数据开发工程师（广告）

优缺点分析

角色解读

• 在数据工程领域深入发展，成为资深数据专家或架构师，负责更大规模的数据平台设计
• 向AI数据工程方向延伸，结合LLM/Agent等前沿技术，成为懂AI的大数据人才
• 在京东广告业务中积累业务知识，未来可转型为数据产品经理或技术管理者
• 负责京东广告端到端的数据链路建设，包括数据接入、实时/离线处理、OLAP分析等，确保数据高效支撑业务
• 优化海量数据的计算和存储性能，通过架构升级和参数调优，降低延迟和成本，保障实时出价等关键场景的稳定性
• 探索AI在数据工程领域的应用，如智能ETL、自动化建模、数据质量监控，提升整体数据智能化水平
• 与算法、产品、运营等团队紧密协作，将业务需求转化为可落地的数据解决方案
• 扎实的编程能力，精通Java/Python/Scala至少一种，能够编写高效的数据处理代码
• 深入理解Spark/Flink/Hive/Iceberg等大数据生态，具备实际调优和排查线上问题的经验
• 掌握ClickHouse/Doris等OLAP引擎，熟悉复杂SQL性能优化以及数据仓库建模
• 具备数据敏感度和业务洞察力，能够主动发现问题并推动解决

申请策略

• 虽然地点在海南，但可以提前了解京东在海南的业务布局，表达长期发展的意愿
• 面试时多展示业务理解和解决问题的能力，而不是只谈技术
• 突出大数据项目的具体成果，如处理数据量级、性能优化指标（吞吐量、延迟）、架构设计等
• 强调实时数仓、流批一体、湖仓一体等架构落地经验，这些是加分项
• 展示对OLAP引擎（如ClickHouse/Doris）的使用和调优经验，最好有复杂SQL优化案例
• 如果有AI/LLM相关实践，即使是探索性项目，也值得写上
• 复习Spark和Flink的核心原理，特别是状态管理、checkpoint、背压机制等，准备相关面试问题
• 熟悉Iceberg等数据湖表格式，了解其与Hive的差异

面试指南

• 对于技术题，可以先阐述原理，再结合项目实例说明，最后总结收益和可复用的经验
• 对于架构设计题，从需求分析、数据流向、技术选型、容错机制、性能优化等维度展开
• 对于业务理解题，先明确业务目标，再拆解为技术方案，并强调数据对业务的支撑作用
• 请描述一个你处理过的复杂数据链路优化案例，具体遇到了什么问题，如何解决？
• Spark Streaming和Flink在实时处理上有哪些区别？如何选择？
• 你如何设计一个分层数仓模型？如何进行维度建模？
• ClickHouse和Doris的适用场景有什么不同？你在项目中如何选型？
• 如果广告实时出价延迟过高，你会如何排查和优化？