供应链产品技术部-数据研发工程师-AI方向

优缺点分析

角色解读

• 可在数据研发基础上向数据架构师、数据平台技术负责人方向发展，主导更复杂的数据体系设计
• 借助AI数据应用项目积累LLM、RAG、NL2SQL等经验，转向AI数据产品、智能分析或数据科学方向
• 深入电商自营业务后，可向业务数据策略、数据产品管理或跨域数据解决方案角色拓展
• 负责淘天自营业务端到端数据仓库架构设计与研发，建设PB级数据集市并管理数据质量稳定性
• 参与自营业务数据产品与应用的数据研发，与产品技术团队协作交付稳定高效的数据服务
• 深入理解各业务域，分析业务策略和核心痛点，制定端到端数据解决方案并推动落地
• 构建找数用数、数据分析与归因、智能选品等AI数据应用，提升员工和商家的数字化经营效率
• 扎实的数据仓库模型设计、ETL开发、流数据计算、数据质量与数据服务能力，并有海量数据处理经验
• 掌握Java/Python/Go中至少一门语言，具备全栈开发能力
• 具备机器学习、知识图谱、大语言模型Agent/RAG、NL2SQL等AI相关经验者优先
• 对数据敏感，具备优秀的业务理解、数据分析和问题解决能力

申请策略

• 申请时重点贴合淘天自营业务和数据+AI方向，避免只罗列通用数仓技能
• 提前了解淘天集团自营业务模式和数据产品形态，面试中更容易体现业务理解
• 突出数据仓库分层建模、ETL开发、流数据计算、数据质量治理和数据服务化的完整项目经验
• 用量化结果说明海量数据处理规模、性能优化、稳定性保障或成本优化方面的贡献
• 展示Java/Python/Go全栈开发能力，尤其是数据产品、数据服务或平台工具的开发经历
• 如有LLM Agent、RAG、NL2SQL、知识图谱或智能分析项目，务必写明业务场景和落地效果
• 补强LLM应用开发链路，包括Agent编排、RAG检索增强、NL2SQL和效果评估方法
• 梳理电商自营业务的核心指标和分析框架，提升业务理解与数据归因能力

面试指南

• 架构题采用“业务场景—分层设计—关键取舍—质量保障—落地效果”的结构回答
• AI应用题先讲清业务痛点，再说明数据准备、模型/检索方案、评估指标和迭代机制
• 行为题使用STAR框架，突出个人动作、量化结果和业务价值
• 请设计一个PB级电商自营业务数据仓库的分层架构，并说明如何保障数据质量与稳定性
• 你如何处理流批一体或实时数据计算场景？请结合项目说明
• 如果要用RAG或NL2SQL提升商家/员工找数用数效率，你会如何设计技术方案和评估效果？
• 请分享一次你通过数据分析或数据产品推动业务策略落地的经历
• 在业务需求多、数据域复杂的情况下，你如何做优先级管理和跨团队协作？