉理解常用建模理论，可独立把控数仓的各层设计
掌握数据管理治理的相关理论，熟悉数据治理、数据标准、企业数据建模、元数据管理等方法论
熟悉大数据架构，具备实时或离线数据研发能力，熟悉hive，kafka，spark，flink、hbase等相关技术并有相关开发经验
本科及以上学历，8年以上工作经验
工作职责
负责国际BI、零售通、米网相关数据相关数据应用、数仓底层开发和维护
理解和拆解数据产品需求，完成数据分析、数据建模以及编码工作
跨团队与服务端、前端、测试等完成需求沟通和协作，完成项目
优先资格
有AI工作优先
AI 洞察
优缺点分析
优点
- 使用主流大数据技术栈，有利于技术深度积累
- 与AI结合的趋势，未来可拓展至AI方向
- 跨团队沟通协作频繁，需具备良好的沟通能力
- 大数据领域技术迭代快，需持续学习
- 适合拥有多年大数据开发经验、追求技术前沿和大厂平台的技术型人才
缺点 / 挑战
- 小米为上市大厂，平台大、业务场景丰富，数据量巨大，技术挑战高
- 年经验要求较高，需要扎实的实操能力
角色解读
- 技术路径：高级工程师→技术专家→架构师
- 业务路径：深入理解业务数据，转型为数据产品经理或大数据团队负责人
- 负责多个业务线的数据应用与数仓底层开发，确保数据稳定高效
- 拆解产品需求，进行数据建模与分析，输出高质量的数据模型
- 与服务端、前端、测试等团队协作，推动项目交付
- 精通Hive、Kafka、Spark、Flink、HBase等大数据技术
- 熟悉数据仓库建模理论及数据治理方法论
- 具备实时与离线数据研发能力
申请策略
- 关注小米数据平台的开放能力，面试时展示对业务数据价值的理解
- 准备一两个数据治理或数仓优化的成功案例
- 突出数据仓库建设、建模和数据治理的实战项目经历
- 列出使用Hive、Spark、Flink等技术的具体案例和效果
- 强调跨团队协作和需求拆解能力
- 补充实时计算（如Flink）与流批一体经验
- 了解小米业务（国际BI、零售通等）数据特点，提前思考优化方案
面试指南
- STAR法则：描述情境、任务、行动、结果，突出技术细节和量化效果
- 对比分析：说明不同方案的优劣及选择依据
- 请介绍一个你主导的数仓建模项目，如何设计分层？
- 如何处理数据倾斜问题？举例说明
- 实时与离线数据如何保证一致性？
- 你如何理解数据治理？在实际工作中如何实践？
- 你对AI与大数据结合有什么看法？
- 复习Hive、Spark、Flink的底层原理和调优经验
匹配度报告
69
综合匹配度
小米高级大数据开发，主流技术栈，成长性强，但工作方式偏传统，WLB一般。
适合人群
适合追求技术深度和大厂平台、对薪资和成长有较高要求，能接受现场办公和一定工作压力的求职者。
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65
薪资福利匹配
75中等
小米上市大厂，薪资有竞争力，福利完善，但JD未明确薪资范围，补偿性中等偏上。
薪资信号未披露（AI估算：30K-50K/月）
成长发展匹配
85较高
大数据技术栈主流，有AI优先要求，技术成长空间大，但JD未提及培训或晋升机制。
技术前沿主流现代技术
技术栈Hive、Kafka、Spark、Flink、HBase、数据仓库、数据治理
业务类型ambiguous
工作生活匹配
50较低
仅现场办公，未提及弹性工作，北京通勤压力大，WLB一般。
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
65中等
服务于国际BI、零售等业务，数据驱动决策有一定社会价值，但无明显使命感描述。
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