中国平安
数据高级分析师
数据高级分析师
发布于 大约 9 小时前普通员工/个人贡献者
深圳市
高级经验
全职员工
仅现场办公
本科
数据分析与科学
SQL
RAG
数据仓库
ETL
数据治理
大模型
ClickHouse
AI 估算 · 20k–35k
深圳高级数据岗位，平安大厂，技术栈全面，薪资具竞争力，面议但参照市场标准。
职位详情
关于这个职位
作为平安的高级数据分析师，你将负责核心数据管线的设计与优化，参与数据仓库和实时数仓的架构建设，并与业务团队合作，通过数据分析和建模驱动业务决策
职位要求掌握大数据生态技术栈和编程能力，同时也欢迎有大模型应用经验的候选人
这是一个在金融科技领域深入数据底座的绝佳机会
最低要求
工作经验：3年以上数据开发或数据分析相关工作经验，有主导或核心参与大型数据项目的经历
技术能力：
）熟悉大数据生态技术栈，掌握 Hadoop、Spark、Flink、Kafka、Hive、ClickHouse 等主流组件
）精通 SQL，熟练掌握 Python，具备大规模数据处理与性能优化能力
）熟悉数据建模方法与数据仓库设计，有实际的数据治理或数据湖项目经验
）熟悉 Linux 开发环境，熟练使用 Shell 脚本及常用自动化工具
）了解大模型基本原理，有 LangChain、RAG、Prompt Engineering 或 AI Agent 经验者优先
综合素质：
）具备较强的数据分析思维，能从数据中发现问题、驱动业务决策
）良好的沟通与跨团队协作能力，能有效推动项目落地
）自我驱动，具备复杂问题的拆解与解决能力
工作职责
负责核心数据管道（ETL/ELT）的设计、开发与优化，保障大规模数据生产的高效与稳定
参与数据仓库、数据湖、实时数仓的架构设计与建设，构建覆盖数据采集、存储、处理、分析、可视化全生命周期的数据底座
与业务/产品团队紧密协作，深入理解业务需求，通过数据分析和建模提供数据驱动的解决方案，支持BI看板、自助分析、AB实验等场景
制定并落地数据治理规范，包括数据质量监控、血缘追踪、元数据管理及安全合规，确保数据资产可信可用
持续优化数据处理链路，推动自动化、平台化、工程化实践，提升数据交付效率与质量
跟踪大数据与AI前沿技术（如大模型应用、RAG、AI Agent），探索新技术在业务场景的落地，推动数据平台智能化演进
优先资格
了解大模型基本原理，有 LangChain、RAG、Prompt Engineering 或 AI Agent 经验者优先
AI 洞察
优缺点分析
优点
- 平安作为金融科技巨头，数据规模和业务场景丰富，能积累顶级数据工程经验
- 职责涵盖从ETL到治理再到AI探索，技术栈前瞻，职业发展空间大
- 公司稳定，福利完善，薪资具备竞争力
- 技术迭代快，要求持续学习新工具和框架（如大模型相关）
- 作为高级岗位，需独立主导项目，对问题解决能力要求高
- 适合具备丰富数据开发经验、追求技术深度与广度、愿意在金融科技领域深耕的求职者
缺点 / 挑战
- 工作强度可能较高，需应对复杂数据处理任务和跨部门协作
角色解读
- 成为数据架构师或数据平台负责人，主导企业级数据体系建设
- 向AI与数据科学方向纵深，结合大模型技术推动智能化应用
- 横向发展至业务分析或产品管理，利用数据驱动商业决策
- 设计和优化ETL/ELT数据管道，确保大规模数据处理的效率和稳定性
- 参与数据仓库和数据湖的架构设计，构建端到端的数据处理流程
- 与业务团队协作，通过数据分析和建模驱动业务决策，支持BI和AB实验
- 制定数据治理规范，监控数据质量，推动自动化与平台化建设
- 精通大数据生态技术栈，如Hadoop、Spark、Flink、Kafka等
- 具备扎实的SQL和Python编程能力，能进行大规模数据处理和性能优化
- 熟悉数据仓库建模和治理，有实际的数据湖或治理项目经验
申请策略
- 了解平安的业务方向（如保险、银行、投资）和数据战略，在面试中展现业务理解
- 准备一个完整的数仓或数据管道项目案例，体现从设计到落地的全流程
- 突出主导或核心参与的大型数据项目，尤其是ETL、数据仓库、治理相关
- 详细列出大数据技术栈使用经验和性能优化案例
- 如果有大模型应用经验（如LangChain、RAG），务必重点体现
- 补充或加深对大模型原理及开发框架的理解，如LangChain、RAG
- 强化数据治理和自动化方面的项目经验
面试指南
- 用STAR法则（情境、任务、行动、结果）结构化回答项目经历
- 技术问题先阐述原理，再结合项目实例说明，最后总结最佳实践
- 请描述你主导的一个大规模数据管道优化项目，遇到的挑战和解决方案
- 如何设计数据仓库模型？请举例说明星型或雪花型建模的应用
- 如何处理数据质量问题？介绍你使用过的数据治理工具和方法
- 你对大模型在数据平台中的应用有什么看法？有没有实际使用经验？
- 当业务需求与数据架构冲突时，你如何平衡和推进？
- 复习Hadoop、Spark、Flink等组件的核心原理和调优技巧
职位点评
72
综合评分
稳定大厂、薪资面议但优厚、前沿技术栈，WLB一般。
更适合这类人
最适合追求技术成长和职业发展、愿意在金融科技领域深耕的求职者。
表现最好
成长发展
相对薄弱
工作生活
薪资福利85
成长发展92
工作生活40
使命价值70
薪资福利
85较高
平安作为上市巨头，薪资福利具有竞争力，且面议通常意味着可谈空间。
薪资信号面议 (20K-35K/月)
成长发展
92较高
职位涉及大数据、AI等前沿技术，且有明确的智能演进方向，成长空间大。
技术前沿前沿/新兴技术
技术栈Hadoop、Spark、Flink、Kafka、Hive、ClickHouse、Python、LangChain、RAG、大模型
成长机会探索新技术在业务场景的落地、推动数据平台智能化演进
业务类型profit_center
工作生活
40较低
仅现场办公，未提及弹性工作，且金融科技企业通常工作节奏较快。
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
70中等
金融科技行业稳定但社会影响力中性，数据驱动业务有较强内在价值。
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