百度
数字人智能数据研发工程师（J103525）
数字人智能数据研发工程师（J103525）
发布于 大约 9 小时前普通员工/个人贡献者
北京市
中级经验
全职员工
仅现场办公
本科
数据分析与科学
Bi
大数据
大模型
数字人
数据仓库
数据挖掘
数据质量
AI 估算 · 25k–40k
百度大厂，北京数据岗，2年以上经验，技术栈主流，薪资具有竞争力。
职位详情
关于这个职位
作为百度数字人团队的数据研发工程师，你将负责构建数字人核心业务的数据体系，包括数据仓库建设、BI指标体系搭建、数据质量监控以及日常数据分析
你需要基于海量数据，通过数据挖掘和AI技术驱动产品迭代与业务增长，探索大模型+数字人的新应用场景
这是一个深度结合数据工程与AI前沿技术的岗位，适合热爱数据、渴望在AI赛道深耕的开发者
最低要求
本科及以上学历，计算机、统计学、大数据、人工智能等相关专业，基础功底扎实
具备2年及以上大数据开发实战经验，精通Hive、Spark等主流大数据计算框架，熟练掌握大数据仓库建模、数据清洗、分层建设等核心能力
熟悉Linux操作环境，熟练运用Python、Shell等脚本语言进行数据开发与自动化处理
具备良好的数据结构与算法基础，能够高效解决各类数据研发问题
具备极强的数据敏感度、逻辑思维能力与问题拆解能力，能够快速吃透复杂数字人业务场景，精准捕捉核心数据问题，通过数据洞察驱动业务优化
具备良好的跨团队沟通协作能力、主动推进意识与高效的执行力，乐于团队共建、主动复盘优化
热爱数据研发工作，热衷于从海量数据中挖掘业务洞察、发现创新机会，对AI数字人前沿赛道抱有强烈的探索欲与成长意愿
工作职责
负责数字人核心业务数据体系建设与迭代，搭建并维护数据仓库、大数据处理核心模块，输出标准化数据报表，依托大数据能力支撑产品迭代、业务复盘与精细化运营决策，高效解决业务数据痛点问题
深度梳理数字人全链路业务逻辑，拆解业务数据维度，沉淀通用、可复用的数据特征体系，为数字人产品力提升、场景化落地提供标准化数据底座
主导BI数据指标体系的搭建、迭代与落地，覆盖产品、运营、商业化等核心业务场景
搭建完善的数据质量监控机制，实时跟进数据异常、完成溯源分析，保障各类数据准时、精准、稳定产出
承接日常业务数据分析需求，通过多维数据拆解、复盘分析，输出可落地的数据分析结论，为业务策略调整、产品优化、增长决策提供核心数据支撑
结合AI数据分析、数据挖掘技术，深度挖掘数字人产品的用户价值、场景潜力与迭代需求，依托数据创新驱动产品优化升级，探索大模型+数字人数据应用新场景，以技术创新赋能产品长效增长
优先资格
掌握主流机器学习算法原理与应用场景，了解大模型落地应用逻辑
有大模型数据处理、AI数据自闭环研发、数字人/AI产品/海外云平台数据研发经验者优先
AI 洞察
优缺点分析
优点
- 百度大厂平台，技术栈前沿，接触数字人+大模型等热门领域
- 团队氛围好，有明确的成长路径和技术分享文化
- 对数据质量和时效性要求高，需快速响应业务异常
- 数字人业务快速迭代，工作强度可能较大
- 适合有2-5年大数据开发经验，对AI和数据挖掘有浓厚兴趣，愿意在快速变化的AI赛道深耕的技术型人才
缺点 / 挑战
- 数据驱动业务，工作内容有挑战性和影响力，容易出成果
- 需要跨团队协作，沟通成本较高
角色解读
- 在数据研发方向深入，成为大数据架构师或AI数据专家
- 横向拓展至AI产品数据分析或数据科学方向，推动业务价值
- 在百度数字人赛道积累经验，未来可转向AI创业公司或科技巨头
- 搭建和维护数字人业务的数据仓库，设计分层架构，开发ETL流程
- 主导BI指标体系建设，设计并实现数据看板，监控数据质量
- 深入分析业务数据，通过数据挖掘和AI方法驱动产品优化和增长决策
- 探索大模型在数字人数据场景中的应用，推动技术落地
- 精通Hive、Spark等大数据计算框架，具备数据仓库建模实战经验
- 熟练使用Python、Shell进行数据处理和自动化，熟悉Linux环境
- 具备数据敏感度和逻辑分析能力，能快速拆解复杂业务
- 了解机器学习原理和大模型应用逻辑，有AI数据处理经验更佳
申请策略
- 了解百度的数字人业务（如度晓晓等），在面试中展现业务理解
- 准备好1-2个完整的数据工程案例，从需求到落地的全过程
- 突出数据仓库建模、Hive/Spark实战项目，用具体数据说明优化效果
- 展示AI数据处理或大模型相关项目经验，哪怕只是实验性质
- 强调数据敏感度和逻辑分析能力，附上业务分析案例
- 系统学习Spark调优、数据仓库分层设计理论
- 补充机器学习基础和大模型原理，动手尝试Fine-tuning或RAG
- 练习SQL复杂查询和Python数据分析库（Pandas、NumPy）
面试指南
- 采用STAR法则（情境-任务-行动-结果）描述项目
- 先明确业务目标，再拆解技术方案，最后总结效果和反思
- 对于开放性问题，展示结构化思维和创新能力
- 请描述一个你主导的数据仓库项目，包括架构设计和遇到的挑战
- 如何在Hive/Spark中优化大数据任务？举例说明
- 如何设计数字人业务的数据指标体系？考虑哪些维度？
- 你如何理解数据质量？如何监控和保证数据准确性？
- 大模型在数据场景中如何应用？有什么想法？
职位点评
71
综合评分
百度大厂，数字人+大模型前沿赛道，技术成长空间大，但需现场办公且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领域发展，对薪资有一定要求，但能接受一定工作强度的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活40
使命价值80
薪资福利
75中等
百度作为上市大厂，薪资福利在行业中处于较高水平，但JD未明确具体薪资和福利，需面议。
薪资信号面议 (25K-40K/月)
成长发展
85较高
数字人+大模型属于前沿领域，技术栈主流（Hive/Spark/Python），有较大成长空间，但JD未明确培训/晋升机制。
技术前沿前沿/新兴技术
技术栈Hive、Spark、Python、大模型、数据挖掘、AI
业务类型profit_center
工作生活
40较低
工作地点北京需现场办公，JD未提及弹性工作或远程，互联网大厂加班文化普遍，WLB一般。
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
80较高
AI数字人属于高速增长赛道，工作具有较高创新性和社会影响力，但JD未明确使命导向。
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
百度 的其他在招职位
相似职位推荐
Watch Jobs