MiniMax logo
稀宇科技
数仓实习生

数仓实习生

发布于 34 分钟前

实习/见习

AI 估算 · 6.0–9.0千 · AI 参考估算
无经验要求
本科
实习生仅现场办公数据工程
数据工程
Etl
Sql
数据仓库
维度建模

值不值得投

65综合评分

综合评分 65

数仓开发实习、技术栈实用、成长性较好,办公与生活安排未明确

从薪资福利、成长发展、工作生活和使命价值四个维度综合评估,方便比较实习机会。

薪资怎么样

8.0千

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

99 个在招

市场机会

选择面较广

上海 · 数据工程 · 约 120 个在招

职位详情

关于这个职位

这是一个面向在读本科及以上学生的数据仓库实习岗位,主要参与业务数仓建设、数据接入清洗、ETL任务开发和分层建模

你将在数据产品、分析师和业务团队协作中,支持指标口径梳理、数据质量校验与SQL性能优化,适合想积累真实数仓与大数据开发经验的同学

最低要求

本科及以上在读,计算机、软件工程、统计学、数学、信息管理等相关专业

具备扎实的 SQL 基础,有一定的 SQL 性能调优意识
理解数仓分层、维度建模、事实表与维度表、指标口径等基本概念
掌握 Python、Java、Scala 中至少一门编程语言,能够独立完成基础的数据处理或工具开发
了解 Hive、Spark、Flink 等常见大数据组件
对 AI 技术和应用探索有持续热情,愿意主动尝试新工具,能主动发现重复性工作和开发流程中的改进机会,使用 AI 辅助开发时,能够理解、检查并验证产出
有责任心,关注数据准确性和交付质量,能够清晰沟通问题、进展和结论

工作职责

参与业务数据仓库建设,完成数据接入、清洗转换、分层建模及 ETL 任务开发,为业务分析和数据应用提供支持

理解业务流程与数据需求,参与指标口径梳理、明细表及汇总表设计,沉淀可复用的数据模型
参与数据质量校验、任务异常排查及 SQL 性能优化,提升数据的准确性、时效性和任务稳定性
与数据产品、分析师、及业务团队协作,理解需求并按时交付

优先资格

有较完整的数仓或数据开发项目,参与过数仓建模的过程

有使用过 AI 工具提效开发的经验
有主动解决实际问题的经历

AI 洞察

优缺点分析

优点

  • 岗位覆盖数仓建设、ETL、建模、数据质量和性能优化,实习内容比较完整,利于建立数据工程全链路认知
  • JD明确提到AI工具提效和主动改进流程,适合愿意探索新工具、提升开发效率的候选人
  • 能与数据产品、分析师和业务团队协作,有助于理解真实业务场景,而不只是完成孤立技术任务
  • 上海、北京两地可选,便于不同城市的学生寻找实习机会
  • 需要同时具备SQL、编程语言和大数据组件基础,对零基础实习生有一定上手门槛
  • 数据质量、异常排查和指标口径梳理需要细致耐心,容易出现反复沟通和返工
  • 实习岗位通常需要在真实交付中快速学习,要求较强的责任心和主动反馈意识
  • 适合计算机、统计、数学、信息管理等相关专业在读学生,尤其是有SQL基础、做过数据项目并希望积累真实数仓开发经验的人

缺点 / 挑战

暂无明显挑战项

角色解读

  • 从实习期的数据接入、ETL开发和质量校验做起,逐步承担独立模块和更复杂的数据建模任务
  • 后续可向数据开发工程师、数据仓库工程师、数据平台工程师或数据治理方向深入发展
  • 若对业务理解和指标体系建设持续加深,也可转向数据分析、数据产品或商业分析相关岗位
  • 参与业务数据仓库建设,负责数据接入、清洗转换、ETL任务开发和分层建模,让业务数据能够被稳定使用
  • 根据业务需求梳理指标口径,参与明细表和汇总表设计,帮助沉淀可复用的数据模型
  • 做数据质量校验、任务异常排查和SQL性能优化,保障数据准确、及时和任务稳定
  • 与数据产品、分析师和业务团队沟通需求,并按节点交付数据支持
  • 需要扎实SQL能力,包括查询、聚合、多表关联、窗口函数以及基础性能调优意识
  • 需要理解数仓分层、维度建模、事实表、维度表和指标口径等数据工程基础概念
  • 至少掌握Python、Java、Scala中的一门语言,能完成基础数据处理或工具开发
  • 需要了解Hive、Spark、Flink等大数据组件,并具备数据准确性意识、沟通能力和主动解决问题的能力

申请策略

  • 投递时建议明确可实习城市、每周到岗天数和实习周期,减少沟通成本
  • 可提前了解稀宇科技的产品和业务方向,面试中说明自己如何把数据工作与业务分析、数据应用结合起来
  • 突出SQL项目经历,写明使用过的表结构设计、指标口径梳理、复杂查询和性能优化方法
  • 展示数仓或数据开发项目,包括数据接入、清洗转换、ETL调度、维度建模、事实表和维度表设计等内容
  • 写明掌握的编程语言和大数据组件,如Python、Java、Scala、Hive、Spark、Flink,并说明具体做过什么
  • 强调使用AI工具辅助开发的经历,以及如何检查、验证产出并提升效率
  • 面试前可复习数仓分层、维度建模、事实表与维度表、指标口径、缓慢变化维等基础概念
  • 准备一个可讲清楚的数据项目,重点说明数据链路、表设计、SQL优化点和遇到的问题

面试指南

  • 项目类问题用“背景-目标-数据链路-我的职责-结果-复盘”的结构回答,重点讲清楚自己实际动手的部分
  • 技术概念类问题先给定义,再结合具体业务例子说明,最后补充常见坑或适用条件
  • 排查优化类问题按“定位问题-分析原因-验证方案-结果评估”展开,体现严谨的数据质量意识
  • 请介绍一个你参与过的数据仓库或数据开发项目,你在其中负责哪些模块?
  • 数仓为什么要分层?常见ODS、DWD、DWS、ADS各层的作用是什么?
  • 事实表和维度表有什么区别?请举例说明如何设计一个业务场景的维度模型
  • 一条SQL查询很慢,你会从哪些方面排查和优化?
  • 你如何使用AI工具辅助开发?怎样检查和验证AI产出的正确性?

职位点评

薪资福利58
成长发展82
工作生活45
使命价值62

薪资福利

58较低

JD未披露薪资和福利信息,因此只能按实习岗位常见津贴逻辑估算,明确激励信息不足。对薪资和福利稳定性有强诉求的候选人,需要在面试中进一步确认。

薪资信号未披露(AI估算:6.0–9.0千/月)

成长发展

82较高

岗位覆盖数据接入、ETL、分层建模、指标口径、数据质量和SQL优化,能帮助实习生建立较完整的数据工程能力框架。JD还明确提到AI工具探索和主动改进流程,对技能成长较友好。

技术前沿主流现代技术
技术栈SQL、Python、Java、Scala、Hive、Spark、Flink、ETL、数据仓库、维度建模、AI工具
业务类型ambiguous

工作生活

45较低

JD未明确办公模式、弹性工时、远程天数或加班情况,只说明地点为上海、北京。生活化动机方面信息不足,需要在投递或面试时确认具体办公安排。

工作模式未明确
办公地点未明确
加班情况未提及(无法判断)

使命价值

62中等

岗位通过建设数据仓库、提升数据准确性和时效性,为业务分析和数据应用提供支持,具有一定业务支撑价值。但JD未明确社会使命、行业价值或创新愿景相关内容。

行业发展新兴领域(暂难判断)
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs