中国外运
外运创科-数据开发工程师（2027届秋招）(J32928)
外运创科-数据开发工程师（2027届秋招）(J32928)
发布于 8 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
Etl
Sql
数据仓库
数据字典
维度建模
值不值得投
薪资怎么样
1.1万
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
21 个在招
市场机会
选择面较广
北京 · 数据工程 · 约 180 个在招
职位详情
关于这个职位
你将作为数据开发工程师，参与业务数据需求的提取与分析，负责 ETL 流程设计开发、调度配置与跑批运维，并参与数据仓库分层与维度建模，为 BI 报表和业务系统提供稳定的数据应用支撑，同时维护技术文档和数据字典
最低要求
全日制本科及以上学历，计算机、软件工程、数学等相关专业，国内外知名院校优先
具备扎实的计算机科学基础，掌握数据结构、算法、操作系统、网络等知识
至少熟练使用SQL，或掌握Python/Java等一种编程语言
掌握数据库基本原理，熟悉SQLServer、Oracle、MySQL等至少一种主流数据库
了解人大金仓（KingbaseES）等国产数据库者优先
了解数据建模理论，如ER建模、维度建模、数据仓库分层架构等
了解ETL设计开发流程，有相关项目或实习经验者优先
责任心强，具备高效执行能力、良好的语言与文字表达能力，以及良好的沟通能力和团队合作精神
工作职责
参与业务部门数据提取与分析需求沟通，完成数据源调研、ETL流程设计与开发、调度配置及数据处理运维，保障数据链路稳定、高效运行
参与数据仓库模型设计与开发，应用维度建模、分层架构等建模方法，建设支持BI及业务系统的数据应用
负责数据类系统ADS层（数据应用/集市层）的日常运维，监控每日数据跑批任务，及时处理异常并优化任务性能，确保数据准确、准时产出
撰写并维护相关技术文档、数据字典及开发规范
优先资格
国内外知名院校优先
了解人大金仓（KingbaseES）等国产数据库者优先
了解ETL设计开发流程，有相关项目或实习经验者优先
AI 洞察
优缺点分析
优点
- 岗位覆盖从数据源调研、ETL 开发到数仓建模、ADS 运维的完整链路，能一次建立较完整的数据工程视野
- 招聘方为大型物流企业集团，业务数据体量大、场景真实，对数仓分层与跑批稳定性有实际要求
- JD 中提及人大金仓等国产数据库，可积累信创数据库的实践经验，在国产化替代趋势下有一定加分
- 面向应届生的秋招岗位，专业与技能要求以基础和潜力为主，进入门槛相对友好
- 适合计算机、软件、数学相关专业，SQL 与数据库基础扎实，希望在稳定平台把数仓与 ETL 工程能力打透的应届毕业生
缺点 / 挑战
- 职责中包含每日跑批监控与异常处理，工作节奏可能受数据产出时点约束，需要承担一定运维压力
- 数仓建模与 ETL 属于相对成熟的工程方向，技术栈偏传统，追求前沿算法的同学可能觉得成长刺激不足
- 文档、规范、数据字典等基础工作要求较高，需要耐心和条理性，价值感体现较慢
角色解读
- 短期可在 ETL 开发与数仓建模上打牢工程基本功，成长为独立负责数据链路的数仓开发工程师
- 中期可向数据架构、数据治理或数据平台方向延伸，负责分层模型设计与数据资产标准建设
- 依托物流与供应链业务场景，也可横向转向数据分析、商业分析等更贴近业务决策的岗位
- 负责业务数据需求的对接与落地，完成数据源调研、ETL 流程设计开发与调度配置，保证数据链路稳定运行
- 参与数据仓库分层与维度建模，构建面向 BI 报表和业务系统的 ADS 层数据应用
- 承担数据任务的日常跑批监控与异常处理，优化任务性能，保障数据准确准时产出
- 维护技术文档、数据字典和开发规范，沉淀团队的数据资产与标准
- 熟练的 SQL 能力是硬门槛，同时掌握 Python 或 Java 之一可以覆盖脚本化开发与数据处理需求
- 扎实的数据库原理与主流数据库（SQLServer/Oracle/MySQL）使用经验，了解国产数据库（KingbaseES）更佳
- 理解 ER 建模、维度建模与数据仓库分层架构，并能把建模理论落实到 ETL 开发中
- 需要较强的沟通表达能力与文档写作习惯，因为要频繁对接业务部门并维护规范文档
申请策略
- 提前了解中国外运的物流与供应链业务主线，以及集团数字化/信息化建设的公开信息，面试中体现业务理解会加分
- 准备说明自己为什么选择数据开发而非算法或纯分析方向，并表达对跑批运维、文档规范类基础工作的接受度
- 突出 SQL 能力：写明使用过的数据库类型、写过的复杂查询或存储过程，以及做过的查询/跑批性能优化
- 用项目讲清一条完整数据链路：数据源、ETL 加工、分层建模、ADS 输出到报表，说明你负责的具体环节
- 如有数仓分层（ODS/DWD/DWS/ADS）或维度建模（星型/雪花模型）实践，务必单列并写出表设计与指标口径
- 补充课堂或实习中的数据处理脚本（Python/Java）、调度工具使用经验以及你写过的数据字典/技术文档
- 系统复习 SQL 进阶（窗口函数、执行计划、索引与慢查询优化），这是面试最容易被现场考察的点
- 补齐维度建模与数仓分层方法论（Kimball 维度建模、事实表与维表设计），并尝试用一套样例数据从 0 搭一个小数仓
面试指南
- 项目类问题用 STAR：业务背景与数据量 → 你的任务 → 具体的技术方案（数据源、模型、调度）→ 结果与优化收益
- 理论类问题先给定义，再给对比，最后落到你实际做过的表设计或场景，避免只背概念
- 排障类问题采用分层定位思路：先看任务日志与失败节点，再查上游数据是否就绪/延迟，再查 SQL 与资源，最后给监控与告警的改进方案
- 请介绍一个你做过或课程中完成的数据处理/数仓项目，你的具体职责是什么？
- 数据仓库为什么要分层？ODS、DWD、DWS、ADS 各层分别解决什么问题？
- 维度建模和 ER 建模有什么区别？事实表和维度表如何设计？
- 一条 SQL 跑得很慢，你会怎么排查和优化？
- 如果每日跑批任务凌晨失败，你会按什么顺序定位问题？
中国外运 的其他在招职位
相似职位推荐
Watch Jobs