腾讯
智能体-数据分析工程师（数仓方向）-WorkBuddy
智能体-数据分析工程师（数仓方向）-WorkBuddy
发布于 4 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
数据建模
值不值得投
80综合评分
综合评分 80
聚焦AI Agent前沿业务、技术成长空间大、薪资具竞争力，但工作节奏与WLB需进一步确认。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
薪资怎么样
3.5万
与数据工程中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 1980 个在招 · 其中数据工程 14 个
市场机会
选择适中
深圳 · 数据工程 · 28 个在招
职位详情
关于这个职位
负责腾讯WorkBuddy Agent业务的数据体系建设与数仓开发，深入业务场景进行数据分析以支持产品决策
参与实时与离线数据链路建设，优化数据模型与资产，保障数据质量与时效性，推动AI Agent业务的数据价值落地
最低要求
计算机相关专业本科及以上学历，3年以上大数据开发或数仓建设经验
熟练掌握Hadoop、Spark、Flink等大数据组件，有丰富的实际项目经验
熟悉Hive、HBase、Kafka等常用大数据技术，具备数据建模和ETL开发能力
具备扎实的SQL和编程能力（如Java/Python/Scala），能独立完成复杂的数据处理逻辑
良好的逻辑思维和问题解决能力，能够快速定位和解决数据相关问题
责任心强，具备良好的团队协作能力和沟通能力
工作职责
负责 WorkBuddy Agent 业务的数据体系建设，包括数据采集、清洗、建模、加工、存储及数据服务，持续完善业务数仓与指标体系
深入理解智能体产品业务场景，围绕用户增长、活跃、留存、转化、Agent 使用行为、任务完成情况等核心方向开展数据分析，能够从数据中发现问题、定位原因并提出业务优化建议
负责核心业务指标、用户行为分析体系及专题分析建设，对数据变化具备较强敏感度，能够主动识别异常、趋势和潜在业务机会
设计和优化数仓分层、主题域及数据模型，建设稳定、高效、易用的数据资产，提升数据开发效率及下游分析体验
与产品、算法、运营及研发团队紧密协作，将业务问题转化为数据问题和技术方案，通过数据分析、实验评估及指标监控支持产品决策和业务迭代
参与实时与离线数据链路建设，包括 Flink、Spark、Kafka 等相关任务开发与性能优化，保障数据链路的稳定性、准确性和时效性
建设数据质量、数据治理及异常监控体系，快速定位并解决数据口径、数据链路及数据质量问题
持续关注大数据、数据分析及 AI Agent 领域的新技术和新方法，并推动其在实际业务中的落地
AI 洞察
优缺点分析
优点
- 依托庞大的数据生态与顶尖的技术平台，能接触到海量数据与前沿的AI Agent应用场景
- 业务方向处于AI风口，智能体（Agent）是未来技术趋势，个人技术视野与行业竞争力将大幅提升
- 团队技术氛围浓厚，注重务实与创新，有利于个人技术深度与广度的双重积累
- AI Agent业务处于快速迭代期，数据需求变化快，需要极强的业务适应能力和抗压能力
- 具备扎实数仓底层开发能力，同时对AI、大模型及智能体业务有浓厚兴趣，渴望在前沿业务中实现数据价值的数据工程师
缺点 / 挑战
- 实时与离线链路建设对系统稳定性和性能要求极高，排查和解决数据质量问题的挑战较大
角色解读
- 纵向可发展为资深数据专家或数据架构师，主导更大规模的数据中台建设
- 横向可向数据产品经理或业务策略分析师转型，深度赋能AI Agent业务商业化与增长
- 负责WorkBuddy Agent业务的数据体系建设，涵盖数据采集、清洗、建模到服务的全链路
- 深入智能体业务场景，围绕用户增长、活跃、留存等核心指标进行数据分析，支持产品决策
- 参与实时与离线数据链路（Flink/Spark等）的建设与优化，保障数据质量与时效性
- 熟练掌握Hadoop、Spark、Flink、Hive、Kafka等大数据组件，具备丰富的数仓建设与ETL开发经验
- 具备扎实的SQL及至少一种编程语言（Java/Python/Scala）能力，能独立处理复杂数据逻辑
- 具备优秀的业务理解能力与逻辑思维，能将业务问题转化为数据技术方案
申请策略
- 提前体验或了解腾讯WorkBuddy或市面上主流的AI Agent产品，形成自己对智能体业务数据指标体系的思考
- 突出在数仓分层设计、数据建模及复杂ETL开发方面的实际项目经验与性能优化成果
- 强调通过数据分析驱动业务增长、提升用户留存或转化率的实际案例，体现业务敏感度
- 展示在Flink/Spark等实时计算组件上的开发经验及数据质量治理体系的建设成果
- 深入了解AI Agent、大模型相关的基础概念与业务逻辑，以便在面试中更好地结合业务场景答题
- 复习并强化数据仓库建模理论（如Kimball维度建模）及大数据组件的底层原理与调优技巧
面试指南
- STAR法则：针对项目经验题，按照情境(Situation)、任务(Task)、行动(Action)、结果(Result)结构化回答，突出数据指标的提升或效率的优化
- 业务+技术双重视角：针对指标设计或需求沟通题，先阐述对业务目标的理解，再给出具体的技术实现方案与数据验证方法
- 请介绍一个你主导过的最复杂的数仓建模或数据链路优化项目，遇到了什么挑战，如何解决的？
- 针对AI Agent业务，你会如何设计用户行为分析和任务完成情况的核心指标体系？
- Flink和Spark在实时和离线处理中有什么区别？你在实际项目中如何进行性能调优？
- 当业务方提出的数据需求不合理或口径不清晰时，你通常如何沟通和处理？
- 梳理过往项目中的核心技术难点与业务痛点，准备好具体的数据指标（如处理延迟降低多少、查询效率提升多少）
- 了解腾讯的数据中台架构理念及WorkBuddy产品的核心功能，准备1-2个针对该产品的数据建设建议
职位点评
薪资福利85
成长发展90
工作生活60
使命价值80
薪资福利
85较高
该岗位聚焦AI Agent核心业务，对数仓与大数据开发能力要求较高，结合深圳地域市场水平，薪资具备较强竞争力。
薪资信号未披露（AI估算：2.5千–4.5万/月）
成长发展
90较高
岗位聚焦AI Agent这一前沿领域，能接触到最新的大数据与AI结合场景，技术成长空间巨大。
技术前沿前沿/新兴技术
技术栈Hadoop、Spark、Flink、Hive、HBase、Kafka、Java、Python、Scala、AI Agent
业务类型profit_center
工作生活
60中等
JD未明确说明工作模式与加班情况，无法准确判断工作生活平衡状态，建议面试时进一步确认。
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
80较高
参与AI Agent产品的数据体系建设，推动人工智能技术的落地应用，具有较强的技术使命感与行业前景。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs