Baidu logo
百度
大数据开发工程师(J103383)

大数据开发工程师(J103383)

发布于 大约 17 小时前

普通员工/个人贡献者

北京市
高级经验
全职员工
仅现场办公
本科
软件工程
Etl
Llm
Prompt Engineering
Sql

AI 估算 · 25k–45k

百度大厂,大数据+AI热门技能,薪资有竞争力,月薪范围合理。

职位详情

关于这个职位

作为百度大数据开发工程师,你将主导面向LLM的数据仓库设计与治理,推动大模型在数据分析场景的落地,并与业务团队协作挖掘数据价值

该职位要求扎实的大数据技术栈和LLM应用能力,适合希望在AI+数据领域深耕的技术人才

最低要求

熟悉数据仓库实施方法论,深入了解数据仓库体系,并有实际业务场景的落地经验

熟练使用 Hadoop 及 Hive,掌握 SQL、Java、Python 等编程语言
善于沟通,具备良好的业务敏感度,能快速理解业务背景,具备优秀的技术与业务融合能力

工作职责

主导面向 LLM 数据分析与数据监控场景的底层数据仓库整体设计、规划、管理与治理工作

推动大模型应用落地,探索数据分析 Agent/Skill、数据洞察机器人等在真实业务场景中的应用价值,并基于评估体系持续迭代优化应用效果
销售管理业务数据体系构建与优化
负责离线数据仓库的建设与维护
承担数据模型设计、ETL 实施、性能优化、数据监控及相关技术问题的解决
业务需求理解与数据价值挖掘
深入理解业务逻辑,合理抽象业务需求
与业务团队紧密协作,持续发挥数据价值
数据应用规划与治理
参与大数据应用规划,为政策、管理等横向团队提供应用指导
参与数据治理工作,提升数据易用性与数据质量

优先资格

具备 LLM 应用工程能力者优先

熟悉 Prompt 工程与 Tool Use,理解其在 Agent 任务拆解与执行中的作用
具备扎实的 Python 开发能力,能灵活运用于 Skill 等脚本开发

AI 洞察

优缺点分析

优点

  • 聚焦LLM+大数据前沿方向,技能附加值高,未来竞争力强
  • 团队协作紧密,有机会参与数据治理和应用规划,视野开阔
  • 需要同时掌握大数据和LLM两个领域,技术广度要求高
  • 业务理解要求高,需快速适应销售管理等不同业务背景
  • 适合有大数据经验、对LLM应用感兴趣、愿意深入业务并解决复杂数据问题的技术型人才

缺点 / 挑战

  • 百度平台提供海量数据和丰富业务场景,技术挑战大,成长快
  • 可能面临较大的项目交付压力和数据质量治理的长期责任

角色解读

  • 纵向发展:大数据工程师 → 高级大数据工程师 → 数据架构师/技术专家
  • 横向拓展:结合LLM能力转向AI应用开发或数据产品经理
  • 管理路径:技术团队小组长 → 数据部门负责人
  • 设计并管理面向LLM数据分析场景的数据仓库,确保底层数据质量与治理
  • 推动大模型落地,开发数据分析Agent/Skill,评估并优化应用效果
  • 构建销售管理业务数据体系,负责离线数仓建设与ETL实施
  • 与业务团队协作,理解需求并挖掘数据价值,参与数据治理提升易用性
  • 扎实的数据仓库方法论和实践经验,熟悉Hadoop/Hive生态
  • 熟练使用SQL、Java、Python进行数据处理和开发
  • 具备LLM应用工程能力,了解Prompt工程和Tool Use,能开发Agent/Skill
  • 良好的业务敏感度和沟通能力,能快速理解业务并转化为技术方案

申请策略

  • 在简历中用量化指标体现数据项目带来的业务价值
  • 提前了解百度内部数据平台和LLM相关技术栈,面试时可展示思考
  • 突出数据仓库设计经验,特别是LLM或AI相关项目
  • 展示Hadoop/Hive、SQL、Java/Python的实际应用案例
  • 如果有Agent/Skill开发或Prompt工程经验,重点描述
  • 强调业务理解和跨团队协作的成果
  • 深入学习LLM原理,实践Prompt工程和Tool Use
  • 熟悉常用大数据组件调优,如Hive性能优化

面试指南

  • 对于项目类问题,使用STAR法则(情境、任务、行动、结果),突出技术难点和个人贡献
  • 对于LLM相关问题,先阐述基础概念,再结合具体场景说明应用方法和迭代思路
  • 请描述一个你设计的数据仓库项目,包括分层、模型设计及技术选型
  • 你如何将LLM应用到数据分析场景?举例说明Agent/Skill的设计
  • Hive中如何优化慢查询?遇到过哪些性能问题?
  • 如何处理数据质量问题和数据治理的挑战?
  • 解释Prompt工程中的few-shot和Chain-of-Thought,如何用于任务拆解?
  • 复习数据仓库理论(维度建模、星型/雪花模型)

职位点评

68
综合评分

百度大数据+LLM前沿岗,技术成长高,但WLB一般。

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。

更适合这类人
适合追求技术成长和前沿方向、对工作生活平衡要求不高的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利65
成长发展90
工作生活40
使命价值70

薪资福利

65中等

百度属于大厂,薪资水平有竞争力,但JD未明确薪资及福利,需在面试中确认,补偿性动机满足程度中等。

薪资信号未披露(AI估算:25K-45K/月)

成长发展

90较高

职位涉及LLM和大数据前沿技术,成长空间大,工作内容有挑战性,发展性动机满足度高。

技术前沿前沿/新兴技术
技术栈LLM、Hadoop、Hive、SQL、Java、Python、Prompt Engineering、Tool Use
业务类型profit_center

工作生活

40较低

工作地点在北京,未提及弹性办公或WLB,互联网公司通常有加班文化,生活化动机满足程度较低。

工作模式仅现场办公
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

70中等

百度在AI领域有较高社会影响力,但该职位更偏技术实现,意义感中等。

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
Watch Jobs