数据开发工程师（数据仓库工程师）

优缺点分析

角色解读

• 从数据开发工程师逐步成长为高级数据工程师或数据架构师，深入大数据技术栈
• 深耕风控领域，成为风控数据专家，负责核心风险策略的数据支撑
• 可向技术管理方向发展，带领数据团队支撑业务决策
• 建设风控数据仓库，设计指标体系，完成离线数据开发任务
• 使用 Hive/Spark SQL 进行特征加工、用户画像和行为分析，为业务提供数据服务
• 保障数据任务稳定性，进行 SQL 性能优化和数据倾斜处理
• 精通 Hive/Spark SQL，熟悉 Hadoop、Flink、Kafka、StarRocks 等大数据组件
• 具备数据仓库建模和架构设计能力，理解离线与实时数据研发
• 了解风控业务场景，如账号安全、反作弊、反爬、黑灰产挖掘等

申请策略

• 提前了解小红书的业务模式（社区+电商），思考风控在其中的角色
• 准备1-2个完整的数仓或数据开发项目，能用 STAR 法则清晰陈述
• 突出数据仓库建模经验，例如星型/雪花模型设计、分层架构等
• 强调SQL性能优化、数据倾斜处理的实际案例和效果
• 如有风控相关项目经历（如反作弊、用户画像），务必详细描述
• 深入学习 Flink 实时流处理，补充实时数据开发能力
• 了解风控领域常用策略和算法，如决策树、异常检测等

面试指南

• 可以从问题背景、分析过程、具体方案、最终效果几个维度展开
• 针对架构设计问题，先理解业务需求，再阐述分层逻辑、模型设计、技术选型
• 优化类问题，建议结合具体参数（如分区、桶、join优化）和数据量说明
• 请描述一个你处理过的最复杂的数据倾斜问题，以及如何解决的？
• 如何设计一个风控数据仓库的数仓分层架构？
• Hive 和 Spark SQL 在性能优化上有哪些常用手段？
• 你对风控中的设备指纹和反爬虫有什么了解？
• 如何保证数据任务的稳定性和时效性？