长江存储
数仓开发工程师(J14822)
数仓开发工程师(J14822)
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公数据工程
数据工程
Ai辅助开发
Etl
Sql优化
数据仓库
维度建模
值不值得投
78综合评分
综合评分 78
国产存储巨头核心数据岗，技术栈主流且引入AI提效，业务场景复杂，成长空间大。
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
2.8万
比数据工程中位数低
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 610 个在招
市场机会
选择不多
武汉 · 数据工程 · 10 个在招
职位详情
关于这个职位
该职位主要负责长江存储的数据仓库设计与开发，包括数据模型构建、ETL流程开发及SQL性能优化
你需要与前后端团队协作，搭建数据质量监控体系并支持多维分析报表需求，确保海量数据的准确性与高效处理
最低要求
硕士及以上学历，计算机科学、大数据、统计学、数学或相关专业背景
熟练掌握 Java 和 Python，具备良好的编程习惯和代码质量意识
年以上数据仓库开发经验，熟悉数据仓库理论和方法论（如 Kimball 维度建模、Inmon 企业信息工厂等）
熟练掌握 ETL 开发技术
精通 SQL 优化技巧，能够分析和解决数据库性能问题
熟悉 Hadoop 生态圈技术（Hive、Spark、HBase 等）
熟练使用 AI 辅助开发工具（如 GitHub Copilot、Cursor、Kilo 等），能够利用 AI 提升代码开发、调试、优化及文档编写效率
工作职责
负责数据仓库设计与开发：主导数据仓库建设，完成数据逻辑模型与物理模型设计，并负责核心模型的开发实施
负责数据模型开发，包括维度建模、事实表与维度表设计、缓慢变化维处理等，确保数据模型的可扩展性和查询效率
负责 ETL 程序开发与维护，设计并实现数据采集、清洗、转换、加载流程，确保数据的准确性、完整性和及时性
负责 SQL 性能优化，分析并解决复杂查询的性能瓶颈，优化索引策略、执行计划及数据存储结构
负责报表平台后台功能的设计、开发与优化，确保系统稳定高效运行
与前端开发团队协作，实现前后端数据交互功能，支持多维分析、即席查询等报表需求
建立数据质量监控体系，设计数据校验规则，及时发现并解决数据异常问题
编写技术文档，包括数据字典、ETL 流程文档、数据血缘分析等
学习和应用新技术，提升团队技术能力
优先资格
具有半导体行业相关经验者优先
有大数据开发经验者优先
有 Kettle、DataX、Airflow、Informatica 等 ETL 工具使用经验者优先
有 Oracle、MySQL、PostgreSQL 等主流数据库优化经验者优先
有海量数据处理经验者优先
熟悉报表工具（如 FineReport、Tableau、PowerBI 等）者优先
AI 洞察
优缺点分析
优点
- 依托超大型半导体企业的海量数据场景，能积累极具价值的工业级大数据处理经验
- 岗位技术要求全面，涵盖底层模型到上层应用，有助于构建完整的数据技术栈
- 明确要求使用AI辅助工具，顺应行业趋势，提升个人开发效能与竞争力
- 半导体行业数据量大且业务逻辑复杂，对数据模型的扩展性和查询性能要求极高
- 具备扎实数仓理论基础与大数据组件实战经验，且希望在半导体等硬核科技行业深耕的数据开发工程师
缺点 / 挑战
- 需要频繁与前端及业务团队协作，对沟通能力和需求理解能力有一定挑战
角色解读
- 纵向可发展为数据架构师或数据团队技术专家，负责整体数据中台规划
- 横向可转向数据科学家或业务数据分析专家，深入半导体制造业务赋能
- 主导数据仓库的架构设计与核心模型开发，包括维度建模和物理模型设计
- 负责ETL流程的开发与维护，确保海量数据的准确采集、清洗与加载
- 进行SQL性能优化及报表平台后台开发，支持前端多维分析与即席查询需求
- 扎实的Java和Python编程能力，以及深厚的数据仓库理论基础（如Kimball建模）
- 精通SQL优化及Hadoop生态圈（Hive、Spark等）大数据处理技术
- 熟练使用AI辅助开发工具提升编码与调试效率
申请策略
- 在面试中展现对数据质量监控体系建设的思考，体现系统性工程思维
- 突出3年以上数仓开发经验，详细列举主导过的维度建模项目及处理过的数据量级
- 强调SQL性能优化的具体案例，如查询耗时降低百分比或资源消耗优化成果
- 展示使用AI工具（如Copilot）提升开发效率的实际场景和成果
- 深入了解半导体行业的数据特点（如良率分析、设备监控数据），补充相关业务知识
- 熟悉主流报表工具（如FineReport、Tableau）的前后端交互逻辑，提升全栈数据开发能力
面试指南
- 采用STAR法则（情境、任务、行动、结果）回答项目经验，重点突出技术难点和量化收益
- 对于架构或设计类问题，从业务需求出发，分层阐述逻辑模型、物理模型及优化策略
- 请分享一个你主导过的最复杂的数据仓库模型设计案例，你是如何处理缓慢变化维的？
- 在面对海量数据复杂查询时，你通常从哪些维度进行SQL和底层存储的性能优化？
- 你平时是如何利用AI辅助工具（如Cursor或Copilot）来提升代码编写和调试效率的？
- 如何设计一套有效的数据质量监控体系，以确保ETL数据的准确性和及时性？
- 复习Kimball维度建模理论，准备1-2个结合实际业务的建模案例
- 了解长江存储的基本业务和半导体制造流程，思考数据如何赋能良率提升或产能优化
职位点评
薪资福利80
成长发展85
工作生活65
使命价值80
薪资福利
80较高
武汉地区超大型半导体企业，薪资水平在当地具有较强竞争力，且福利体系相对完善。
薪资信号未披露（AI估算：2千–3.5万/月）
成长发展
85较高
岗位涉及主流大数据技术与AI辅助开发，且在超大型制造业场景下能接触到海量核心数据，技术成长空间大。
技术前沿主流现代技术
技术栈Java、Python、Hadoop、Hive、Spark、HBase、Kettle、DataX、Airflow、GitHub Copilot、Cursor
成长机会学习和应用新技术，提升团队技术能力
业务类型ambiguous
工作生活
65中等
JD未明确提及工作模式与加班情况，作为研发岗通常节奏较为稳定，但具体工作生活平衡需视项目周期而定。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
80较高
半导体存储是国家战略级核心产业，参与其数据底座建设具有较高的行业使命感与社会价值。
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
长江存储 的其他在招职位
相似职位推荐
Watch Jobs