徐工集团
数据治理与开发（机械总部）
数据治理与开发（机械总部）
发布于 1 小时前普通员工/个人贡献者
全职员工仅现场办公数据治理
数据治理
Etl
Sql
数据字典
数据建模
数据治理
数据质量
值不值得投
66综合评分
综合评分 66
大型制造企业总部应届数据治理岗，技术栈主流、成长路径清晰，薪资福利与工作强度待确认。
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，方便比较职业起点。
薪资怎么样
8.0千
比数据治理中位数低
发布情况
新岗位 · 今天发布
公司情况
公司还在招多个职位
6 个在招 · 其中数据治理 3 个
市场机会
选择不多
徐州 · 数据治理 · 3 个在招
职位详情
关于这个职位
该岗位是徐工集团工程机械总部面向应届毕业生设立的数据治理与开发职位
你将参与业务数据资产梳理、数据模型与数据字典建设、ETL脚本开发，以及数据质量排查与治理闭环，为报表和业务分析提供取数支撑
适合对数据敏感、希望从数据治理与大数据开发方向起步的应届生
最低要求
本科及以上学历应届毕业生，数据科学、统计学、计算机、信息管理等相关专业
英语六级及以上
掌握SQL基础操作，熟悉Excel、Python（Pandas）等数据工具，接触过Hadoop、Spark等大数据框架者优先
对数据分类、数据质量管控有基础认知，有课程数据项目或数据竞赛经历者优先
具备耐心细致的工作态度和逻辑分析能力，能快速理解业务数据逻辑，对数据敏感
工作职责
数据资产梳理：协助梳理业务数据资产，摸清数据分布与流转路径，参与数据采集、清洗、转换等治理环节
模型与字典建设：配合搭建数据模型、维护数据字典，持续优化数据存储与流转效率
数据开发：参与ETL脚本编写等数据开发任务，支撑报表与业务分析取数需求
质量管控：协助排查数据质量问题，定位问题根因并输出质量报告，推动治理闭环
优先资格
接触过Hadoop、Spark等大数据框架者优先
有课程数据项目或数据竞赛经历者优先
AI 洞察
优缺点分析
优点
- 岗位覆盖数据治理全链路，从资产梳理到ETL开发、质量管控，能建立完整的数据工程认知
- 面向应届生设置，专业对口且门槛明确，是数据方向不错的起步机会
- 大型工程机械企业的数据中台场景丰富，业务数据复杂度有助于积累实战经验
- 总部数据岗位可接触核心业务数据，对理解制造业务流程有帮助
- 作为应届岗位，初期可能以协助、执行类任务为主，独立主导空间有限
- 制造行业的数据治理节奏与互联网有所差异，需适应业务驱动的推进方式
- 适合数据科学、统计、计算机、信息管理等相关专业应届生，尤其是对数据敏感、做事耐心细致、希望从数据治理与数据开发起步的求职者
缺点 / 挑战
- 数据治理需要大量细致重复的梳理与清洗工作，对耐心与细致度要求较高
角色解读
- 从数据治理执行者逐步成长为独立的数据开发/数据治理工程师
- 积累业务数据理解与大数据栈经验后，可向数据工程、数据分析或数据架构方向发展
- 在大型制造企业的数据中台建设中，有机会接触端到端的数据治理闭环
- 梳理业务数据资产，摸清数据分布与流转路径，参与采集、清洗、转换等治理环节
- 配合搭建数据模型、维护数据字典，优化数据存储与流转效率
- 编写ETL脚本等数据开发任务，支撑报表与业务分析取数需求
- 排查数据质量问题，定位根因并输出质量报告，推动治理闭环
- 扎实的SQL基础操作能力，能完成多表查询与数据加工
- 熟练使用Excel、Python（Pandas）等数据处理工具
- 了解Hadoop、Spark等大数据框架，具备基础数据建模与数据字典意识
- 对数据分类、数据质量管控有认知，具备逻辑分析与业务理解能力
申请策略
- 面试前了解徐工集团的主营业务与数字化转型方向，便于结合业务谈数据治理
- 准备1-2个能体现耐心细致与逻辑分析的真实案例，贴合岗位软性要求
- 突出SQL、Python（Pandas）、Excel的实际使用经历与熟练度
- 展示课程数据项目或数据竞赛经历，说明数据清洗、建模、分析的具体成果
- 如有Hadoop、Spark等大数据框架接触经验，明确写出项目或课程背景
- 体现英语六级成绩，突出数据敏感性与细致严谨的工作习惯
- 系统巩固SQL进阶（多表关联、窗口函数）与Pandas数据处理能力
- 补充数据治理基础知识，如数据分类分级、数据质量维度、数据字典规范
面试指南
- STAR法：讲清项目背景、你的具体任务、采取的数据处理方法与最终可量化结果
- 结构化拆解：面对数据质量问题，按'发现问题—定位根因—制定方案—验证闭环'组织回答
- 结合业务：把技术动作落到业务价值上，说明数据治理如何支撑报表与分析决策
- 请介绍一个你完成的数据项目，你是如何做数据清洗和质量校验的？
- 给定一份业务数据，你会如何梳理数据资产、识别数据质量问题？
- 你如何理解数据治理、数据建模和数据字典之间的关系？
- SQL中如何处理多表关联与去重，请举例说明
- 你为什么选择数据治理方向？对制造业数据场景有什么理解？
职位点评
薪资福利62
成长发展72
工作生活65
使命价值60
薪资福利
62中等
JD未披露薪资与福利信息，补偿性满足度需以最终offer为准；作为应届总部数据岗位，薪酬竞争力取决于招聘方具体方案。
薪资信号未披露（AI估算：6.0–9.0千/月）
成长发展
72中等
岗位覆盖数据治理、建模、ETL开发与质量管控，技术栈为主流数据工具，能为数据方向打下扎实基础，但JD未明确培训或晋升通道。
技术前沿主流现代技术
技术栈SQL、Python、Pandas、Excel、ETL、Hadoop、Spark、数据治理、数据建模
业务类型ambiguous
工作生活
65中等
JD未明确办公模式与工作强度信息，工作地点预计在徐州市总部，通勤与工作节奏需向招聘方进一步确认。
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
60中等
工程机械属于稳定成熟行业，数据治理支撑企业数字化基础建设，社会价值偏中性，创新度以跟随主流为主，JD未提及使命导向信息。
行业发展稳定成熟行业
社会影响中性/一般
创新程度稳健跟随主流
Watch Jobs