Data Platform Engineer officer

优缺点分析

角色解读

• 深耕数据平台工程，可发展为平台架构师或技术专家，主导数据基础设施的规划与演进
• 在金融科技领域积累行业知识，可向数据工程负责人或数据架构方向转型
• 依托公司全球资源，有机会参与国际项目并跨团队协作，拓展职业视野
• 设计并构建数据平台的后端服务和共享库，包括流式/批处理摄取框架、元数据驱动流水线、API和消费层集成等
• 基于开放表格式（如Iceberg）和查询引擎（如Spark/Trino）开发可复用平台组件，并集成数据目录与权限控制
• 维护平台可观测性和告警系统，并参与值班和重大事件处理，保障平台稳定性和SLA
• 精通Python和Java，具备扎实的Spark编程和调优经验，熟悉Snowflake/Databricks等数据平台
• 深入理解分布式计算、SQL优化和开放表格式（如Iceberg），有云环境（AWS/GCP/Azure）生产级服务经验
• 熟悉CI/CD、容器和Kubernetes，了解数据目录和元数据管理，具备安全意识和合规知识

申请策略

• 在求职信中表达对金融数据领域和平台工程的兴趣，体现对State Street业务背景的了解
• 准备一个端到端数据平台项目案例，详细阐述设计决策和取舍
• 突出Python/Java编程和Spark调优的实战项目，量化性能提升成果
• 展示构建生产级数据平台的经历，包括架构设计、高可用和可观测性实现
• 强调对Iceberg等开放表格式或数据湖仓一体架构的理解和实践
• 如有云服务（AWS/GCP/Azure）和容器化部署经验，务必在简历中体现
• 补充Apache Iceberg、Polaris等开放数据目录的深入学习和实践
• 强化Kafka和流处理（如Flink）的实际应用经验

面试指南

• 针对技术问题，建议采用STAR法则，先说背景，再讲任务和行动，最后突出结果和量化指标
• 对于架构设计类问题，从需求分析、技术选型、演进路径、风险权衡等角度展开
• 描述你设计过的一个数据管道架构，如何保证可靠性和可扩展性？
• 如何优化Spark作业的性能？你使用过哪些技术或策略？
• 谈谈你对Apache Iceberg的理解，它与Hudi或Delta Lake相比有何优劣？
• 在云环境中构建生产服务时，你如何设计安全控制和可观测性？
• 你如何处理on-call时遇到的重大生产事故？请举例
• 回顾过去项目中使用的数据平台技术栈，准备详细的架构图和技术细节