高德地图
高德-安全数据仓库专家-AI NATIVE
高德-安全数据仓库专家-AI NATIVE
发布于 大约 13 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
数据工程
Ai Agent
Clickhouse
Hologres
Prompt工程
Rag
Sql调优
反爬
数据仓库建模
风控
AI 估算 · 35k–60k
资深数据仓库专家，北京一线大厂，AI Native方向需求旺盛，薪资较高，但JD未披露具体数字，基于市场水平估算。
职位详情
关于这个职位
这是一个负责安全风控数据仓库建设和AI Native转型的专家岗位，你将负责构建反爬、反欺诈等场景的离线与实时数据体系，并主导将大模型、Agent等AI能力落地到数据开发全链路，提升数据交付效率与质量
最低要求
职位要求：
经验要求：5年以上数据仓库开发经验，本科及以上学历（计算机、数据科学等相关专业优先）
具备业务安全、风控或反爬黑灰产对抗领域的数仓建设经历，有日均亿级以上数据量、实时与离线一体化数仓实战经验者优先
有将大模型 / AI Agent 真实落地到数据研发或数据治理场景的经验者优先（请在简历中说明具体场景与效果）
数仓工程硬实力：精通 MaxCompute/ODPS、Hive 等离线计算引擎，熟练掌握 Flink/Blink 实时计算与 Hologres/ClickHouse 等 OLAP 引擎，能独立完成安全风控域 ODS-DWD-DWS-ADS 分层建模与指标体系设计
具备扎实的 SQL 性能调优能力，能定位并解决数据倾斜、大表 Join、实时链路延迟与稳定性等典型问题
具备数据质量与治理体系落地能力，理解数据血缘、口径一致性、监控告警与资产分层管理
AI Native 能力（核心）：能独立设计并构建面向数据场景的 AI Agent，覆盖 SQL 生成与优化、数据校验、异常/黑灰产检测、数据治理等环节，实现从"人写 SQL 交付"到"Agent 辅助/自动交付"的转变
熟悉大模型应用工程，掌握 Prompt 工程、RAG 检索增强、工具调用（Tool/MCP）、知识库构建与 skill 编写，理解上下文管理与多步任务编排
具备 AI 产物的工程化意识：能为 Agent 与数据规则设计可测试、可回归、可度量的评测与验证机制，对结果的准确率、误报/漏报、可解释性负责，而非停留在"能跑通 Demo"
软性素质：具备较强的业务理解力，能把反爬、风控等安全诉求准确翻译为数据模型与指标
具备数据敏感度与商业闭环思维，能从数据中识别黑灰产攻击趋势与业务风险
具备 AI Native 思维——习惯优先思考"这个数据问题能否用 AI / Agent 更高效地解决"，并推动落地
具备良好的跨团队协作、问题拆解与自驱能力
工作职责
负责安全风控域数据仓库的分层建模与指标体系建设，支撑反爬、反欺诈、内容与账户安全等场景的离线与实时数据交付
主导将 AI 能力（Agent、知识库、大模型）工程化落地到 SQL 开发、数据校验、异常检测与数据治理全链路，持续提升数据交付效率与质量
沉淀可复用的安全数仓资产（模型、指标、skill、知识库），推进团队向 AI Native 研发模式转型
优先资格
加分项：
有安全 / 风控领域知识库或 Agent 从 0 到 1 建设经验
有开源社区贡献、大模型微调或 Agent 框架（如 LangChain、MCP 生态等）实践
有大规模数据成本治理经验
AI 洞察
优缺点分析
优点
- 技术栈前沿，结合数仓与AI Native，职业竞争力提升迅速
- 背靠阿里系超大型平台，稳定性高，资源丰富
- 安全风控业务对抗性强，需要处理亿级数据，实时链路复杂，工作强度可能较大
缺点 / 挑战
- 业务场景复杂有挑战，安全风控领域具有高价值
- 要求极高，不仅需要数仓硬实力，还需掌握AI Agent等新技术，学习压力大
- 适合有扎实数仓经验并渴望向AI Native转型的技术专家，能够接受挑战并推动创新
角色解读
- 从安全数据仓库专家向AI Native数据架构师发展，成为数据+AI复合型人才
- 可向技术管理方向发展，带领团队推进AI转型，或深耕安全风控领域成为领域专家
- 负责安全风控域数据仓库分层建模与指标体系建设，支撑反爬、反欺诈等场景的数据交付
- 主导AI能力（Agent、知识库、大模型）在SQL开发、数据校验、异常检测等环节的工程化落地
- 沉淀可复用的安全数仓资产，推动团队向AI Native研发模式转型
- 精通MaxCompute/Hive等离线引擎和Flink实时计算，具备ODS-DWD-DWS-ADS分层建模能力
- 掌握Hologres/ClickHouse等OLAP引擎，能够进行SQL性能调优和解决数据倾斜等典型问题
- 具备AI Agent设计和构建能力，熟悉Prompt工程、RAG、工具调用等大模型应用技术
申请策略
- 在简历中明确说明AI Native相关项目的细节，特别是如何评测Agent效果
- 关注高德地图的安全业务场景，在面试中展现对反爬黑灰产的理解
- 突出数仓建模经验和具体业务场景（如反爬、风控）的落地案例
- 重点展示AI Agent或大模型在数据研发中的实际应用，包括场景、效果和评测方式
- 强调SQL调优和实时计算的经验，以及处理大规模数据的实战能力
- 学习并实践大模型应用工程，例如构建简单的RAG系统或SQL生成Agent
- 熟悉数据治理体系，了解数据血缘、质量监控等概念
面试指南
- 用STAR法则，结合具体项目背景、任务、行动和结果，突出量化效果
- 对于AI应用问题，强调从业务痛点出发，说明技术选型、实施过程、评测机制和踩坑经验
- 对于技术问题，展示系统化思考，先定位根因再给出解决方案，并提及预防措施
- 请描述你过去如何设计一个安全风控数仓的分层模型？
- 你如何将大模型Agent应用到SQL生成或数据校验中？请举例说明效果和评测方法
- 遇到数据倾斜或实时链路延迟，你如何定位和解决？
- 如何衡量AI Agent在数据治理中的准确率和误报率？
- 你认为AI Native数仓和传统数仓的核心区别是什么？
职位点评
65
综合评分
技术前沿的AI Native安全数仓专家岗，成长性强但WLB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、对AI应用有热情、具备数仓底座能力的技术专家，能承受一定工作压力。
表现最好
成长发展
相对薄弱
工作生活
薪资福利55
成长发展85
工作生活45
使命价值80
薪资福利
55较低
薪资未在JD中披露，但公司为上市超大型企业，平台稳定，补偿性动机满足一般。
薪资信号未披露（AI估算：35K-60K/月）
成长发展
85较高
该职位强调AI Native转型，涉及前沿技术，成长空间大，能显著提升数据+AI复合技能。
技术前沿前沿/新兴技术
技术栈AI Agent、大模型、RAG、Prompt工程、Flink、Hologres
业务类型ambiguous
工作生活
45较低
北京现场办公，未提及弹性工作或其他WLB福利，生活化动机满足有限。
工作模式仅现场办公
办公地点未明确
加班情况未提及（无法判断）
使命价值
80较高
安全风控岗位具有社会价值，保护用户和业务安全，行业前景良好，意义感较强。
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
高德地图 的其他在招职位
相似职位推荐
Watch Jobs