Senior Data Engineer Manager

优缺点分析

角色解读

• 可向数据总监（Data Director）或首席数据官（CDO）等更高阶的数据管理岗位发展
• 随着AI在数据工程中的深度应用，可转型为AI驱动的数据战略专家或技术高管
• 领导数据工程团队，负责Viu平台端到端的数据基础设施、BI和分析平台的建设与交付
• 制定并执行前瞻性数据战略，推动数据产品开发，利用Agentic AI和LLM提升工程与运营效率
• 协同产品、分析等跨部门团队，将业务需求转化为可扩展的数据解决方案，并保障数据质量与系统高可用性
• 精通数据架构与管道开发，熟练使用Snowflake、Databricks、dbt、Kafka等工具，并具备AWS或GCP云平台经验
• 具备扎实的SQL和Python编程能力，且有将LLM或Agentic AI应用于实际工程开发的落地经验
• 拥有出色的团队管理、跨部门沟通及利益相关者管理能力，能在快节奏环境中把控项目进度与数据治理

申请策略

• 了解Viu在亚洲、中东等目标市场的业务特点及OTT行业的数据应用场景（如推荐系统、用户画像、广告变现）
• 准备好中英文双语面试，JD明确要求良好的英语和普通话能力
• 突出在Snowflake或Databricks等现代数据栈上的架构设计与管道优化经验，以及具体的性能提升或成本降低成果
• 重点展示将LLM或Agentic AI应用于数据工程、自动化运维或数据产品开发的具体落地案例
• 强调团队管理经验，特别是如何带领团队在快节奏、紧交付周期内完成端到端的数据交付
• 深入了解Agentic AI在数据工程中的最新应用（如自动化数据质量监控、智能管道编排等），准备相关技术见解
• 复习并梳理数据治理、成本控制及查询性能优化的最佳实践，以应对面试中的深度技术拷问

面试指南

• STAR法则：针对技术落地和管理案例，采用情境、任务、行动、结果结构，突出业务价值和技术深度
• 架构思维：在回答数据架构和治理问题时，从数据采集、处理、存储、服务到治理的全生命周期视角进行阐述，强调可扩展性与成本效益
• 请分享一个你利用LLM或Agentic AI提升数据工程或运营效率的具体案例
• 在Snowflake或Databricks中，你是如何进行成本控制和查询性能优化的？
• 面对跨部门紧急且复杂的数据需求，你如何排定优先级并保障交付质量？
• 你如何构建和维护高可用的数据管道，并实施严格的数据质量标准？
• 深入研究Viu的产品形态及OTT行业的数据痛点（如用户留存分析、内容推荐数据流），准备结合业务的见解
• 梳理过往项目中的技术难点与踩坑经验，特别是数据质量问题和跨团队协作冲突的解决过程