百度
大数据开发工程师（（J105505）
大数据开发工程师（（J105505）
发布于 35 分钟前普通员工/个人贡献者
全职员工仅现场办公大数据
大数据
Etl
Sql
大数据
数仓
值不值得投
73综合评分
综合评分 73
技术挑战大、成长路径清晰的大数据核心岗位，薪资有竞争力，但办公与生活平衡信息不明确。
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。
薪资怎么样
29K
比大数据中位数高
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 1110 个在招
职位详情
关于这个职位
作为百度的大数据开发工程师，你将负责建设与优化核心数据仓库体系，包括数据集成、ETL架构设计与研发（批处理与流处理）
你需要深入理解业务需求，设计并实现能够满足复杂业务场景的大数据系统，并参与新产品方向的数据仓库建设，确保系统具备可迭代性与可维护性
最低要求
本科及以上计算机、数据库、机器学习等相关专业，3年以上数据仓库开发工作
对业务数据有敏锐的理解能力，并能快速梳理和分析业务数据
有用户产品（特别是社交类产品）数仓建设经验和存量数据仓库重构经验者优先
熟练掌握SQL语言及ETL开发、熟悉MySQL，对Shell、Java(Scala)、Python非常熟悉
熟悉Hadoop、Spark、Flink、Kafka等大数据组件者优先
对clickhouse/doris等主流Mpp数据系统熟练使用并有调优经验者优先
工作职责
建设大数据数仓体系，负责数据集成和ETL架构设计和研发，包括批与流两类数据流建设
深入理解业务，理解业务产品需求，设计和实现符合业务需求的大数据系统，确保项目顺利验收
深入参与业务新方向的建设，同业务一同为新产品设计合理可迭代易维护数仓
负责数据仓库的持续改善，识别现有数据体系设计关键优化点
优先资格
有用户产品（特别是社交类产品）数仓建设和存量数据仓库重构经验
熟悉clickhouse/doris等主流MPP数据系统并有调优经验
AI 洞察
优缺点分析
优点
- 技术栈全面且前沿，能接触到海量数据和复杂的业务场景，技术成长空间大
- 在百度这样的平台，有机会影响核心业务的数据基础，项目成果可见度高
- 岗位要求明确，职责清晰，有利于个人技能的深度积累和职业品牌建立
- 业务复杂度高，需要快速理解和适应多变的业务需求，对学习和沟通能力要求高
- 技术更新快，需要持续学习新技术（如Flink、ClickHouse等）以保持竞争力
- 适合具备3年以上数仓开发经验，熟悉主流大数据技术栈，对数据敏感、乐于解决复杂技术问题，并希望在大型互联网平台深耕数据基础设施的工程师
缺点 / 挑战
- 作为核心数据系统负责人，系统稳定性压力大，需时刻关注性能和可靠性
角色解读
- 技术专家路径：深入研究大数据前沿技术，成为公司内部在数仓架构、实时计算或数据治理领域的权威
- 架构师路径：负责更大范围的数据平台架构设计和技术选型，引领团队技术方向
- 数据管理路径：转向数据产品经理或数据团队负责人，更侧重于数据价值的挖掘和业务赋能
- 负责公司核心数据仓库的架构设计、开发和维护，确保数据准确、及时地支撑业务
- 深入理解业务逻辑，将业务需求转化为技术方案，开发ETL流程处理批处理和实时数据流
- 参与数据体系优化，识别性能瓶颈并进行调优，以支持更复杂的数据分析和产品创新
- 精通SQL和ETL开发，具备扎实的数据仓库建模理论知识和实践经验
- 熟练使用Hadoop、Spark、Flink、Kafka等大数据技术栈，能解决实际开发中的复杂问题
- 具备优秀的业务理解和分析能力，能快速将业务问题抽象为数据问题并实现
申请策略
- 研究百度相关业务线（如百度搜索、百度地图、百度贴吧）的数据特点和潜在挑战，在面试中展现你对业务的思考
- 准备好描述你在以往工作中如何与产品经理、业务方沟通需求并将其转化为技术方案的具体案例
- 重点突出你负责过的数据仓库项目，尤其是涉及批流一体架构、ETL优化或大规模数据迁移的项目经验
- 详细描述你使用的具体技术栈（如Flink实时数仓、Spark离线计算）和取得的量化成果（如处理数据量、计算性能提升百分比）
- 如有用户产品（如社交、电商）的数据仓库建设经验，务必单独列出，这是重要的加分项
- 可以深入研究Flink实时计算或ClickHouse/Doris等OLAP引擎的原理与调优，这是JD明确要求的优先技能
- 复习和巩固数仓建模理论（如维度建模），并思考如何在实际复杂业务中应用
面试指南
- 回答架构设计问题，可遵循“背景-目标-方案-挑战-结果”的结构，突出你的技术选型依据和权衡思考
- 回答业务理解问题，可采用“业务目标拆解-核心数据指标识别-数据链路设计”的框架，展现结构化思维
- 回答技术细节问题，结合具体项目经验，说明问题场景、技术选型、实施步骤和最终效果
- 请描述一个你主导设计的数仓架构，为什么这么设计？解决了什么业务问题？
- 如果给你一个新业务，你会如何从零开始设计其数据仓库和ETL流程？
- 在处理实时数据流时，如何保证数据的Exactly-Once语义？你用过哪些方案？
- 当数仓查询性能变慢时，你的排查和优化思路是怎样的？
- 请举例说明你如何理解一个复杂的业务，并将其需求落地为数据开发任务
职位点评
薪资福利75
成长发展88
工作生活55
使命价值65
薪资福利
75中等
该职位位于一线城市，行业和技术领域处于主流，薪资通常具有市场竞争力，但具体福利待遇JD未披露。
薪资信号市场水准 (22K-35K/月)
成长发展
88较高
岗位涉及大数据全栈技术（批流一体、数仓优化）和复杂业务场景，技术挑战大，成长空间明确。
技术前沿主流现代技术
技术栈Hadoop、Spark、Flink、Kafka、ClickHouse、Doris、SQL、ETL
业务类型ambiguous
工作生活
55较低
JD未提及任何工作模式、弹性工时或WLB相关信息，无法判断其灵活性。工作地点在深圳，生活成本较高。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
65中等
岗位是构建核心数据基础设施，对业务有直接支撑价值，但JD未强调社会使命或行业影响力。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs