DiDi logo
滴滴出行
高级数据研发工程师

高级数据研发工程师

发布于 1 小时前

普通员工/个人贡献者

AI 估算 · 2.5–4.5万 · AI 参考估算
中级经验
本科
全职员工仅现场办公数据工程
数据工程
Starrocks
数据建模
数据治理
数据湖
湖仓一体
财务数据分析

值不值得投

73综合评分

综合评分 73

财务数据场景复合度高,技术栈主流且具成长性,办公与生活平衡信息不明确

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,方便横向比较。

薪资怎么样

3.5万

与数据工程中位数基本持平

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 2420 个在招 · 其中数据工程 36 个

市场机会

选择面较广

北京 · 数据工程 · 约 200 个在招

职位详情

关于这个职位

该职位面向滴滴财务相关数据建设场景,负责各业务线财务数据体系、财报与管报结账支持、财务数据分析及业务目标监控

岗位需要结合大数据研发、数据治理和数据分析能力,支撑审计、税务、商家结算及业务数据稳定性等关键工作

最低要求

深入理解常用的数据建模理论

熟悉Hadoop生态,熟悉hive,Spark、StarRocks等大数据引擎,有Spark任务调优经验
有数据治理相关的工作经验
具备较强的编程能力和编程经验,逻辑严密,细致有耐心
具备一定的数据分析能力,具备数据敏感性和探知欲,专注数据的价值发现和转化
具备快速学习能力、沟通协调能力及团队精神,有较强的责任心和学习积极性
本科以及以上学历、计算机,数学,财经相关专业、3-5年互联网工作经验、有财务相关知识优先

工作职责

参与滴滴各业务线财务相关的数据建设工作

参与支持各业务线财报,管报的结账工作
参与支持业务线FO做财务数据分析与业务目标监控
参与支持业务数据稳定性工作
参与支持集团审计,税务等工作
参与与三方商家的结算工作

优先资格

对新技术如数据湖、湖仓一体、流批一体等技术有一定了解优先

有财务相关知识优先
有AI分析及Coding经验优先

AI 洞察

优缺点分析

优点

  • 财务数据场景专业度高,能够积累财报、管报、结算、审计等复合型业务知识
  • 技术栈覆盖Hadoop、Spark、StarRocks、数据治理和数据分析,能力迁移性较强
  • 岗位连接数据研发与业务经营分析,既有技术深度,也有业务价值体现
  • JD提到数据湖、湖仓一体、流批一体和AI分析等方向,对关注新技术应用的求职者有吸引力
  • 适合有大数据研发经验、希望深入财务数据或经营分析场景的工程师,尤其适合逻辑严密、细致耐心且愿意理解业务口径的人

缺点 / 挑战

  • 财务相关数据对准确性、口径一致性和稳定性要求高,工作细致度和责任心压力较大
  • 需要同时理解大数据技术、财务流程和业务经营逻辑,跨领域学习成本较高
  • 结账、审计、税务等场景可能存在明确时间节点,对任务交付和协同效率要求较高

角色解读

  • 纵向可成长为财务数据领域专家,深入财报、管报、结算、税务等复杂财务数据场景
  • 可向大数据平台、数据治理、数据架构方向拓展,负责更大规模的数据体系和引擎优化
  • 也可转向业务数据负责人或数据产品化方向,将财务分析能力沉淀为工具和产品能力
  • 负责财务相关数据仓库和数据模型建设,把各业务线的财务、结算、审计、税务等数据沉淀为可复用、可分析的数据资产
  • 支持财报和管报结账流程,保障财务口径、数据链路和报表输出的准确性与稳定性
  • 面向业务线FO开展财务数据分析和业务目标监控,帮助业务识别经营异常、成本变化和指标波动
  • 参与三方商家结算、集团审计、税务等专项数据支持,确保数据可追溯、可核验、可解释
  • 需要掌握数据建模理论,能够围绕财务主题设计清晰、稳定、可扩展的数据模型
  • 需要熟悉Hadoop生态及Hive、Spark、StarRocks等引擎,并具备Spark任务调优能力
  • 需要具备数据治理经验,理解数据质量、口径管理、稳定性保障和数据血缘等实践
  • 需要兼具编程、数据分析和财务理解能力,能从数据异常中定位问题并转化为业务洞察

申请策略

  • 面试前了解滴滴业务线构成和平台型业务的财务数据特点,准备如何保障复杂业务下的数据口径一致性
  • 申请时建议强调自己不仅能完成数据开发,也能理解数据质量、业务监控和价值转化
  • 突出参与过的数据仓库、主题域建模、财务或结算类数据项目建设经历,说明数据规模和业务影响
  • 重点展示Hive、Spark、StarRocks、Hadoop生态相关项目经验,尤其是Spark任务调优和性能提升结果
  • 强调数据治理实践,如数据质量监控、口径统一、血缘管理、稳定性保障或问题排查机制
  • 如果有财务、审计、税务、结算、经营分析或AI辅助分析经验,应单独列出并说明业务价值
  • 补强Spark性能调优、StarRocks查询优化和大数据链路排障能力,准备具体优化案例
  • 学习财务基础概念,如财报、管报、结账、成本、税务和商家结算,提升与财务和业务方沟通效率

面试指南

  • 技术题采用“问题现象—定位方法—优化方案—效果验证”的结构回答,尽量给出可量化结果
  • 业务协同题采用“明确口径—拆解责任—建立校验—沉淀机制”的思路,体现沟通与治理能力
  • 项目介绍题按照“背景目标—数据链路—模型设计—难点解决—业务价值”展开,突出财务数据准确性和稳定性意识
  • 请介绍一个你主导或深度参与的数据仓库/数据模型建设项目,如何设计主题域和表分层?
  • 遇到Spark任务运行慢或数据倾斜时,你通常如何定位和优化?
  • 财务数据口径不一致时,你会如何协调业务方、财务方和数据团队达成一致?
  • 如何保障财报、管报或结算相关数据的稳定性和准确性?
  • 你如何理解数据湖、湖仓一体、流批一体在财务数据场景中的应用价值?

职位点评

薪资福利78
成长发展82
工作生活55
使命价值68

薪资福利

78中等

JD未披露薪资与福利信息,无法直接判断薪酬竞争力;但岗位要求3-5年经验及多项大数据与财务复合能力,通常对中高级数据人才具备一定吸引力。

薪资信号未披露(AI估算:2.5千–4.5万/月)

成长发展

82较高

岗位涉及Hadoop、Spark、StarRocks、数据治理、数据湖、湖仓一体、流批一体和AI分析等方向,技术成长空间较明确。财务数据、审计、税务和结算场景也能带来较强的复合型业务能力积累。

技术前沿主流现代技术
技术栈Hadoop、Hive、Spark、StarRocks、数据湖、湖仓一体、流批一体、AI分析、Coding
业务类型ambiguous

工作生活

55较低

JD未明确说明办公模式、弹性工时或加班情况,无法判断工作生活平衡水平。地点仅写明北京市,通勤便利度取决于具体办公区,需进一步确认。

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

68中等

岗位通过财务数据建设支持财报、管报、审计、税务和商家结算,对业务经营透明度和数据可信度有实际价值。但JD未直接表达社会使命或行业价值导向,意义感更多来自业务准确性和数据治理贡献。

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