百度
数据研发工程师（J104987）
数据研发工程师（J104987）
发布于 大约 20 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Sql
大模型
性能优化
数据治理
值不值得投
71综合评分
综合评分 71
技术挑战大、前沿技术栈、薪资市场水准、WLB未知
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
28K
比数据工程中位数低
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 · 其中数据工程 2 个
市场机会
选择面较广
北京 · 数据工程 · 90 个在招
职位详情
关于这个职位
作为百度网盘的数据研发工程师，你将负责构建和优化大规模数据处理体系，利用大数据技术和大模型Agent提升数据开发效率与平台体验
需要扎实的大数据技能和编程能力，解决复杂数据问题，推动智能化治理和研发效能提升
最低要求
计算机或相关专业本科及以上学历，熟悉 Hadoop、Hive、Spark、Flink、Kafka、OLAP 等大数据技术中的一种或多种
熟悉大规模数据处理、分布式计算及任务调度，具备 Spark/Hive SQL 性能分析、资源优化和问题排查能力
熟悉 SQL 执行计划、Join/Shuffle/数据倾斜/资源配置等常见性能问题，有慢查询治理或计算成本优化经验者优先
对大模型、Agent 有一定理解，有 LLM 在 SQL 优化、数据分析、任务诊断、研发效能等方向的实践经验者优先
具备较强的编程能力，熟练掌握 Java、Python、Shell 等至少一种语言
具备较强的 Owner 意识和独立解决问题能力，能够完成复杂问题拆解、方案设计、跨团队推进和落地
具备平台化和自动化思维，能够将高频人工问题沉淀为通用能力，而非依赖长期人工服务
工作职责
负责百度网盘、海外网盘数据体系及数据基础能力建设，持续提升数据开发效率、任务稳定性和平台使用体验
负责大规模离线/实时数据处理链路建设与优化，包括任务调度、资源治理、性能优化、数据质量等
参与数据计算架构升级与迁移，推动历史链路治理、任务优化和计算成本降低
面向慢查询、低效 SQL、资源浪费等高频问题，建设智能化治理能力，结合大模型 / Agent 实现 SQL 分析、问题诊断、优化建议、自动改写及效果验证，降低人工排查和优化成本
建设数据研发智能助手与自动化工具，探索 Agent 在任务诊断、资源推荐、异常归因、数据发现、研发流程自动化等场景的落地，提升产品、研发、策略等角色的数据使用效率
针对高频数据研发问题进行平台化、自动化治理，通过机制和工具减少重复人工投入，持续提升整体数据研发效能
优先资格
有慢查询治理或计算成本优化经验者优先
有 LLM 在 SQL 优化、数据分析、任务诊断、研发效能等方向的实践经验者优先
AI 洞察
优缺点分析
优点
- 融合大模型等前沿技术，提升个人技术竞争力
- 平台化工作影响广泛，对业务贡献可见度高
- 需要持续学习新技术栈，保持技术敏锐度
- 工作成果依赖平台稳定性，需平衡短期优化与长期架构
- 适合对大数据和AI有热情，喜欢解决复杂技术问题，具备Owner意识和自动化思维的工程师
缺点 / 挑战
- 参与大规模数据项目，技术挑战大，能快速积累深度经验
- 可能面临高强度问题排查和跨团队协调压力
角色解读
- 深入大数据和AI领域，向数据架构师或技术专家方向发展
- 转向技术管理，负责团队或项目，成为技术经理
- 探索数据智能前沿，参与创新研发，推动行业应用
- 构建和优化百度网盘的大规模数据处理体系，包括离线/实时链路和任务调度
- 开发智能化数据治理工具，利用大模型和Agent实现SQL分析、问题诊断和自动化优化
- 负责数据计算架构升级和迁移，降低计算成本并提升效能
- 推动数据研发效能平台化，减少重复人工投入
- 精通大数据技术栈，如Hadoop、Spark、Flink、Kafka、OLAP
- 熟练使用SQL进行性能分析、资源优化和问题排查
- 掌握Java、Python、Shell等编程语言，具备较强编程能力
- 理解大模型和Agent技术，并有相关实践经验
申请策略
- 研究百度网盘数据体系和技术栈，了解业务痛点
- 准备数据治理、效能提升相关的项目案例，展示解决问题思路
- 突出大数据项目经验，尤其是SQL优化、性能调优和成本降低案例
- 展示编程能力和开发自动化工具的经历
- 强调Owner意识和跨团队合作，体现方案设计与落地能力
- 深入学习LLM和Agent在数据优化中的应用实践
- 加强分布式系统架构和任务调度知识
面试指南
- 使用STAR法则描述项目经历，突出技术深度和系统思维
- 展示对大数据架构的全面理解
- 准备具体代码或方案示例，体现自动化思维
- 请介绍一个你优化过的慢查询或数据性能案例，遇到的挑战和解决方案？
- 如何设计一个数据治理平台来自动化处理高频问题？
- 对大模型或Agent在数据优化中的应用有什么理解？能否举例说明？
- 如何平衡数据处理的性能、稳定性和成本？
- 复习Hadoop、Spark、Flink等大数据技术原理和性能优化技巧
职位点评
薪资福利70
成长发展85
工作生活50
使命价值75
薪资福利
70中等
该职位提供市场水准的薪资和福利，但JD中未明确具体数字，补偿性动机满足程度一般。
薪资信号未披露（AI估算：20K-35K/月）
成长发展
85较高
职位涉及前沿技术如大模型和Agent，有技能成长和项目挑战，发展性动机满足程度较高。
技术前沿前沿/新兴技术
技术栈Hadoop、Spark、Flink、SQL、大模型、Agent
业务类型profit_center
工作生活
50较低
未明确工作模式，可能为现场办公，WLB信息未提及，生活化动机满足程度有限。
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
75中等
参与百度核心产品数据建设，行业前景好，创新水平积极，意义感动机满足程度中等偏上。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
百度 的其他在招职位
相似职位推荐
Watch Jobs