海信
大数据开发工程师（FDE方向）(J45113)
大数据开发工程师（FDE方向）(J45113)
发布于 7 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Sql
数据仓库
值不值得投
69综合评分
综合评分 69
传统制造业中的校招大数据岗，技术栈主流、平台稳定，成长空间明确，办公模式与工作强度信息有限。
从起薪待遇、成长路径、工作节奏和岗位方向综合评估，方便比较职业起点。
薪资怎么样
1.3万
比数据工程中位数低
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 560 个在招
职位详情
关于这个职位
该职位是海信公司面向2027届应届生的大数据开发工程师岗位，负责公司面向AI及智能体的海量数据处理
工作内容包括大数据平台的搭建、维护与优化，利用Hadoop、Spark、Flink等主流技术进行数据采集、计算与建模，支撑公司的数据化运营与智能化升级
最低要求
学历专业：2027届本科及以上应届生，大数据、计算机科学与技术、软件工程、人工智能、信息与计算科学等计算机相关专业优先
技术基础：掌握Java/Python等任意一种主流开发语言
了解AI编程、熟悉SQL语法，具备数据库基础认知
了解Linux常用命令及服务器基础操作
专业技能：了解AI编程、智能体开发、Hadoop、Hive、Spark、Flink、Kafka等主流大数据生态组件的原理与基础使用，有相关项目实战、课程设计、实习经历者优先
能力素质：具备扎实的计算机基础知识，熟悉数据结构、算法、数据库原理
逻辑严谨，具备较强的问题排查能力、自主学习能力和团队协作能力
其他：对大数据技术有浓厚兴趣，乐于钻研新技术，有大数据项目开发、数据仓库搭建、集群运维相关经验者优先，无全职工作经验要求
工作职责
参与大数据平台的开发、迭代与日常维护，负责海量结构化、非结构化数据的采集、同步、清洗、转换和入库工作，保障数据链路稳定运行
基于Hadoop、Spark、Flink、等主流大数据框架，进行离线计算、实时计算任务的开发与优化，提升数据计算效率，降低任务运行成本
搭建和优化数据仓库、数据集市，梳理数据分层体系，统一数据规范与口径，支撑业务数据分析、报表统计、数据挖掘等各类数据应用需求
排查大数据集群运行过程中的故障、性能瓶颈，持续优化集群资源利用率、任务运行稳定性与数据处理时效性
配合数据分析师、业务团队的数据需求，完成数据接口开发、数据模型优化工作，赋能海内外业务数据化、精细化运营
跟进大数据行业新技术、新框架，参与技术调研与落地，推动团队大数据技术体系升级迭代
AI 洞察
优缺点分析
优点
- 技术栈主流，能接触大数据全链路开发，利于夯实技术基础和构建完整的知识体系
- 岗位聚焦AI与智能体数据处理，技术方向具有前瞻性，成长空间较大
- 公司平台稳定，项目与公司核心业务（智能化升级）紧密结合，能获得有价值的项目经验
- 大数据技术更新迅速，需要持续学习新框架、新工具，保持技术敏感度
- 需配合多方需求并处理集群问题，对问题排查能力和沟通协作能力有一定要求
- 适合计算机相关专业、对大数据技术有浓厚兴趣、具备扎实编程基础、乐于钻研技术并希望从0到1参与平台建设的2027届应届毕业生
缺点 / 挑战
- 作为应届生岗位，初始阶段可能承担较多基础性、重复性的工作，需要耐心沉淀
角色解读
- 技术路线：从初级大数据开发工程师，成长为能独立负责复杂模块的资深工程师或技术专家，乃至架构师
- 业务路线：深入理解业务逻辑后，可向数据产品经理、解决方案架构师或技术管理岗位发展
- 技术栈演进：跟随公司数字化和智能化战略，持续学习AI、智能体等前沿技术，拓展技术深度与广度
- 负责大数据平台的开发、维护和优化，确保数据链路的稳定高效运行
- 使用Hadoop、Spark、Flink等技术进行离线与实时数据处理和计算任务开发
- 参与数据仓库的搭建与数据治理，统一数据规范以支撑业务分析和挖掘
- 排查集群故障与性能瓶颈，推动技术体系升级迭代，赋能业务数据化运营
- 扎实的Java或Python编程能力和数据库（SQL）基础
- 对Hadoop、Spark、Flink、Kafka等大数据技术组件有基本了解和使用经验
- 良好的计算机基础知识，包括数据结构、算法和Linux系统操作
- 较强的问题排查、自主学习与团队协作能力
申请策略
- 深入了解海信在“智能化”、“数据化”方面的战略方向和最新动态，面试时可展现你对公司业务的兴趣
- 准备好关于“为何选择大数据方向”、“如何理解数据仓库分层”等基础但关键问题的答案，展现你的思考和热情
- 重点突出与大数据相关的课程设计、项目实战或实习经历，展示对Hadoop、Spark等组件的实际应用能力
- 清晰列出掌握的编程语言（Java/Python）、数据库（SQL）及Linux技能，并通过具体项目或成绩佐证
- 体现自主学习能力和解决问题的能力，例如通过GitHub项目、技术博客或竞赛经历来证明
- 动手实践：在个人环境中搭建小型的Hadoop/Spark集群，完成从数据采集到分析的小项目
- 深入理解：针对JD中提到的组件（如Flink、Kafka），通过官方文档和教程加深对其核心原理和场景的理解
- 项目梳理：整理并复盘过往的项目经历，准备好清晰、有条理的项目介绍，突出个人贡献和遇到的挑战
面试指南
- 技术理解类问题：采用“定义-核心特点-适用场景”的框架，结合实际项目经验进行说明
- 项目经验类问题：使用STAR法则（情境、任务、行动、结果），重点突出个人角色、技术决策和量化成果
- 优化类问题：从代码逻辑、资源调度、数据倾斜、存储结构等维度分点阐述优化思路和方法
- 概念解释类问题：先给出清晰定义，再结合简单例子或过往应用说明其作用和必要性
- 请介绍一下你对Hadoop、Spark、Flink这些大数据框架的理解，它们各自适合什么场景？
- 你做过的最复杂的数据处理项目是什么？遇到了哪些技术难点，是如何解决的？
- 如何保证数据处理任务的稳定性和效率？你会从哪些方面进行优化？
- 请描述一下你理解的数据仓库分层（如ODS、DWD、DWS）体系
职位点评
薪资福利65
成长发展80
工作生活60
使命价值65
薪资福利
65中等
作为知名制造企业的校招岗位，薪酬福利体系通常较为规范，对寻求稳定起步的应届生有一定吸引力，但具体福利细节未在JD中披露。
薪资信号未披露（AI估算：1千–1.5万/月）
成长发展
80较高
岗位技术栈主流且聚焦数据智能方向，公司有明确的业务升级目标，为应届生提供了扎实的技能积累和接触前沿业务场景的机会，成长路径清晰。
技术前沿主流现代技术
技术栈Java、Python、Hadoop、Spark、Flink、Kafka、数据仓库
成长机会跟进大数据行业新技术、新框架、推动团队大数据技术体系升级迭代
业务类型ambiguous
工作生活
60中等
JD未明确提及工作模式，默认按仅现场办公推断。作为制造业背景的技术岗，工作节奏与纯互联网公司可能有所不同，但具体WLB情况未知。
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
65中等
岗位服务于公司产品智能化升级这一明确目标，有一定的业务价值感，但整体处于支持性角色，社会影响力感知不强。
行业发展稳定成熟行业
社会影响中性/一般
使命信号为公司海内外业务的数据化运营、智能化升级提供底层技术支撑
创新程度积极采用新技术
Watch Jobs