库洛游戏
技术中心 - 数据开发工程师 （广告市场业务方向）
技术中心 - 数据开发工程师 （广告市场业务方向）
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
Sql调优
Starrocks
实时数仓
广告归因
数据建模
湖仓一体
值不值得投
薪资怎么样
3.2万
比数据工程中位数高
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
56 个在招
市场机会
选择适中
广州 · 数据工程 · 24 个在招
职位详情
关于这个职位
这是一个面向游戏广告与市场业务的数据开发岗位，主要负责搭建广告投放、渠道、转化等场景的离线与实时数仓，并用 StarRocks 输出报表和看板
你需要处理 PB 级投放流量数据，解决数据倾斜和任务超时等问题，同时与业务方统一 ROI、渠道等核心指标口径，保障数据准确稳定
最低要求
本科及以上学历，计算机、大数据、软件工程等相关专业，3 年及以上大数据数据开发经验
深度参与过 PB 级海量数据处理项目，有中大型企业数据平台搭建优化经验优先
精通大数据完整技术链路，熟练运用 Hive、Spark、Flink、Kafka 大数据技术栈，深入掌握数据采集、存储、计算、调度、监控全流程原理与实操，具备成熟的实时、离线数仓开发实战能力
精通复杂 SQL 编写与调优，具备良好的数据建模思维，熟练使用 StarRocks，可独立完成 OLAP 报表开发工作
熟悉 Linux 操作、Shell 脚本，能够独立完成日常数据开发、任务调试与问题排查
了解广告投放、渠道营销、流量转化相关业务逻辑，能快速承接市场类数据需求
逻辑清晰，责任心强，具备良好的协作和需求落地能力
工作职责
负责市场、广告业务离线、实时数仓开发，完成投放、渠道、转化、流量数据建模与计算，支撑广告投放分析、市场复盘需求
承接广告、市场业务各类报表与数据看板开发，基于 StarRocks 实现业务数据查询与报表输出，保障数据服务稳定可用
配合团队梳理广告投放、渠道、ROI 等核心指标，统一业务指标口径
负责广告业务日常数据迭代、数据校验、数据问题排查，保障投放数据、市场数据准确稳定产出
配合落地业务侧数据监控，及时跟进数据异常、数据延迟问题，完成优化整改
完成 PB 级海量投放流量数据整合、计算与存储优化，解决数据倾斜、任务超时、资源浪费等海量数据场景核心问题
优先资格
加分项：
具备广告投放、渠道增长、营销复盘、投放归因、Cohort 指标体系建设完整经验
具备湖仓一体架构下海量流量数据清洗、分层建模实战经验
具备业务指标标准化、数据质量治理落地经验
AI 洞察
优缺点分析
优点
- 广告投放是数据最密集的业务场景之一，PB 级流量处理能快速锤炼工程与调优能力
- 技术栈较现代，Flink 实时链路、StarRocks、湖仓一体均有实践机会，市场认可度高
- 岗位要求参与指标口径统一与数据质量治理，能同时积累业务理解与数据治理经验
- 游戏行业广告买量业务价值直接，数据成果对业务决策影响可见
- PB 级场景下的数据倾斜、任务超时优化难度较大，需要深入底层原理而非简单调参
- 需快速理解广告投放与 ROI 口径，与市场、投放团队沟通协调成本不低
缺点 / 挑战
- 广告数据时效性要求高，需及时跟进数据异常与延迟，存在一定的响应与排障压力
- 适合有 3 年以上大数据开发经验、希望在广告营销业务域深耕实时与离线数仓的工程师，也适合追求海量数据工程挑战的技术型候选人
角色解读
- 可在业务数仓方向持续深耕，向数据架构师或数仓负责人演进，主导平台与模型体系设计
- 积累广告营销域的数据资产与指标体系经验，可横向转向商业分析、数据产品等方向
- 海量流量数据处理与湖仓一体实践在广告技术领域通用性强，跨行业迁移空间较大
- 面向游戏广告与市场业务建设离线、实时数仓，完成投放、渠道、转化、流量等主题域的建模与计算
- 基于 StarRocks 开发广告与市场报表、数据看板，保障查询性能与数据服务的稳定可用
- 与业务方统一 ROI、渠道、投放等核心指标口径，做数据校验、迭代和异常排查
- 处理 PB 级投放流量数据的整合与存储优化，解决数据倾斜、任务超时、资源浪费等问题
- 精通 Hive、Spark、Flink、Kafka 技术栈，掌握采集、存储、计算、调度、监控的全链路原理与实操
- 熟练使用 StarRocks 做 OLAP 报表开发，具备复杂 SQL 编写调优与数据建模能力
- 熟悉 Linux 与 Shell 脚本，能独立完成任务调试、问题定位与数据质量保障
- 了解广告投放、渠道营销、流量转化业务逻辑，能把业务指标翻译成数据模型
申请策略
- 提前了解库洛游戏的产品线与买量投放模式，面试时能结合具体业务场景谈数据方案会更加分
- 准备一到两个数据准确性事故或延迟问题的完整排查复盘，展示责任心与协作落地能力
- 用数据规模说话：明确写出处理过的数据量级、任务数、集群规模，突出 PB 级或千万级日增场景
- 列举性能与稳定性成果，如数据倾斜优化后任务耗时下降比例、资源成本节约、SLA 提升等
- 突出 StarRocks 或同类 OLAP 引擎的报表开发与查询优化经验，包括分区、物化视图等实践
- 若有广告投放、渠道归因、ROI、Cohort 指标体系经验，请放在简历靠前位置重点呈现
- 补充广告归因模型与常见投放指标（ROI、CVR、Cohort 留存、渠道成本）的理解，能讲清口径定义
- 熟悉 StarRocks 的建表模型、分区分桶、物化视图与查询计划分析，准备可讲的调优案例
面试指南
- 项目类问题用「业务背景—技术方案—量化结果」的结构，落到具体参数与收益
- 建模类问题按「业务过程 → 数据粒度 → 维度 → 指标」的顺序推导，说明为什么这样分层
- 排障类问题按「现象定位 → 分层排查（数据源/计算/存储/调度）→ 根因 → 优化与防复发」展开
- 请介绍一个你参与的 PB 级数据处理项目，你是如何解决数据倾斜和任务超时的？
- 如果让你设计广告投放域的离线 + 实时数仓分层模型，你会怎么划分？
- StarRocks 在你们项目中承担什么角色？做过哪些查询与存储优化？
- 当业务方对 ROI 或渠道转化口径理解不一致时，你如何推动统一？
- Flink 实时任务出现数据延迟或数据不一致，你会怎么排查？
Watch Jobs