阿里巴巴
高德-安全数据仓库专家-AI NATIVE
高德-安全数据仓库专家-AI NATIVE
发布于 4 小时前普通员工/个人贡献者
全职员工混合式弹性办公数据工程
数据工程
Ai Agent
Maxcompute
Olap
Prompt工程
Rag
Sql
实时计算
数据仓库
数据治理
值不值得投
79综合评分
综合评分 79
顶尖大厂核心安全线、AI Native前沿探索、技术成长极快，但工作节奏偏快、WLB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，方便横向比较。
薪资怎么样
5.2万
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
约 3620 个在招 · 其中数据工程 61 个
市场机会
选择面较广
北京 · 数据工程 · 约 160 个在招
职位详情
关于这个职位
负责安全风控域数据仓库的分层建模与指标体系建设，支撑反爬、反欺诈等场景的数据交付
主导将AI能力（Agent、大模型）工程化落地到SQL开发、数据校验与治理全链路，推动团队向AI Native研发模式转型
需具备5年以上数仓开发经验及扎实的实时/离线计算引擎实战能力
最低要求
经验要求：5 年以上数据仓库开发经验，本科及以上学历（计算机、数据科学等相关专业优先）
具备业务安全、风控或反爬黑灰产对抗领域的数仓建设经历，有日均亿级以上数据量、实时与离线一体化数仓实战经验者优先
有将大模型 / AI Agent 真实落地到数据研发或数据治理场景的经验者优先（请在简历中说明具体场景与效果）
数仓工程硬实力：精通 MaxCompute/ODPS、Hive 等离线计算引擎，熟练掌握 Flink/Blink 实时计算与 Hologres/ClickHouse 等 OLAP 引擎，能独立完成安全风控域 ODS-DWD-DWS-ADS 分层建模与指标体系设计
具备扎实的 SQL 性能调优能力，能定位并解决数据倾斜、大表 Join、实时链路延迟与稳定性等典型问题
具备数据质量与治理体系落地能力，理解数据血缘、口径一致性、监控告警与资产分层管理
AI Native 能力（核心）：能独立设计并构建面向数据场景的 AI Agent，覆盖 SQL 生成与优化、数据校验、异常/黑灰产检测、数据治理等环节，实现从"人写 SQL 交付"到"Agent 辅助/自动交付"的转变
熟悉大模型应用工程，掌握 Prompt 工程、RAG 检索增强、工具调用（Tool/MCP）、知识库构建与 skill 编写，理解上下文管理与多步任务编排
具备 AI 产物的工程化意识：能为 Agent 与数据规则设计可测试、可回归、可度量的评测与验证机制，对结果的准确率、误报/漏报、可解释性负责，而非停留在"能跑通 Demo"
软性素质：具备较强的业务理解力，能把反爬、风控等安全诉求准确翻译为数据模型与指标
具备数据敏感度与商业闭环思维，能从数据中识别黑灰产攻击趋势与业务风险
具备 AI Native 思维——习惯优先思考"这个数据问题能否用 AI / Agent 更高效地解决"，并推动落地
具备良好的跨团队协作、问题拆解与自驱能力
工作职责
职位描述
负责安全风控域数据仓库的分层建模与指标体系建设，支撑反爬、反欺诈、内容与账户安全等场景的离线与实时数据交付
主导将 AI 能力（Agent、知识库、大模型）工程化落地到 SQL 开发、数据校验、异常检测与数据治理全链路，持续提升数据交付效率与质量
沉淀可复用的安全数仓资产（模型、指标、skill、知识库），推进团队向 AI Native 研发模式转型
优先资格
加分项：
有安全 / 风控领域知识库或 Agent 从 0 到 1 建设经验
有开源社区贡献、大模型微调或 Agent 框架（如 LangChain、MCP 生态等）实践
有大规模数据成本治理经验
AI 洞察
优缺点分析
优点
- 聚焦前沿AI Native与数据工程交叉领域，技术栈领先且业务价值高
- 内部资源充足，利于个人技术品牌积累
- 需同时兼顾传统数仓架构与新兴AI Agent工程化，学习曲线陡峭
- 对结果准确率与可解释性要求极高，容错率低
- 跨团队协作频繁，需具备极强的业务翻译与推动能力
- 适合拥有扎实大数据底层功底、对AI Agent落地有强烈兴趣，且能在高压环境下持续攻坚的技术专家型求职者
缺点 / 挑战
- 依托阿里集团庞大流量与安全场景，数据规模与技术挑战极具吸引力
角色解读
- 可向首席数据工程师或数据架构师方向发展，深耕AI驱动的数据平台领域
- 也可横向拓展至AI产品负责人或技术管理岗，主导企业级AI Native数据基础设施建设
- 负责安全风控领域数据仓库的架构设计与分层建模，保障海量数据的稳定交付
- 主导AI Agent与大模型技术在SQL开发、数据校验及治理环节的落地应用
- 沉淀标准化数据资产，推动团队研发模式向AI Native转型
- 精通离线/实时计算引擎（MaxCompute/Flink等）与OLAP数据库，具备扎实的SQL调优与数据治理经验
- 熟练掌握Prompt工程、RAG、Agent框架及大模型应用开发
- 具备将业务安全需求转化为数据模型的能力
申请策略
- 提前研究阿里安全业务线的风控逻辑与数据流转链路
- 准备1-2个完整的AI赋能数据工程的端到端项目复盘，重点说明“人写”到“Agent辅助”的范式转变过程
- 突出日均亿级数据处理实战案例，量化SQL调优与链路稳定性提升成果
- 详细阐述AI Agent在数据研发/治理中的具体应用场景、技术选型及效果指标
- 强调跨部门协作与业务抽象能力
- 深入钻研LangChain/LlamaIndex等Agent框架及MCP协议
- 强化RAG架构优化与向量数据库实战
- 补充数据成本治理与FinOps相关知识
面试指南
- 采用STAR法则结构化回答项目背景、行动与结果
- 针对AI落地问题，重点阐述评测体系设计、人工复核机制与迭代策略
- 针对数仓难题，展示从监控告警、执行计划分析到参数调优的系统化排查路径
- 请分享一个你主导的AI Agent在数据研发或治理中落地的完整案例，遇到了哪些工程化难题？
- 如何保证Agent输出SQL的准确率与安全性？设计了怎样的评测与拦截机制？
- 面对数据倾斜或实时链路延迟，你的排查与优化思路是什么？
- 如何将反爬/风控的业务诉求抽象为通用的数据模型与指标？
- 复习分布式计算原理与SQL执行计划优化技巧
职位点评
薪资福利85
成长发展92
工作生活55
使命价值75
薪资福利
85较高
薪资处于互联网大厂中上水平，福利体系完善，对补偿性动机满足度高。
薪资信号市场水准 (3.8千–6.5万/月)
成长发展
92较高
岗位深度融合前沿AI Agent技术与传统数仓架构，提供极高的技术成长空间与行业视野。
技术前沿前沿/新兴技术
技术栈AI Agent、Prompt工程、RAG、MaxCompute、Flink、大模型
业务类型profit_center
工作生活
55较低
互联网大厂节奏较快，JD未明确提及弹性工时或加班政策，WLB存在一定不确定性。
工作模式未明确
办公地点市区核心地段
加班情况未提及（无法判断）
使命价值
75中等
致力于构建AI Native数据基础设施，提升安全风控效能，具有明确的行业技术引领价值与社会防护意义。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
阿里巴巴 的其他在招职位
相似职位推荐
Watch Jobs