滴滴出行
数据研发专家
数据研发专家
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
Ai应用
指标体系
数据仓库
数据治理
架构设计
计算引擎
数据Bp
值不值得投
78综合评分
综合评分 78
头部出行平台核心业务数据专家岗，技术方向前沿（AI+数据），业务价值高，发展天花板高，但工作强度可能较大。
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
5.5万
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
该职位主要负责滴滴网约车核心业务的数据仓库与指标体系建设，通过搭建高复用的业务底表支撑经营分析与算法生产
同时需要结合AI能力推动数据资产向可交互、可被AI消费的方向演进，并与多团队协同保障数据交付质量
最低要求
本科及以上学历，计算机、人工智能及相关专业，具备良好的专业功底，编码能力和架构设计能力
丰富的数据BP经验，熟悉搜推、供需交易匹配类业务类型，对算法数据建设和治理有深入的理解和实践经验，熟悉底层计算引擎原理和架构
在AI升级转型上有独到的思考和落地攻坚能力，善于结合业务场景挖掘机会点
具备较强的业务理解与抽象能力，良好的跨大型团队沟通协作能力，强烈的进取心，能独立承接复杂方向、独立判断，而非被动交付
工作职责
负责网约车核心业务数仓与指标体系建设，搭建高复用、口径统一的业务底表与主题域，支撑业务经营分析、策略实验与算法生产
善用AI能力，提升研发与取数效率，主导构建面向Agent的数据供给能力、落地基于业务场景的Agent能力，推动数据资产从“看板”向“可交互、可自助、可被AI消费”演进
深入理解业务，把业务诉求转化为清晰的数据建设方案，保障从需求到口径、开发、验收的端到端交付质量与效率
与业务、商分、算法、工程高效协同，沉淀领域方法论与最佳实践，带动团队能力提升
AI 洞察
优缺点分析
优点
- 核心业务场景：依托网约车核心业务，数据量大且场景复杂，能积累极具价值的业务数据经验
- 技术前沿性：明确要求结合AI和Agent能力推动数据资产演进，处于数据工程与AI结合的前沿探索期
- 平台影响力：在头部出行平台，数据建设成果能直接支撑公司核心战略与算法生产，业务价值高
- 业务复杂度高：网约车供需匹配业务逻辑复杂，对业务理解和数据抽象能力要求极高
- 适合具备丰富数据BP经验、对业务有深刻理解，且对AI赋能数据工程有浓厚兴趣和落地经验的高级数据研发人才
缺点 / 挑战
- 跨团队协同难度大：需要与业务、商分、算法、工程等多个大型团队高效协同，沟通与推动成本较高
- 技术转型压力：要求将传统数据看板向AI可消费的数据资产转型，需要较强的创新攻坚能力
角色解读
- 可向数据架构师、数据技术专家方向深耕，成为数据领域的技术领军人物
- 也可向数据团队负责人、数据BP总监等管理方向发展，统筹更大范围的数据战略与业务赋能
- 负责网约车核心业务的数据仓库与指标体系建设，搭建高复用的业务底表以支撑经营分析与算法生产
- 结合AI能力推动数据资产向可交互、可被AI消费的方向演进，主导构建面向Agent的数据供给能力
- 深入理解业务诉求，转化为数据建设方案，保障端到端交付质量，并与多团队协同沉淀方法论
- 具备扎实的数据仓库建模、指标体系搭建及数据治理能力，熟悉搜推及供需交易匹配类业务
- 拥有较强的架构设计能力，熟悉底层计算引擎原理，并具备将AI/Agent能力应用于数据研发场景的落地经验
- 需要出色的业务抽象能力与跨大型团队沟通协作能力，能独立承接复杂方向
申请策略
- 提前了解滴滴网约车业务的供需匹配逻辑和核心数据指标，准备1-2个解决复杂业务数据痛点的深度案例
- 突出在复杂业务（如搜推、交易匹配）中的数据BP经验和指标体系建设成果，强调端到端交付质量
- 重点展示利用AI/Agent能力提升数据研发效率或推动数据资产演进的实际落地案例
- 体现跨大型团队协同、沉淀方法论及带动团队能力提升的领导力或技术影响力
- 深入了解大模型及Agent在数据领域的应用（如Text2SQL、自动化数据治理、智能数据问答等），补充相关技术栈
- 复习底层计算引擎（如Spark, Flink等）的底层原理与架构调优经验
面试指南
- STAR法则：针对业务痛点（Situation/Task），采取的数据架构或AI落地方案（Action），最终带来的业务价值或效率提升（Result）
- 技术深度+业务价值：在回答技术问题时，始终将技术实现与业务收益（如支撑策略实验、提升算法效果）结合起来
- 请分享一个你主导的复杂业务指标体系或数仓建设案例，你是如何保证口径统一和高复用性的？
- 在推动数据资产向AI可消费演进的过程中，你有哪些具体的落地经验或思考？
- 面对业务、算法、工程等多方需求冲突时，你如何保障数据交付的质量与效率？
- 请谈谈你对底层计算引擎原理的理解，以及在数据建设中如何进行架构设计和性能调优？
- 深入体验滴滴出行App，理解其核心业务流程（如派单逻辑、供需调度），思考背后的数据支撑逻辑
- 准备关于AI Agent在数据研发中应用的行业前沿案例和个人思考
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
作为头部出行平台的数据研发专家岗，薪资水平在市场中具有较强竞争力，且已上市企业薪酬体系相对完善。
薪资信号未披露（AI估算：4千–7万/月）
成长发展
90较高
岗位涉及AI与Agent在数据领域的落地，技术方向前沿，且要求沉淀方法论和带动团队，个人技术深度与业务广度均有极大提升空间。
技术前沿前沿/新兴技术
技术栈AI、Agent、数仓、指标体系、计算引擎、数据BP
成长机会沉淀领域方法论与最佳实践、带动团队能力提升
业务类型profit_center
工作生活
50较低
JD未提及工作模式与WLB相关信息，但作为核心业务的数据专家岗，且要求独立承接复杂方向，工作强度可能较大。
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
出行行业属于成熟且与大众生活息息相关的领域，数据建设能直接优化乘客与司机的体验，具有一定的社会价值。
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
Watch Jobs