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 大约 15 小时前普通员工/个人贡献者
北京市
高级经验
全职员工
仅现场办公
本科
软件工程
Clickhouse
Etl
Olap
Sql
Starrocks
数据仓库
数据建模
数据治理
AI 估算 · 25k–40k
资深数据工程师，北京互联网大厂，技能需求较高，薪资处于行业中上水平。
职位详情
关于这个职位
该职位负责滴滴网约车业务的数据体系建设，包括数据仓库建模、ETL开发、数据治理和AI赋能数据资产
你将参与构建大规模分布式数据处理系统，并探索数据+AI的创新应用
适合具备深厚数据工程经验、熟悉OLAP引擎并希望深入业务场景的资深开发者
最低要求
本科及以上学历，计算机科学、数据科学、统计学或相关专业背景，3年以上相关工作经验;
具备较强的编程能力和编程经验，至少熟悉Java/Python一门编程语言;
熟练掌握SQL语言，熟悉ETL工具和流程，能够独立设计和开发复杂ETL的生产链路;
熟悉数据仓库和数据模型设计，具备资深的数据架构和数据建模经验，能够抽象业务模型特点;
对常见的OLAP引擎至少有1种有一定的了解，包括但不限于StarRocks，ClickHouse等;
具备良好的问题解决能力和沟通能力，能够与不同部门和团队合作;
具备自我学习和持续学习的能力，能够跟进并应用新的数据技术和工具;
工作职责
负责网约车复杂业务方向的数据建设，深入了解业务特点，结合数仓建模理论进行模型抽象和数据架构设计
深入数据治理，持续保持数据架构的合理性，在稳定性、可扩展性、成本、及时性之间取得平衡;
积极拥抱AI搭建agent+skill人机协同工作流，提升研发与交付效率
对现有的数据资产管理能力做升级，提供AI-Frist的数据资产交付能力
探索更多数据能力为用户带来的的增量价值，通过数据+AI赋能业务，提供全链路、可分析、可复用的数据能力
AI 洞察
优缺点分析
优点
- 滴滴网约车业务场景复杂、数据量大，能积累高价值的大规模数据处理经验
- 公司已上市，平台稳定，技术栈现代（StarRocks、ClickHouse、AI等），紧跟行业趋势
- 职位强调AI赋能和数据资产升级，有创新空间，对个人技术成长有利
- 北京总部，团队专业，能与优秀同事协作，职业发展通道清晰
- 网约车业务实时性要求高，数据治理和架构平衡难度大，对技术深度和广度要求高
- 适合3年以上数据开发经验、深耕数据仓库和ETL、对AI技术感兴趣并希望在大规模业务场景中持续成长的技术型人才
缺点 / 挑战
- 需要同时处理稳定性、扩展性、成本和及时性等多目标，工作压力可能较大
- 涉及跨部门协作，沟通成本较高，需要较强的问题解决能力
角色解读
- 技术纵深：深耕数据工程领域，成为数据架构师或大数据技术专家
- 业务融合：向数据分析或数据产品方向延伸，成为懂业务的数据Leader
- AI+数据：结合AI能力，转型为AI应用工程师或数据科学方向
- 负责网约车业务的数据仓库建模和架构设计，将复杂的业务逻辑抽象为高效的数据模型
- 设计和维护ETL生产链路，保障数据稳定性、可扩展性和及时性，同时进行数据治理
- 引入AI技术构建agent+skill工作流，提升数据研发和交付效率，并探索数据资产AI化
- 与业务团队合作，通过数据+AI赋能，提供可分析、可复用的数据能力以驱动业务增长
- 扎实的编程能力，精通Java或Python，能独立开发数据处理程序
- 精通SQL和ETL开发，熟悉数据仓库建模方法论，具备大规模数据架构经验
- 至少熟悉一种OLAP引擎如StarRocks或ClickHouse，了解其原理和优化
- 具备数据治理和AI应用意识，能主动引入新技术提升效率
申请策略
- 在简历和面试中强调你对业务和数据价值结合的理解，体现数据驱动业务增长的思路
- 了解滴滴网约车业务的核心数据指标（如订单量、司乘匹配效率），展示业务敏感度
- 突出数据仓库建模案例：描述你曾主导的复杂业务模型抽象和架构设计，量化产出（如查询性能提升、存储成本降低）
- 强调ETL和SQL能力：列出独立设计的ETL链路，包括技术选型和优化经验
- 展示OLAP引擎使用经验：具体说明使用StarRocks或ClickHouse的场景、调优手段和效果
- 如有AI相关经验（如LLM、智能Agent），务必重点呈现，匹配JD中的AI需求
- 补充或巩固StarRocks/ClickHouse的深度原理和最佳实践，关注最新版本特性
- 学习AI Agent相关知识（如LangChain、大模型应用），尝试搭建简单的数据Agent原型
面试指南
- 对于建模项目，采用STAR法则（Situation-Task-Action-Result），先讲业务场景和目标，再讲建模方法和技术选型，最后量化成果
- 对于技术对比题，从架构、查询类型、数据更新、集群运维等维度对比，结合具体业务场景说明选择依据
- 对于开放性问题（如AI方案），先描述问题现状，再提出AI切入点和具体工具，最后评估预期收益和风险
- 请描述一个你主导的数据仓库建模项目，包括业务背景、模型设计思路和最终效果
- 如何处理数据倾斜问题？给出具体场景和解决方案
- StarRocks和ClickHouse的优缺点对比，在什么场景下选择哪个？
- 你是如何做数据治理的？如何在稳定性、成本和及时性之间做平衡？
- 如果让你用AI技术提升数据交付效率，你会怎么做？请给出一个方案
职位点评
71
综合评分
大厂资深数据岗，技术前沿，薪资优厚，但工作地点固定且可能加班。
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
最适合追求技术成长、愿意在AI+数据领域深耕，且不排斥较高工作强度的求职者。
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50
使命价值65
薪资福利
75中等
薪资水平在行业内具有竞争力，滴滴作为上市大厂福利体系完善，但JD中未明确薪资和具体福利，总体补偿性中等偏上。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
职位涉及前沿AI技术（agent+skill）、数据资产AI化，技术栈现代，成长空间大，JD明确要求自我学习和跟进新技术，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈AI、Agent、StarRocks、ClickHouse、数据治理、数据建模
成长机会自我学习和持续学习的能力，能够跟进并应用新的数据技术和工具
业务类型profit_center
工作生活
50较低
北京现场办公，未提及弹性或远程，互联网大厂工作强度通常较高，JD无WLB信号，生活化动机满足一般。
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
65中等
网约车属于出行行业，具有一定社会价值，但JD未强调使命愿景，行业成熟稳定，创新体现在技术层面而非社会影响。
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
滴滴出行 的其他在招职位
相似职位推荐
Watch Jobs