智元机器人
数据平台研发工程师 - 指标体系
数据平台研发工程师 - 指标体系
发布于 3 天前普通员工/个人贡献者
上海市
中级经验
全职员工
仅现场办公
硕士
软件工程
Clickhouse
Finops
Hudi
Sql
AI 估算 · 25k–40k
硕士3-5年经验，数据平台工程师，上海，市场薪资范围25k-40k，B轮公司奖金弹性，14薪常见。
职位详情
关于这个职位
该职位负责数据平台全链路的指标体系规划与建设，包括业务运营指标、平台稳定性和成本治理，推动数据驱动的决策和降本增效
需要掌握数据湖仓技术、Python/SQL，并有硬科技领域数据工程经验
最低要求
硕士及以上学历，计算机、数据科学、统计学等相关专业，3-5年工作经验
具有自动驾驶、机器人等硬科技领域的数据工程经验，同时具备互联网大厂运营指标体系（留存、转化、漏斗分析等）建设经验
精通Python和SQL，熟悉数据湖仓技术（Iceberg、Hudi、Delta Lake等），具备数据质量监控与治理的实战经验
熟悉指标平台建设，具备指标采集、计算、告警、可视化全链路落地能力，熟悉Grafana、Tableau等BI工具
具备良好的数据Sense和业务理解力，能快速理解业务场景并抽象为可量化的指标体系
责任心强，具备良好的沟通协调能力，能跨团队推动指标体系建设落地
工作职责
负责公司数据平台全链路指标体系的整体规划与建设，覆盖数据接入、处理、服务、消费各环节的质量与效率指标，实现数据运营的可观测
搭建业务运营指标与经营分析指标体系，支撑数据基础设施的效能评估与成本治理，为管理层提供数据驱动的决策依据
构建平台稳定性指标体系，设计可用性、MTBF、MTTR等核心SLO，建立指标监控、告警与复盘机制，保障大规模数据平台的稳定运行
负责成本大盘的规划与建设，实现存储、计算、带宽等多维成本的可视化归因分析，输出成本优化策略，推动降本增效
推进指标平台的产品化能力建设，包括指标元数据管理、指标血缘、自助取数、指标看板等，降低指标使用门槛
优先资格
有FinOps实践经验，具备大规模数据基础设施成本治理的成功案例
熟悉Prometheus、ClickHouse等时序数据库，有高并发指标采集与实时计算经验
有从0到1搭建指标平台或数据质量体系的完整经历
AI 洞察
优缺点分析
优点
- 岗位涉及数据全链路和业务指标，技术栈广泛（数据湖仓、BI、时序数据库），技能积累价值高
- 硬科技（机器人）赛道前景好，公司处于B轮，成长空间大
- 工作内容包含成本治理和FinOps，契合行业降本趋势，有实战机会
- 跨团队协作推动指标落地，锻炼沟通与项目管理能力
- 数据全链路指标体系建设涉及面广，需要较强的抽象和系统设计能力
- 适合有3-5年数据工程经验、对指标体系和数据平台充满热情、愿意在硬科技领域深入发展的技术人才
缺点 / 挑战
- 需要在硬科技和互联网运营两个领域都有经验，要求较高，入门门槛不低
- 机器人行业数据量可能快速膨胀，对稳定性与成本控制要求高，压力较大
角色解读
- 可在数据平台领域深耕成为架构师，负责更大规模数据基础设施的设计
- 可向数据产品方向转型，主导指标产品化与数据中台建设
- 可向管理岗位发展，带领数据工程团队，或向AI数据方向拓展
- 规划建设数据平台全链路指标体系，涵盖数据接入、处理、服务、消费各环节的质量与效率指标
- 搭建业务运营和经营分析指标体系，为管理层提供数据驱动的决策支持
- 设计平台稳定性SLO，建立监控告警机制，保障大规模平台稳定运行
- 负责成本大盘建设，进行多维成本可视化归因分析，推动降本增效
- 精通Python和SQL，熟悉数据湖仓技术如Iceberg、Hudi、Delta Lake
- 掌握指标平台建设全链路能力，包括采集、计算、告警、可视化，熟悉Grafana、Tableau
- 具备硬科技领域数据工程经验（自动驾驶、机器人），同时理解互联网运营指标体系
- 良好的数据敏感度和业务理解力，能够将业务场景抽象为量化指标
申请策略
- 申请时强调对机器人领域数据挑战的理解，表达对技术驱动业务决策的热情
- 准备1-2个完整的指标体系建设项目案例，说明从规划到落地的过程和量化成果
- 突出硬科技领域（自动驾驶/机器人）数据工程经验，特别是数据湖仓和指标体系建设
- 强调互联网大厂运营指标体系建设的项目经历，如留存、转化、漏斗分析等
- 展示成本治理（FinOps）的实战案例，以及从0到1搭建指标平台的经验
- 列出熟练掌握的技术栈：Python、SQL、Iceberg、Hudi、Delta Lake、Grafana、Tableau、Prometheus、ClickHouse等
- 如果对FinOps不熟悉，可以系统学习云成本优化和数据治理相关知识
- 补充时序数据库（Prometheus、ClickHouse）的实践，尤其是高并发指标采集与实时计算场景
面试指南
- 对于项目类问题，采用STAR法则：情境-任务-行动-结果，突出指标定义、技术选型、协作过程和量化成果
- 对于设计类问题，先明确设计目标（如稳定性SLO），再分步骤：定义指标、设定阈值、告警机制、复盘迭代
- 对于冲突类问题，展示沟通能力和数据说服力：收集数据、推动共识、小范围验证、逐步推广
- 请介绍你过去搭建指标体系的一个项目，包含技术选型、指标定义和落地方案
- 如何设计一个大规模数据平台的稳定性SLO？说说MTBF、MTTR的设定与监控
- 你如何进行数据成本治理？用过哪些工具或方法（FinOps）？
- 在跨团队推动指标体系建设时，遇到过哪些困难？如何解决？
- 你如何理解业务指标与数据平台指标的关系？请举例说明
职位点评
70
综合评分
硬科技赛道数据平台岗，技术前沿，成长性强，薪资中等偏上，但WLB一般。
更适合这类人
适合追求技术成长和职业发展、对硬科技赛道有热情、能接受现场办公和一定工作强度的求职者。
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70
薪资福利
75中等
薪资处于市场中等偏上区间，B轮公司有上市潜力，但未在JD中明确福利细节，补偿性动机有一定满足。
薪资信号未披露（AI估算：25K-40K/月）
成长发展
85较高
技术栈前沿（数据湖仓、时序数据库、FinOps），硬科技赛道成长快，岗位有从0到1建设机会，发展性动机较高。
技术前沿前沿/新兴技术
技术栈Iceberg、Hudi、Delta Lake、Prometheus、ClickHouse、Python、SQL、Grafana、Tableau
业务类型profit_center
工作生活
50较低
仅现场办公，上海办公，未提及弹性工作或WLB，推测为常规互联网节奏，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
70中等
机器人硬科技行业前景好，但JD未强调社会价值使命感，意义感动机中等偏上。
行业发展高速增长赛道
社会影响中性/一般
创新程度积极采用新技术
Watch Jobs