滴滴出行
资深数据研发工程师
资深数据研发工程师
发布于 5 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
Clickhouse
Etl
Sql
Starrocks
大模型
数仓建模
数据治理
值不值得投
78综合评分
综合评分 78
头部出行平台核心数据岗，技术栈前沿且AI赋能特色显著，成长空间大，但工作强度可能较高。
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，方便横向比较。
薪资怎么样
4万
比数据工程中位数高
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 2170 个在招 · 其中数据工程 30 个
市场机会
选择面较广
北京 · 数据工程 · 约 150 个在招
职位详情
关于这个职位
该职位负责核心业务的数据体系建设与数仓架构设计，涵盖数据开发、性能优化及数据治理
同时，需要推动大模型在数据研发与业务分析场景中的落地，提升数据交付效率与智能化分析能力
最低要求
教育与经验：本科及以上学历，计算机、软件工程、数据科学、统计学等相关专业，3 年以上数据开发或数据仓库建设经验，具备独立负责复杂业务领域或核心数据项目的经历
数据开发能力：熟练掌握 SQL，具备复杂查询编写、执行计划分析和性能调优能力
熟练使用 Python、Java、Scala 中至少一门编程语言，能够独立完成数据处理、任务开发
熟悉 ETL/ELT 流程与任务调度机制
建模与架构能力：熟悉数仓分层、维度建模、指标体系及数据服务设计，能够抽象共性业务需求，明确模型粒度、数据口径和主题域边界，合理平衡模型复用、交付效率与维护成本
熟悉主流数据计算框架，并具备 StarRocks、ClickHouse 等至少一种 OLAP 引擎的实际使用经验
数据治理能力：具备数据质量、元数据、血缘分析或成本治理的实践经验，能够定位复杂数据链路问题，通过监控告警、测试校验、变更管理及故障复盘持续提升系统可靠性，理解数据权限与敏感信息保护要求
AI 辅助研发能力：具备使用大模型或 AI 编程工具开展数据开发的实践经验，能够结合表结构、业务口径与代码规范组织有效上下文，完成 SQL 开发、代码优化、测试或排障，并独立验证 AI 产出的正确性、性能与安全性
AI 数据分析能力：具备业务分析与指标分析基础，能够将业务问题拆解为明确的指标、维度、分析范围和验证路径
具备使用 AI 工具开展数据查询、探索分析、可视化或报告生成的实践
工作职责
数据架构与数仓建设：负责复杂业务领域的数据体系建设，深入理解业务流程与核心指标，完成业务模型抽象、数仓分层及数据架构设计，推进公共模型与统一指标体系建设，在稳定性、可扩展性、研发效率和成本之间取得平衡，支撑业务分析与决策
数据开发与性能优化：负责核心数据链路的设计、开发与迭代，持续优化 ETL/ELT 流程、任务调度及查询性能，解决复杂链路中的性能瓶颈与稳定性问题，保障数据交付的准确性、及时性和可靠性
数据治理与质量保障：基于元数据、数据血缘和资产使用情况，制定并推动数据治理方案落地，持续优化数据质量、计算与存储成本、数据安全及研发规范，建立覆盖研发与运行全流程的质量保障机制
AI 辅助数据开发：推动大模型在需求理解、模型设计、SQL 生成与优化、测试校验、故障排查和数据治理等场景中的应用，提升数据研发效率与交付质量
AI 数据分析与业务应用：面向业务探索和建设智能问数、指标解读、异常分析、归因辅助及分析报告生成等能力
完善业务知识、指标语义和元数据体系，支持 AI 准确理解业务、查询数据并形成可追溯的分析结果，推动分析结论转化为可验证的业务建议
AI 洞察
优缺点分析
优点
- 接触海量出行数据与复杂业务场景，技术栈前沿（结合大模型与OLAP），平台大
- 能积累深厚的数据架构与治理经验，业务赋能价值高
- 业务复杂度高，对数据质量、稳定性和性能要求极严
- 具备扎实数仓基础，对数据治理和AI赋能数据开发有浓厚兴趣，且能在高并发、大数据量场景下解决复杂问题的资深数据工程师
缺点 / 挑战
- 需要不断学习AI大模型在数据领域的最新应用，技术迭代压力大
角色解读
- 可向数据架构师、数据技术专家或数据团队管理方向发展
- 在AI+数据领域积累深厚经验后，可成为企业数字化转型的核心技术骨干
- 负责核心业务的数据体系建设与数仓架构设计，涵盖数据开发、性能优化及数据治理
- 推动大模型在数据研发与业务分析场景中的落地，提升数据交付效率与智能化分析能力
- 精通SQL及至少一门编程语言（Python/Java/Scala），熟练掌握数仓建模与OLAP引擎（StarRocks/ClickHouse）
- 具备数据治理经验，并能将大模型应用于数据开发与业务分析，具备业务指标拆解能力
申请策略
- 了解出行业务的核心指标与数据流转逻辑，准备1-2个利用AI工具解决实际数据开发痛点的深度案例
- 突出复杂业务数仓架构设计经验、性能调优成果及数据治理落地案例
- 重点展示使用大模型或AI工具提升数据研发效率的具体实践与收益
- 深入学习StarRocks/ClickHouse等OLAP引擎的底层原理与调优
- 了解大模型在Text-to-SQL、数据分析Agent等场景的最新技术进展
面试指南
- 采用STAR法则，重点突出业务背景、技术选型思考、具体实施步骤及量化收益（如性能提升百分比、成本降低幅度）
- 对于AI应用问题，强调Prompt设计、上下文构建及结果校验机制，展现严谨的工程化思维
- 请分享一个你主导的复杂数仓架构设计或重构案例，如何解决模型复用与交付效率的平衡？
- 在数据治理中，你是如何定位复杂数据链路问题并建立质量保障机制的？
- 请描述你使用大模型辅助SQL生成或数据开发的实际经验，如何验证AI产出的正确性与性能？
- 针对核心数据链路的性能瓶颈，你通常采用哪些排查和优化手段？
- 复习数仓分层理论、维度建模方法及常见OLAP引擎特性
- 准备关于数据血缘、元数据管理及数据质量监控的系统性思考
职位点评
薪资福利85
成长发展90
工作生活50
使命价值75
薪资福利
85较高
该岗位薪资具备市场竞争力，且资深岗位薪资上限较高，能较好满足补偿性动机。
薪资信号未披露（AI估算：3千–5万/月）
成长发展
90较高
岗位涉及大模型与数据开发的结合，技术栈前沿，且处于核心数据部门，技能成长与业务视野拓展空间极大。
技术前沿前沿/新兴技术
技术栈SQL、Python、Java、Scala、ETL、StarRocks、ClickHouse、大模型、数据治理
业务类型ambiguous
工作生活
50较低
该岗位涉及核心数据链路保障与复杂业务支持，工作强度可能较大，且未明确提及弹性办公等WLB福利。
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
出行数据对城市交通与公众生活有直接社会价值，且推动AI赋能数据分析具有行业前瞻性。
行业发展稳定成熟行业
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