博世
高级智驾大数据工程师_XC
高级智驾大数据工程师_XC
发布于 大约 3 小时前普通员工/个人贡献者
苏州市
高级经验
全职员工
仅现场办公
学历未注明
软件工程
大数据平台
数据湖
自动驾驶
AI 估算 · 25k–45k
高级智驾大数据工程师，博世苏州，大数据技术栈要求高，市场稀缺，薪资处于行业高端水平。
职位详情
关于这个职位
作为高级智驾大数据工程师，您将负责博世智能驾驶大数据平台的架构设计与开发，支撑PB级数据存储与计算
您需要构建高可靠的数据处理流水线，支持自动驾驶算法训练和验证，并设计数据湖分层模型
该职位要求深厚的智驾行业背景和大数据技术栈经验，适合希望在自动驾驶领域深耕的大数据专家
最低要求
必须具有智驾（智能辅助驾驶）行业相关工作经验
熟悉智能辅助驾驶数据特点，包括感知、预测、规划、控制等模块数据
理解智驾领域动静态元素，轨迹，特征等含义，有能力抽象为数据模型
精通大数据相关生态系统（Hadoop, HDFS, YARN, Ray, Iceberg等）
精通大数据计算框架：Spark、Flink等离线和实时计算框架
熟练掌握消息中间件：Kafka、RocketMQ，Pulsar等
熟练编程语言：Scala、Python
熟悉数据湖技术（Iceberg/Hudi/Delta Lake至少一种）
熟悉常见OLAP数据库，如Doris, Clickhouse, Greeplum等
以上技术栈都需要有实际生产应用经验
有单表TB级别以上数据进行聚合计算的实战经验
具备PB级别数据管理和治理经验
有从0到1构建数据标签（tag）计算框架的经验
有智驾数据湖各层（ODS/DWD/DWS/ADS）表设计经验
工作职责
负责智驾大数据平台架构设计、开发和优化，支撑PB级数据存储与计算
构建高可靠、高性能的数据处理流水线，支持自动驾驶算法训练和验证
设计并实现智驾数据湖分层模型，将各种来源的数据抽象为标准化数据表
负责单表TB级别以上的大规模数据分布式计算和特征工程
开发和维护离线计算（Spark）和实时计算（Flink）任务
优化数据处理性能，降低计算成本，提升数据处理效率
设计并搭建智驾领域特有的标签（tag）计算框架体系
建立数据质量监控和治理体系，确保数据准确性和一致性
实现数据血缘追踪、元数据管理和数据版本控制
优先资格
熟悉自动驾驶数据格式：Rosbag、Mcap, HDF5等
了解并处理过各种2D/3D标注、场景标注、事件标注数据
有云原生大数据平台（K8s + 大数据组件）经验
有高精地图数据、传感器数据（激光雷达、摄像头、毫米波雷达）处理经验
熟练使用 Copilot 或其他 AI 开发工具
具备很强的工程质量意识，擅长 Code Review，有良好的单元测试和交付习惯
对复杂系统开发中的边界条件、稳定性风险和可维护性问题有较强判断力
AI 洞察
优缺点分析
优点
- 博世作为全球领先的汽车技术供应商，智驾业务投入大，平台稳定，项目资源充足
- 接触PB级智驾数据，处理高难度技术问题，技能积累深厚，行业认可度高
- 技术栈覆盖大数据全生态，有机会深入数据湖、实时计算等前沿领域
- 苏州地理位置优越，生活成本相对上海较低，工作生活平衡较好
- 智驾数据种类繁多，需要快速学习感知、规划等模块数据含义，业务理解门槛高
- 大数据平台规模大，要求极强的工程能力，包括性能优化、稳定性保障等
- 适合有丰富大数据经验、对自动驾驶技术充满热情、渴望在数据架构和工程方向深耕的技术专家
缺点 / 挑战
- 需要与算法、工程等多团队协作，沟通协调成本较高
角色解读
- 成为自动驾驶大数据领域的架构师，主导数据平台设计与技术选型
- 向技术管理方向发展，带领团队构建新一代数据基础设施
- 横向拓展到AI平台、数据科学等方向，结合智驾业务提升数据价值
- 设计和优化PB级智驾数据湖架构，确保高可靠、高性能的数据存储与计算
- 开发离线（Spark）和实时（Flink）数据处理流水线，为自动驾驶算法训练提供数据支持
- 建立数据质量监控、血缘追踪和元数据管理体系，保障数据准确性和一致性
- 设计智驾领域专用的标签计算框架，抽象数据模型以支持感知、预测等模块需求
- 精通大数据生态（Hadoop、Spark、Flink、Kafka等）并有实际生产经验
- 熟练使用Scala和Python进行大规模数据处理和开发
- 熟悉数据湖技术（Iceberg/Hudi/Delta Lake）和OLAP数据库，具备TB级数据聚合经验
- 深入理解智驾数据特点，能够抽象数据模型并设计分层表
申请策略
- 在申请材料中展示对博世和智驾业务的了解，表达对自动驾驶数据技术的兴趣
- 强调团队协作和工程交付能力，因为该职位需要与多部门高效配合
- 突出智驾行业工作经验，详细描述参与过的数据平台架构、数据湖建设或数据处理流水线项目
- 强调处理过单表TB级数据的实战经验，以及PB级数据治理经历
- 列出熟练掌握的大数据组件（Spark、Flink、Kafka、Iceberg等）并说明使用场景和深度
- 展示从0到1构建标签计算框架或数据湖分层的项目，体现架构设计能力
- 如果缺乏智驾领域知识，可提前学习自动驾驶数据格式（如Rosbag、Mcap）和常见传感器数据特点
- 补充云原生大数据平台经验（K8s + 大数据组件），提升部署和运维能力
面试指南
- 对于架构设计问题，采用“需求-技术选型-实施细节-效果”的结构，突出决策逻辑和权衡
- 对于性能优化问题，先描述问题现象，再分析根因（如数据倾斜、资源调度），最后给出具体优化方案（如分区、参数调优）
- 对于智驾数据理解问题，结合具体数据类型（如感知、轨迹）说明抽象过程，体现业务理解
- 请描述你设计过的一个大规模数据湖架构，包括分层模型和关键技术选型
- 你在处理TB级数据聚合计算时遇到过哪些性能瓶颈？如何优化的？
- 谈谈你对Iceberg/Hudi等数据湖技术的理解，以及在实际项目中的应用经验
- 智驾数据有哪些特点？如何抽象为数据模型？举例说明
- 如何保证大数据处理流水线的数据质量和稳定性？你有哪些治理经验？
职位点评
79
综合评分
博世苏州高级智驾大数据工程师，技术前沿、平台稳定，薪资竞争力强，但WLB信息不明确。
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
适合追求技术成长和前沿领域挑战的求职者，对工作生活平衡要求适中。
表现最好
成长发展
相对薄弱
工作生活
薪资福利80
成长发展85
工作生活70
使命价值75
薪资福利
80较高
博世作为外资巨头，薪资福利有竞争力，年终奖和五险一金规范，但JD未明确具体薪资，需面议。
薪资信号面议 (25K-45K/月)
成长发展
85较高
接触PB级自动驾驶数据和大数据前沿技术，成长空间大，但JD未明确提及晋升路径和培训体系。
技术前沿前沿/新兴技术
技术栈Hadoop、Spark、Flink、Iceberg、数据湖、自动驾驶
业务类型ambiguous
工作生活
70中等
苏州生活成本适中，但JD未明确办公模式，通常为现场办公，工作强度可能较高。
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
75中等
参与自动驾驶技术发展，具有社会价值，但JD未强调使命感和行业影响力。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
博世 的其他在招职位
相似职位推荐
Watch Jobs