腾讯音乐
企业IT工程师-大数据开发方向（腾音）
企业IT工程师-大数据开发方向（腾音）
发布于 1 天前普通员工/个人贡献者
全职员工仅现场办公大数据
大数据
Ai辅助开发
Elt
Sql调优
Starrocks
大数据开发
数据仓库
数据治理
值不值得投
69综合评分
综合评分 69
技术栈前沿、侧重数据平台与AI提效，发展空间明确，WLB与使命感信号未明示
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
3.5万
比大数据中位数高
发布情况
新岗位 · 昨天发布
公司情况
这家公司招聘很活跃
34 个在招
市场机会
选择不多
深圳 · 大数据 · 5 个在招
职位详情
关于这个职位
本职位主要负责数据仓库模型设计与ELT开发，优化结构化与非结构化数据的存储与计算性能
参与数据链路架构设计、技术攻坚与性能调优，保障高可用与数据一致性
同时负责数据平台工具组件的开发维护，借助AI工具提升团队效能，并通过跨团队协作确保数据准确、及时交付
最低要求
计算机及相关专业本科及以上学历，3年以上数据仓库开发或大数据开发经验，1年以上使用AI工具进行数仓开发、测试经验
具备数仓建模方法论知识（如星型模型、雪花模型等），能够根据业务场景设计合理的数据分层架构（ODS/DWD/DWS/ADS），维护准确的业务矩阵总线
熟悉EMR、StarRocks等OLAP引擎，熟练掌握SQL/Hive SQL/Spark SQL的编写与调优
熟悉Hadoop生态（HDFS/YARN）、Spark、Hive等
熟悉Java、Python、Go等其中至少一门开发语言，具备数据平台工具类项目（如数据同步、任务调度、质量监控等）开发经验者优先
对非结构化数据处理有一定了解，熟悉JSON/Parquet/ORC等常用数据格式的读写与处理
热爱大数据行业，具有强烈的技术自驱力，认同数据驱动业务发展的理念，对数据价值变现具有深度热情
具备良好的沟通能力、逻辑思维能力和团队协作意识，对工作交付质量富有责任心
工作职责
负责数据仓库的模型设计、ELT开发及性能优化，支撑结构化数据（业务库、日志等）与非结构化数据（JSON、文档、音视频元信息等）的高效存储与计算
参与数据相关项目的架构设计、需求评审、技术攻坚及优化，保障数据链路的高可用、低延迟与数据一致性
参与建立数据领域规范，涵盖数据建模标准、代码开发流程、数据质量安全规范等，并有效利用 AI 工具推动规范在团队的落地执行
参与数据平台工具类组件的开发与维护，包括但不限于数据同步工具、数据质量校验平台、任务调度系统、数据血缘分析工具等，提升数据开发与管理效率
跨团队协作，系统性排查和解决数据生产链路中的各类运行或数据质量问题，保障数据准确及时交付
AI 洞察
优缺点分析
优点
- 技术栈前沿且实用，覆盖现代OLAP引擎与AI辅助开发趋势，利于技能持续迭代
- 平台化思维强，不仅做数仓开发，还参与工具链建设，有助于培养系统化工程能力
- 依托头部文娱科技公司，数据规模大、业务闭环完整，履历背书价值显著
- 需兼顾规范制定、工具开发与跨团队沟通，对多线程任务管理能力要求高
- AI工具落地处于探索期，需自行摸索最佳实践并推动团队接受新工作流
- 适合具备扎实大数据底层功底、追求技术深度与工程化能力，且乐于拥抱AI提效的中级开发者
缺点 / 挑战
- 业务场景丰富，涉及音视频元数据等非结构化数据处理，技术挑战性与含金量高
- 数据链路要求高可用与低延迟，线上故障排查与性能调优压力较大
角色解读
- 向资深大数据架构师或数据平台负责人方向发展，主导复杂数据体系建设
- 深入数据治理与智能化方向，成为AI赋能数据开发的领域专家
- 横向拓展至数据产品或技术管理岗位，统筹数据团队与业务协同
- 负责数据仓库的模型设计与ELT开发，处理结构化与非结构化数据的高效存储与计算
- 参与数据链路架构设计、性能调优与技术攻坚，保障数据高可用、低延迟与一致性
- 开发维护数据平台工具组件（如调度、质量校验、血缘分析），利用AI工具提升研发效能
- 跨团队协作排查数据生产链路问题，建立数据规范并保障数据准确及时交付
- 扎实的数据仓库建模能力，熟悉ODS/DWD/DWS/ADS分层架构与星型/雪花模型
- 精通SQL调优及主流大数据生态（Hadoop/Spark/Hive/StarRocks/EMR）
- 掌握至少一门编程语言（Java/Python/Go），具备数据平台工具开发经验
- 熟悉非结构化数据格式处理，并能将AI工具融入日常开发与测试流程
申请策略
- 提前研究腾讯音乐的业务形态（在线音乐、直播、社交娱乐），思考数据如何反哺推荐系统与商业化
- 准备1-2个完整的数据链路从接入到消费的案例，重点说明异常处理与质量管控策略
- 突出数据仓库分层设计实战经验，量化说明数据量级、查询延迟优化比例及SLA保障情况
- 强调SQL/Spark调优案例，提供具体瓶颈定位方法与性能提升数据
- 展示数据平台工具开发经历，说明如何提升团队研发效率或降低人工成本
- 体现AI工具在实际数仓开发/测试中的应用成果，证明技术自驱与落地能力
- 深化StarRocks/ClickHouse等新一代OLAP引擎原理与调优技巧
- 系统学习数据治理框架（如DataHub、Amundsen）与数据血缘追踪机制
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答，重点突出数据量级、技术选型依据与可量化收益
- 针对性能调优类问题，按“现象定位→参数/索引/分区优化→执行计划分析→压测验证”逻辑展开
- 针对AI工具应用类问题，强调“提示词模板设计→人工校验机制→自动化回归测试→效果度量”闭环
- 请分享一次你主导的数据仓库分层重构或性能调优经历，遇到了什么瓶颈？如何解决的？
- 面对海量非结构化数据（如音视频元数据），你会如何设计存储格式与计算方案？
- 如何在实际项目中落地AI辅助开发？遇到过哪些准确率或幻觉问题？如何规避？
- 数据质量校验平台的核心指标有哪些？如何设计规则引擎保证上下游数据一致性？
- 复习Hive/Spark底层执行机制（Shuffle优化、内存管理、动态分区），准备典型调优场景
职位点评
薪资福利70
成长发展82
工作生活60
使命价值52
薪资福利
70中等
JD未明确披露薪资与福利细节，但作为已上市头部文娱科技企业，通常具备符合市场水准的薪酬结构与基础保障，整体补偿性动机满足度中等偏上。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
82较高
岗位明确要求使用AI工具推进数仓开发，并涉及现代OLAP引擎与数据平台工具链建设，技术栈贴近行业演进方向，为求职者提供较强的技能成长与架构视野拓展空间。
技术前沿前沿/新兴技术
技术栈EMR、StarRocks、Hive SQL、Spark SQL、Java、Python、Go、AI工具
业务类型profit_center
工作生活
60中等
JD未提及弹性工时、远程办公或加班政策，仅强调高可用与数据及时交付，实际工作节奏可能受业务上线周期影响，生活化动机满足度存在一定不确定性。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
52较低
岗位聚焦数据链路建设与工具提效，虽提及“数据价值变现”，但整体偏向内部技术支撑与业务赋能，社会影响力与使命感信号较弱，意义感动机满足度一般。
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